xuefengxiaoyang的博客

TensorFlow2.1的数据导入方法有多种，官方教程推荐使用keras高级API，把数据下载，预处理和导入全部集成在一起，功能强大。tf2.1也提供了其它API来导入数据。tf.data.Dataset是其中一个，按批次导入数据，可以用下面这个APIdataset = tf.data.Dataset.from_tensor_slices(tensors)dataset = datas...

摘要：CNN在执行卷积时，因为卷积核的大小通常大于1，并且滑动步长也不一定为1，所以会导致卷积操作输出的特征图大小比输入特征图要小，如果想控制输出特征图的大小，在不改变卷积核尺寸及滑动步长的情况下，就需要在特征图的边界进行填充(padding)，在TensorFlow框架中，可以使用SAME（自动填充，使输出特征图尺寸和输入尺寸一样）和VALID（不做填充，会导致输出尺寸比输入要小）来处理pa...

摘要：我们在设计一个CNN网络时，通常要考虑两个事情，一个是这个网络需要的计算量有多大，一个是这个模型的参数量有多少。前者决定了网络训练的快慢（硬件设备确定的情况），后者决定了计算设备需要多大的内存或显存。背景：本文CNN的计算量以计算机做乘加次数为单位，即完成某个操作，需要执行多少次乘法和加法操作。参数量以参数个数为单位，要计算内存或显存的，用参数量乘以每个参数所占的字节数即可。...

摘要：在分析CNN网络时，通常会考虑到网络的感受野，感受野是指特征图上一个像素点代表原图的多大区域像素点，一般网络感受野越大，提取到的特征就更高维，网络性能也越好。其实CNN中的池化层，或者说下采样层就是为了提高网络的感受野，提高网络的感受野的代价就是会丢弃部分信息。空洞卷积就是为了解决这个问题而提出的，此处不作介绍，想了解的可以看看DeepLab系列论文，本文主要介绍感受野如何计算。感受...