只想买把蝴蝶knife

SqueezeNext:Hardware-AwareNeuralNetworkDesign这是squeezenet 的升级版，俗称squeezenet V2版本在论文中作者指出SqueezeNext参数量是比VGG16少了112倍的参数但有与之匹配的准确率，而对于VGG19来说 可以实现4.4M参数即可实现相同的准确率，同时文章也与squeezeNet进行比较，发现其baseline模型是有2.59倍快，block分析：这是原文中的图，左边为Resnet block,而中间为squeezeNet

比如大家需要对某个keras的模型进行改进，但是必须使用预训练权重（毕竟不是每个人都有财力进行训练的），可以在对模型进行调整之后，使用以下函数model.load_weights('filename.h5' , by_name = True, skip_mismatch = True) 代码的意义就是讲权重中相同名字的层载入，即使有部分结构微调，也可以保证权重加载成功...

有时候大家需要跑很多网络，比如进行对比实验,这时候可以直接使用keras的application模块（这里需要注意,tf2.x中的模型更多，建议更新到2.x），picture_size=224x_shape = [pictrue_size, pictrue_size, 3] base_model = keras.applications.MobileNet(input_tensor=keras.layers.Input((pictrue_size,pictrue_size,3)),include_t

github地址：https://github.com/eriklindernoren/Keras-GAN这篇文章是为了快速上手GAN直接使用的，不会讲解其中的原理，有需要的可以看看首先进入上面的github地址，可以看到remind里面有许多GAN的变形，可以看到让我们进入SGAN的目录下查看数据，如果需要训练自己的模型只需要改变数据的导入就行了其他的比如loss函数，优化器这种的都...

在看到许多关于 GAN 的论文时，会看到 conditional GAN 和 unconditional GAN 的字眼，那他们的区别在于什么呢，其实 conditional GAN 就有点像监督学习，需要给出标签和数据，生成的类也可以多样，但 unconditional gan 不需要给出标签，只有生成器和辨别器的对抗，生成的都是一类标签。...

这篇文章是用通俗的语言描述下GAN训练的过程1.随机化噪音。2.根据噪音产生样本3.判别器判断样本是真是假4.计算判别器的loss5.反向传播至判别器和生成器获得梯度6.使用更新的梯度来更新生成器在这个过程中判别器没有改变，因为如果是判别器和生成器同时改变的话会使训练过程更加复杂To learn the generator’s distribution pg over data ...

医学图像处理顶刊顶会和常用工具期刊TMI: EEE Transactions on Medical Imaging (官网，月刊)MIA: Medical Image Analysis (官网，月刊)顶会MICCAI: International Conference on Medical Image Computing and Computer Assisted Intervention...

在使用加载经典模型的数据时，都会有一段这样的代码from keras.applications.resnet50 import ResNet50from keras.preprocessing import imagefrom keras.applications.resnet50 import preprocess_inputimport numpy as npmodel = Res...

efficient作为一个2019年的新模型，思想就是用一个系数来改变模型深度、宽度与分辨率来提高性能这篇文章主要讲如何快速应用efficient net，原理可以看原论文或者https://blog.youkuaiyun.com/BEYONDMA/article/details/91146289这里我们可以首先直接使用别人的库github 地址RequirementsKeras >= 2...

最近在学习 efficienet 使用了 RMSProp 优化器，但是在 keras 使用的时候发现了问题keras.optimizers.RMSprop(lr=0.001, rho=0.9, epsilon=None, decay=0.0)RMSprop的初始化中有rho与decay两个参数，但是这两个参数都是衰减因子，那他们之间的区别在哪里呢，官方链接也没有详细解释，后来在看到一篇回答...

前提在解决过拟合问题中，有许多的方法可以使用，其中有一个方法叫早停法，这篇文章就是以 keras API 为例展示如何使用早停法callback在应用早停法时需要使用 callback 回调函数，进行初始化cb = callback()而在 model.fit 中可以使用 callbackmodel.fit(callback=[cb])early stoppingkeras中有...

最近开始再学习如何解决过拟合问题的方法看到了批量归一化（也就是BatchNormalization)，便提出了一个问题，作为一层网络，是每一层都加入还是最后加入，另外是在激活函数之后还是激活函数之前卷积层之前呢https://stackoverflow.com/questions/34716454/where-do-i-call-the-batchnormalization-function-...

关于grid_search中param_grid可以选取哪些参数（以keras为例）最近在学习调参时看到了 grid_search (也就是网格搜索算法）https://cloud.tencent.com/developer/article/1447855细节可以见上面这篇文章官方原话解释是param_griddict or list of dictionariesDictiona...