政安晨：【Keras机器学习实践要点】（二十三）—— 紧凑型卷积变换器

政安晨

于 2024-04-10 06:00:00 发布

阅读量1.1k

点赞数 31

分类专栏： TensorFlow与Keras机器学习实战文章标签：机器学习 keras 人工智能 tensorflow 深度学习神经网络紧凑型卷积变换器

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/snowdenkeke/article/details/137567906

版权

TensorFlow与Keras机器学习实战专栏收录该内容

116 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了紧凑型卷积变换器（CCT），它是结合卷积和Transformer优势的网络架构。通过CCT在CIFAR-10数据集上的实现和训练，展示了其高效性能，只需40万个参数即达到约79%的top-1准确率，对比ViT模型表现出更高的参数效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目录

超参数和常量

加载 CIFAR-10 数据集

正则化的随机深度

变换编码器的 MLP

最终的 CCT 模型

模型培训和评估

政安晨的个人主页：政安晨

欢迎 👍点赞✍评论⭐收藏

收录专栏: TensorFlow与Keras机器学习实战

希望政安晨的博客能够对您有所裨益，如有不足之处，欢迎在评论区提出指正！

本文目标：用于高效图像分类的紧凑型卷积变换器

正如视觉变换器（ViT）论文中所讨论的，基于变换器的视觉架构通常需要比通常更大的数据集，以及更长的预训练时间。对于 ViT 而言，ImageNet-1k

了解本专栏

超级会员免费看

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

政安晨 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。