<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_44055705的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_44055705</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_44055705]]></copyright><item><title><![CDATA[【论文速览】U-Net 变体模型（3D U-Net，UNet++，V-Net等）]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/115874502</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/115874502</guid><author>qq_44055705</author><pubDate>Mon, 19 Apr 2021 21:08:37 +0800</pubDate><description><![CDATA[【论文速览】U-Net 变体模型（3D U-Net，UNet++，V-Net等）

U-Net 变体模型【论文速览】U-Net 变体模型（3D U-Net，UNet++，V-Net等）【文章一】3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotationabstract摘要感性认识【文章二】UNet++: Redesigning Skip Connections to Exploit Multiscale Features i]]></description><category></category></item><item><title><![CDATA[【Python】-【Pytorch】学习日记三 UNet实现代码阅读]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/115801920</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/115801920</guid><author>qq_44055705</author><pubDate>Sat, 17 Apr 2021 21:19:01 +0800</pubDate><description><![CDATA[【Python】-【Pytorch】学习日记三 UNet实现代码阅读
 从今天开始学习pytorch。
【Python】-【Pytorch】学习日记一 张量(Tensor)
【Python】-【Pytorch】学习日记二 autograd 与 torch.nn 构建神经网络

【Python】-【Pytorch】学习日记三 UNet实现代码阅读 【Python】-【Pytorch】学习日记三 UNet实现代码阅读前言一、Unet二、实现代码一1.模型结构2.读入数据3.定义损失与训练加权损失训练过程使用网络]]></description><category></category></item><item><title><![CDATA[【论文笔记】U-Net: Convolutional Networks for Biomedical Image Segmentation]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/115733245</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/115733245</guid><author>qq_44055705</author><pubDate>Thu, 15 Apr 2021 18:03:02 +0800</pubDate><description><![CDATA[【论文笔记】U-Net: Convolutional Networks for Biomedical Image Segmentation

文章题目：U-Net: Convolutional Networks for Biomedical Image Segmentation
作者：Olaf Ronneberger, Philipp Fischer, and Thomas Brox
关键词：Training Image; Data Augmentation; Convolutional Layer; De]]></description><category></category></item><item><title><![CDATA[【深度学习（deep learning）】花书第14章 自编码器 读书笔记]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/115483030</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/115483030</guid><author>qq_44055705</author><pubDate>Wed, 07 Apr 2021 20:28:51 +0800</pubDate><description><![CDATA[【深度学习（deep learning）】花书第14章 自编码器 读书笔记

第14章 自编码器【深度学习（deep learning）】花书第14章 自编码器 读书笔记前言一、自编码器二、欠完备自编码器三、正则自编码器3.1 稀疏自编码器3.2 去噪自编码器 （denoising autoencoder, DAE）3.3 收缩自编码器（contractive autoencoder, CAE）四、深度自编码器（栈式自编码器）逐层训练权重绑定五、变分自编码器（variational auto-encoder]]></description><category></category></item><item><title><![CDATA[【论文速览】深度模型-降维与聚类]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/115463396</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/115463396</guid><author>qq_44055705</author><pubDate>Tue, 06 Apr 2021 16:26:08 +0800</pubDate><description><![CDATA[【论文速览】深度模型-降维与聚类
【文章一】InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets

文章题目：InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets
作者：Xi Chen, Yan Duan, Rein]]></description><category></category></item><item><title><![CDATA[【论文笔记】ClusterGAN: Latent Space Clustering in Generative Adversarial Networks]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/115419040</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/115419040</guid><author>qq_44055705</author><pubDate>Sat, 03 Apr 2021 18:36:51 +0800</pubDate><description><![CDATA[【论文笔记】ClusterGAN: Latent Space Clustering in Generative Adversarial Networks

文章题目：ClusterGAN: Latent Space Clustering in Generative Adversarial Networks
作者：Sudipto Mukherjee，Himanshu Asnani，Eugene Lin，Sreeram Kannan
关键词：
时间：2019
来源：AAAI 2019
paper：https:/]]></description><category></category></item><item><title><![CDATA[【论文笔记】Unsupervised Deep Embedding for Clustering Analysis（DEC）]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/115406848</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/115406848</guid><author>qq_44055705</author><pubDate>Fri, 02 Apr 2021 19:58:23 +0800</pubDate><description><![CDATA[【论文笔记】Unsupervised Deep Embedding for Clustering Analysis（DEC）

文章题目：Unsupervised Deep Embedding for Clustering Analysis
作者：Junyuan Xie，Ross Girshick，Ali Farhadi
关键词：
时间：2016
来源：ICML
paper：http://proceedings.mlr.press/v48/xieb16.html , https://arxiv.org/pd]]></description><category></category></item><item><title><![CDATA[【论文笔记】Fully Convolutional Networks for Semantic Segmentation(FCN, 全卷积)]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/115215416</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/115215416</guid><author>qq_44055705</author><pubDate>Thu, 25 Mar 2021 18:27:29 +0800</pubDate><description><![CDATA[【论文笔记】Fully Convolutional Networks for Semantic Segmentation(FCN, 全卷积)

文章题目：Fully Convolutional Networks for Semantic Segmentation
作者：Evan Shelhamer, Jonathan Long, and Trevor Darrell
关键词：Semantic Segmentation, Convolutional Networks, Deep Learning, Trans]]></description><category></category></item><item><title><![CDATA[【论文笔记】Efficient multi‐scale 3D CNN with fully connected CRF for accurate brain lesion segmentation]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/115034770</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/115034770</guid><author>qq_44055705</author><pubDate>Sat, 20 Mar 2021 21:13:38 +0800</pubDate><description><![CDATA[【论文笔记】Efficient multi‐scale 3D CNN with fully connected CRF for accurate brain lesion segmentation

文章题目：Efficient multi‐scale 3D CNN with fully connected CRF for accurate brain lesion segmentation
作者：Konstantinos Kamnitsas , Christian Ledig  , Virginia F.]]></description><category></category></item><item><title><![CDATA[【Python】-【Pytorch】学习日记二 autograd 与 torch.nn 构建卷积神经网络]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/114705658</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/114705658</guid><author>qq_44055705</author><pubDate>Fri, 12 Mar 2021 20:23:05 +0800</pubDate><description><![CDATA[【Python】-【Pytorch】学习日记二 autograd 与 torch.nn 构建神经网络
 从今天开始学习pytorch。
【Python】-【Pytorch】学习日记一 张量（tensor）

【Python】-【Pytorch】学习日记二 autograd 与 torch.nn 构建神经网络【Python】-【Pytorch】学习日记二 autograd 与 torch.nn 构建神经网络前言一、torch.autograd1.1 基本概念1. .requires_grad = True2.]]></description><category></category></item><item><title><![CDATA[【Python】-【Pytorch】学习日记一  张量(Tensor)]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/114646039</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/114646039</guid><author>qq_44055705</author><pubDate>Wed, 10 Mar 2021 20:45:47 +0800</pubDate><description><![CDATA[【Python】-【Pytorch】学习日记一  张量(Tensor)
 从今天开始学习pytorch。
【Python】-【Pytorch】学习日记一 张量(Tensor)

【Python】-【Pytorch】学习日记一 张量Tensor【Python】-【Pytorch】学习日记一  张量(Tensor)前言一、张量tensor1.1 初始化1.2 张量属性二、张量运算1.索引与切片2.拼接与塑形2.1 拼接2.2 塑形3.转为numpy4.数学运算4.1 乘法4.2 加法5.自赋值运算总结学习资料 ]]></description><category></category></item><item><title><![CDATA[【论文速览】情感预测（Sentiment Prediction）]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/114635725</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/114635725</guid><author>qq_44055705</author><pubDate>Wed, 10 Mar 2021 14:57:53 +0800</pubDate><description><![CDATA[【论文速览】情感预测（Sentiment Prediction）
【文章1】Sentiment prediction using collaborative filtering

文章题目：Sentiment prediction using collaborative filtering
作者：Jihie Kim, Jaebong Yoo, Ho Lim, Huida Qiu, Zornitsa Kozareva, Aram Galstyan
关键词：sentiment prediction, colla]]></description><category></category></item><item><title><![CDATA[【论文笔记】An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale (ViT)]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/113825863</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/113825863</guid><author>qq_44055705</author><pubDate>Tue, 16 Feb 2021 16:39:23 +0800</pubDate><description><![CDATA[【论文笔记】An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale(Vision Transformer, ViT)

文章题目：An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale
作者：Dosovitskiy, A., Lucas Beyer, Alexander Kolesnikov, Dirk Weissenbo]]></description><category></category></item><item><title><![CDATA[【深度学习（deep learning）】花书第12章   应用  读书笔记]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/110824143</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/110824143</guid><author>qq_44055705</author><pubDate>Wed, 09 Dec 2020 19:56:24 +0800</pubDate><description><![CDATA[【深度学习（deep learning）】花书第12章   应用  读书笔记

第12章 应用【深度学习（deep learning）】花书第12章   应用  读书笔记前言一、大规模深度学习1.快速的CPU实现2.GPU实现3.分布式实现4.模型压缩5.动态结构6.深度网络的专用硬件实现二、计算机视觉1.预处理2.对比度归一化三、自然语言处理四、其他应用参考资料

前言

打基础，阅读花书，感觉一次性啃不动。看一点算一点，写一点笔记留作纪念。以便日后查看与回顾。最后一部分啦~蓦然回首，发现前面的也没记住啥]]></description><category></category></item><item><title><![CDATA[【深度学习（deep learning）】花书第11章 实践方法论 读书笔记]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/110679483</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/110679483</guid><author>qq_44055705</author><pubDate>Sat, 05 Dec 2020 16:15:03 +0800</pubDate><description><![CDATA[【深度学习（deep learning）】花书第11章 实践方法论 读书笔记

第11章 实践方法论【深度学习（deep learning）】花书第11章 实践方法论 读书笔记前言一、实践方法论 ~~走进丹方~~二、性能度量2.1 分类2.2 回归（略）2.3 聚类（略）2.4 降维（略）三、基准模型 baseline四、调参 ~~开始炼丹~~4.1 手动选择4.2 自动选择4.2.1 网格搜索4.2.2 随机搜索4.2.3 基于模型或优化算法的超参数选择五、调试策略参考资料

前言

打基础，阅读花书，感]]></description><category></category></item><item><title><![CDATA[【深度学习（deep learning）】花书第10章 序列建模：循环和递归网络 读书笔记]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/110527041</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/110527041</guid><author>qq_44055705</author><pubDate>Fri, 04 Dec 2020 20:58:59 +0800</pubDate><description><![CDATA[【深度学习（deep learning）】花书第10章 序列建模：循环和递归网络 读书笔记

第10章 序列建模：循环和递归网络 【深度学习（deep learning）】花书第10章 序列建模：循环和递归网络 读书笔记前言一、序列模型1.1 序列模型中的参数共享1.时延神经网络（卷积）2.循环神经网络1.2 计算图展开二、循环神经网络 RNN2.1 多对多，隐藏到隐藏**反向传播：通过时间反向传播（BPTT）**2.2 多对多，输出到隐藏训练算法：导师驱动过程（teacher forcing）2.3 多对]]></description><category></category></item><item><title><![CDATA[【深度学习（deep learning）】花书第9章 卷积网络 读书笔记]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/110244915</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/110244915</guid><author>qq_44055705</author><pubDate>Sun, 29 Nov 2020 17:23:24 +0800</pubDate><description><![CDATA[【深度学习（deep learning）】花书第9章 卷积网络 读书笔记

第九章 卷积网络【深度学习（deep learning）】花书第9章 卷积网络 读书笔记前言一、卷积1.1 卷积运算二、池化三、卷积神经网络四、典型网络参考资料

前言

打基础，阅读花书，感觉一次性啃不动。看一点算一点，写一点笔记留作纪念。以便日后查看与回顾。大名鼎鼎CNN。
2020.11.27


以下是正式内容。
一、卷积
1.1 卷积运算
一般意义上，卷积是对两个实变函数的一种数学运算。
用*表示：
s(t)=(x∗w)(]]></description><category></category></item><item><title><![CDATA[【深度学习（deep learning）】花书第8章 深度模型中的优化 读书笔记]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/110090565</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/110090565</guid><author>qq_44055705</author><pubDate>Thu, 26 Nov 2020 14:14:39 +0800</pubDate><description><![CDATA[【深度学习（deep learning）】花书第8章 深度模型中的优化 读书笔记

第8章 深度模型中的优化【深度学习（deep learning）】花书第8章 深度模型中的优化 读书笔记前言一、学习与优化的关系深度模型训练的优化算法与传统的优化算法的区别：二、神经网络优化中存在的挑战1.病态2.局部极小3.鞍点三、经典的优化算法四、更高级的优化算法4.1 自适应优化算法4.2 二阶优化算法五、优化策略参考资料

前言

打基础，阅读花书，感觉一次性啃不动。看一点算一点，写一点笔记留作纪念。以便日后查看与回]]></description><category></category></item><item><title><![CDATA[【深度学习（deep learning）】花书第7章 深度学习中的正则化 读书笔记]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/109899654</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/109899654</guid><author>qq_44055705</author><pubDate>Mon, 23 Nov 2020 18:24:43 +0800</pubDate><description><![CDATA[【深度学习（deep learning）】花书第7章 深度学习中的正则化 读书笔记

第7章 深度学习中的正则化【深度学习（deep learning）】花书第7章 深度学习中的正则化 读书笔记前言一、正则化二、参数正则化2.1 参数范惩罚2.1.1 L2参数正则化2.1.2 L1参数正则化2.2 作为约束的范数惩罚2.2.1 约束惩罚项2.2.2 将惩罚显式化2.3 正则化解决欠约束问题三、数据正则化四、模型正则化五、训练正则化参考资料

前言

打基础，阅读花书，感觉一次性啃不动。看一点算一点，写一点笔]]></description><category></category></item><item><title><![CDATA[【深度学习（deep learning）】花书第六章 深度前馈网络 读书笔记]]></title><link>https://blog.youkuaiyun.com/qq_44055705/article/details/109782648</link><guid>https://blog.youkuaiyun.com/qq_44055705/article/details/109782648</guid><author>qq_44055705</author><pubDate>Sat, 21 Nov 2020 15:38:07 +0800</pubDate><description><![CDATA[【深度学习（deep learning）】花书第六章 深度前馈网络 读书笔记

第六章 深度前馈网络【深度学习（deep learning）】花书第六章 深度前馈网络 读书笔记前言一、基本概念二、使用步骤1.引入库2.读入数据三、pandas是什么？参考资料

前言

打基础，阅读花书，感觉一次性啃不动。看一点算一点，写一点笔记留作纪念。以便日后查看与回顾。前面一部分基本在啃西瓜书的过程中看过了，直接从前馈网络开始再次记笔记。


以下是正式内容。
一、基本概念
1.深度前馈网络（DFN) = 前馈神经网络]]></description><category></category></item></channel></rss>