“RoIAlign 方法可以基於每個個體在場景中的邊界框從多尺度特征圖中獲得獨立個體的特征。” 什么叫做“多尺度特征”？ 多尺度特征 = 多尺度+特征 特征（feature）：圖像內某一對象與其他對象區別的信息 多尺度（variable-scale ...

　　最近再從事深度學習方面的工作，感覺還有很多東西不是很了解，各種網絡模型的結構的由來還不是很清晰，在我看來所有的網絡都是一層層的卷積像搭積木一樣打起來的，由於還沒實際跑所以還沒很深刻感受到幾種網絡類型的區別，在此我想梳理一下幾種常見的網絡結構，加深一下理解。 本文轉自此 ...

構建深度學習模型的基本步驟 需要舉例的地方以波士頓房價預測為案例 波士頓房價預測是一個經典的機器學習任務，類似於程序員世界的“Hello World”。和大家對房價的普遍認知相同，波士頓地區的房價是由諸多因素影響的。該數據集統計了13種可能影響房價的因素和該類型房屋的均價，期望構建 ...

　　主要介紹下完成了模型訓練、評估之后的部署環節。 　　前言：之前輿情情感分析那一篇文章已經講了如何使用ernie以及paddlehub來進行模型的訓練和優化以及評估環節，所以接下來會講下如何進行部署，進行實際的運用環節。在這里，用的是上次講的輿情情感分析的模型。 　　將Fine-tune好 ...

通常我們訓練出的模型都比較大，將這些模型部署到例如手機、機器人等移動設備上時比較困難。模型壓縮（model compression）可以將大模型壓縮成小模型，壓縮后的小模型也能得到和大模型接近甚至更好的性能。這篇文章總結了幾種常用的模型壓縮方法：網絡裁剪（network pruning）、知識蒸餾 ...

前面看到谷歌發表的運用在機器翻譯上的論文《Attention is all you need》，很是讓人驚訝，這是一種全新的模型，與之前的經典的seq2seq模型改動較大，它完全摒棄了RNN或CNN神經網絡，大大簡化了模型的復雜度，而且效果還相當好。當然Attention模型可以單獨使用，但這篇 ...

深度學習之模型量化 深度學習之模型量化 各位小伙伴，大家好。深度學習具體工作你有沒有碰到模型占用空間偏大、PC 平台與移植到板子上的運行效率差距偏大，進而無法滿足高幀率、實時性的要求？AI 奶油小生也碰到上述問題，以下 ...

一、背景 深度學習讓計算機視覺任務的性能到達了一個前所未有的高度。但，復雜模型的同時，帶來了高額的存儲空間、計算資源消耗，使其很難落實到各個硬件平台。 為了解決這些問題，壓縮模型以最大限度地減小模型對於計算空間和時間的消耗。 二、理論基礎 必要性：目前主流的網絡 ...