如切如磋

shufflenetv2代码解读目录shufflenetv2代码解读概述shufflenetv2网络结构图shufflenetv2架构参数shufflenetv2代码细节分析概述shufflenetv2是发表在2018ECCV上的一篇关于模型压缩和模型加速的文章，其中用到的主要技巧有两点：深度可分离卷积、通道交互。其中，深度可分离卷积是为了减少参数量、增加运算速度，通道交互是为了让不同通道的特征之间可以产生信息交互，从而获取更加丰富的语义信息。这个系列的文章把主要精力放在代码的分析上，如果想要进一步

densenet代码解读目录概述densenet网络结构图densenet网络架构参数densenet代码细节分析概述densenet是一篇受到了resnet启发的文章，它将resnet跳跃连接的思想发扬光大，在输出层不仅会加上输入层的信息，而且将“连接”做到极致，在每一个block里面，每一层的输出都会连接到后一层的输入，充分利用前面得到的特征图。densenet网络结构图单个denseblock的结构图一个具有3个dense block的densenet网络的结构图如下所示：dense

squeezenet代码解读目录概述使用了1 x 1卷积，方便灵活改变通道数、减少参数量通过squeeze layer较少了通道数将池化层放在比较靠后的位置，使得前半部分的特征信息尽可能不被遗忘。网络结构图Fire模块朴素版本、加上跳跃连接、1 x 1卷积的squeezenet每一层输入输出的tensor变化每一层的tensor的输出shapesqueezenet代码细节分析概述squeezenet是一款轻量级的CNN，它的参数量相当于AlexNet参数量的1/50（经过减枝、稀疏化等模型压缩手段过后

GoogLeNet代码解读目录GoogLeNet代码解读概述GooLeNet网络结构图代码细节分析概述GooLeNet网络结构图代码细节分析

Inception代码解读目录Inception代码解读概述Inception网络结构图inception网络结构框架inception代码细节分析概述inception相比起最开始兴起的AlexNet和VGG，做了以下重要改动：1）改变了“直通”型的网络结构，将一个大的卷积核做的事情分成了几个小的卷积核来完成；2）这样带来的另一个好处是可以得到不同尺度的特征，并且对不同尺度大小的特征进行融合，使得提取出来的特征的语义信息更加丰富；3）引入了1x1的卷积核，1x1的卷积核可以用来方便地改变通道数

VGG代码解读目录VGG代码解读概述网络结构图VGG代码细节分析概述VGG跟AlexNet在结构上没有本质上的区别，在AlexNet的基础上变得更深了，依然是“直通”式的结构，提出了局部响应结构（LRN），效果改善很小。整体上的架构仍然是卷积、激活、池化提取特征，然后前向神经网络做分类器。网络结构图vgg_A、vgg_B、vgg_C、vgg_D、vgg_E分别对应不同的vgg结构变种，其中LRN（local response network）是局部响应网络，实验结果表明加上LRN的效果没有明显改善

AlexNet代码解读目录AlexNet代码解读概述网络结构图AlexNet代码细节分析概述AlexNet的网络结构很简单，是最初级版本的CNN，没有使用什么技巧。网络分成两个部分，分别是卷积、激活、池化构成的特征提取器，以及前向神经网络的分类器。网络结构图AlexNet代码细节分析import numpy as npimport torchimport torch.nn as nnfrom typing import Anyfrom torchsummary import summ

Resnet的pytorch官方实现代码解读目录Resnet的pytorch官方实现代码解读前言概述34层网络结构的“平原”网络与“残差”网络的结构图对比不同结构的resnet的网络架构设计resnet代码细节分析前言pytorch官方给出了现在的常见的经典网络的torch版本实现。仔细看看这些网络结构的实现，可以发现官方给出的代码比较精简，大部分致力于实现最朴素结构，没有用很多的技巧，在网络结构之外的分组卷积、膨胀卷积等等技巧已经略去（分组数目设置为1，膨胀系数设置为1），为理解网络结构略去了很多不

基于SegNet和UNet的遥感图像分割代码解读目录基于SegNet和UNet的遥感图像分割代码解读前言概述代码框架代码细节分析划分数据集gen_dataset.pyUNet模型训练unet_train.py模型融合combind.pyUNet模型预测unet_predict.py分类结果集成ensemble.pySegNet模型训练segnet_train.py前言上了一学期的课，趁着寒假有时间，看了往年论文和部分比赛的代码，现在整理出来。整理的这部分内容以实际操作为主，主要讲解代码部分的分析。概