颜忠贤 JoesRain

import torch.nn as nndef conv3x3(in_ch: int, out_ch: int,group:int = 1, stride: int = 1): return nn.Conv2d(in_channels=in_ch, out_channels=out_ch, kernel_size=3, stride=stride, padding=1,groups=group);def conv1x1(in_ch: int, out_ch: int,group:int.

East的模型结构总的来说，真是简单。但是简单，却又好用，为旷视点赞。分别用PVANet特征提取，采用UNet结构做特征融合，最后直接输出置信度，坐标位置，和角度。虽然看起来简单，是不是训练起来也一样简单呢？？？？不然，其实置信度是最难train的。说说我的经历。本来大家都习惯用vgg来提取特征，效果不错，偏偏又人自命不凡，比如我自己写来一个四不像的模型，大家看看。...

学习最好的办法就是实践。深度学习有很多入门的数据集，手写数字数据集是其中一个代表。以Kannada-MNIST为例：我们做一个手写数字识别的程序。引入pandas，做数据预处理用的。import pandas as pd加载训练数据train_data = pd.read_csv("/kaggle/input/Kannada-MNIST/train.csv")加载测试数...