GoogLeNet网络的Pytorch实现
1.文章原文地址 Going deeper with convolutions 2.文章摘要 我们提出了一种代号为Inception的深度卷积神经网络，它在ILSVRC2014的分类和检测任务上 ...
原文：从头学pytorch(十八):GoogLeNet
GoogLeNet GoogLeNet和vgg分别是 的ImageNet挑战赛的冠亚军.GoogLeNet则做了更加大胆的网络结构尝试，虽然深度只有 层，但大小却比AlexNet和VGG小很多，GoogleNet参数为 万个，AlexNet参数个数是GoogleNet的 倍，VGGNet参数又是AlexNet的 倍，因此在内存或计算资源有限时，GoogleNet是比较好的选择 从模型结果来看，Go ...
2020-01-15 13:48 0 298 推荐指数：
相关推荐
从头学pytorch(十四):lenet
卷积神经网络 在之前的文章里,对28 X 28的图像,我们是通过把它展开为长度为784的一维向量,然后送进全连接层,训练出一个分类模型.这样做主要有两个问题 图像在同一列邻近的像素在这个向量 ...
从头学pytorch(三) 线性回归
关于什么是线性回归,不多做介绍了.可以参考我以前的博客https://www.cnblogs.com/sdu20112013/p/10186516.html 实现线性回归 分为以下几个部分: ...
从头学pytorch(十五):AlexNet
AlexNet AlexNet是2012年提出的一个模型,并且赢得了ImageNet图像识别挑战赛的冠军.首次证明了由计算机自动学习到的特征可以超越手工设计的特征,对计算机视觉的研究有着极其重要的意 ...
从头学pytorch(九):模型构造
模型构造 nn.Module nn.Module是pytorch中提供的一个类,是所有神经网络模块的基类.我们自定义的模块要继承这个基类. 输出如下: Module的子类 torch中还提供了一些其他的类,方便我们构造模型.这些类也都是继承自nn.Module. ...
从头学pytorch(一):数据操作
跟着Dive-into-DL-PyTorch.pdf从头开始学pytorch,夯实基础． Tensor创建 创建未初始化的tensor 输出 创建随机初始化的tensor 输出 创建全0的tensor,指定类型为long 输出 指定数据创建 输出 ...
从头学pytorch(四) softmax回归
前几节介绍的线性回归模型适用于输出为连续值的情景。在另一类情景中，模型输出可以是一个像图像类别这样的离散值。对于这样的离散值预测问题，我们可以使用诸如softmax回归在内的分类模型。和线性回归不同， ...
从头学pytorch(六):权重衰减
（regularization）。正则化通过为模型损失函数添加惩罚项使学出的模型参数值较小，是应对过拟 ...