深度学习网络的轻量化 由于大部分的深度神经网络模型的参数量很大，无法满足直接部署到移动端的条件，因此在不严重影响模型性能的前提下对模型进行压缩加速，来减少网络参数量和计算复杂度，提升运算能力。 一、深度可分离卷积 了解深度可分离卷积之前，我们先看一下常规的卷积操作：对于一张 ...

深度学习网络模型压缩剪枝详细分析 一．简介 1. 背景 深度学习让计算机视觉任务的性能到达了一个前所未有的高度。但，复杂模型的同时，带来了高额的存储空间、计算资源消耗，使其很难落实到各个硬件平台。 为了解决这些问题，压缩模型以最大限度地减小模型对于计算空间和时间的消耗 ...

本文是对VGG模型的介绍和详解，引用了其他博主的文章，仅供个人学习。 简介：这篇文章是以比赛为目的——解决ImageNet中的1000类图像分类和定位问题。在此过程中，作者做了六组实验，对应6个不同的网络模型，这六个网络深度逐渐递增的同时，也有各自的特点。实验表明最后两组，即深度最深的两组16 ...

本文转载自:https://zhuanlan.zhihu.com/p/24720954?utm_source=zhihu&utm_medium=social 转载请注明：炼丹实验室 之前曾经写过一篇文章，讲了一些深度学习训练的技巧，其中包含了部分调参心得：深度学习训练心得 ...

参考博文：https://blog.csdn.net/c20081052/article/details/80703896 和 https://www.cnblogs.com/gujiangtaoFuture/articles/12096463.html 引言 卷积神经网络（CNN）已经普遍 ...

参考博文：https://blog.csdn.net/qq_31622015/article/details/89811456 1、ResNet解决了什么？ 　　随着网络的加深，出现了训练集准确率下降的现象，我们可以确定这不是由于Overfit过拟合造成的(过拟合的情况训练集应该准确率很高 ...

/details/70300591 　　对于传统的语音识别，通常会分为3个部分：语音模型，词典，语言模型。语音模 ...

参考博文：https://www.cnblogs.com/zhenggege/p/9000414.html 和 https://blog.csdn.net/u013181595/article/det ...