- 博客(6)
- 收藏
- 关注
RSS订阅原创 搭建VGG_16神经网络模型
1.卷积神经网络卷积神经网络详解1.1卷积层卷积层工作原理1.2ReLU层ReLU层工作原理1.3池化层池化层工作原理1.4全连接层全连接层工作原理1.5dropout层dropout层的工作原理BN层和dropout层BN和Dropout在训练和测试时有哪些差别1.6softmax层softmax层工作原理2.VGG_16神经网络的搭建VGG_16原理详解2.1 整体架构的代码实现2.1.1tensorflow搭建VGG16（仅.
2021-12-08 09:53:12
1177
翻译 JointDNN: An Effificient Training and Inference Engine for Intelligent Mobile Cloud Computing Servic
题目：JointDNN: An Effificient Training andInference Engine for Intelligent Mobile Cloud Computing Services JointDNN：一个高效的智能移动云计算服务的训练和推理引擎作者：Amir Erfan Eshratifar , Mohammad Saeed Abrishami, and Massoud Pedram摘要：Deep learning models are bein...
2021-11-16 17:37:06
846
翻译 SPINN: Synergistic Progressive Inferenceof Neural Networks over Device and Cloud
题目：SPINN: Synergistic Progressive Inferenceof Neural Networks over Device and Cloud SPINN：设备和云上神经网络的协同渐进推理作者：Stefanos Laskaridis , Stylianos I. Venieris ,Mario Almeida , Ilias Leontiadis , Nicholas D. Lane摘要：Despite the soaring ...
2021-11-03 13:10:38
1414
翻译 Edge AI: On-Demand Accelerating Deep Neural Network Inference via Edge Computing
题目：Edge AI: On-Demand Accelerating Deep Neural Network Inference via Edge Computing 边缘智能：通过边缘计算按需加速深度神经网络推理在深度学习中，推理是指将一个预先训练好的神经网络模型部署到实际业务场景中，如图像分类、物体检测、在线翻译等。 由于推理直接面向用户，因此推理性能至关重要，尤其对于企业级产品而言更是如此。 衡量推理性能的重要指标包括延迟（latency）和吞吐量（thro...
2021-11-01 19:20:19
2211
2
原创 强化学习学习笔记（二）：Markov决策过程
一、Markov决策过程模型 Markov决策过程是强化学习最经典、最重要的数学模型。大多数的强化学习问题都建模成Markov决策过程。1.离散时间Markov决策过程 1.1数学表示 智能体观察状态的环境，得到观测,其中是状态空间，表示状态取值的综合;是观测空间，表示观测取值的综合。智能体根据观测决定做出动作，其中是动作合集。环境根据智能体的动作，给予智能体奖励,并进入下一步状态，其中是奖励空间，表示奖励取值的集合，它是实数集R的...
2021-10-13 13:41:01
1297
原创 强化学习学习笔记（一）：初识强化学习
一、强化学习及关键因素 1.奖励：强化学习的目标就是要最大化在长时间里的总奖励。奖励有正有负，机器人花费的时间和能量就属于负奖励。 2.策略：决策者会根据不同的观测决定采用不同的动作，这种从观测到动作的关系称为策略。强化学习试图修改策略以最大化奖励。二、强化学习与监督学习和非监督学习的区别监督学习：知道每个动作的正确答案，可以通过逐步对比来学习。监督学习希望能将学习结果运用到未知的数据，要求结果可推广、可泛化。监督学习一般运用于判断、预测等任务，如...
2021-10-12 20:45:10
540
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人