相比于ResNet，更新了block 效果：错误率低于ResNet，并且计算量一样。 对比卷积和组卷积，参数个数会变成1/g倍，g是分成了g组 最终输出的channel与卷积核的个数相同。 （好像是。。。好像之前听过这个，这个图也是这样的） 搞明白了多个卷积核与多通道输入的关系了！！！（理论上应该是输入是几channel，卷积核就是几个，卷积核几个，输出几channel）

点击这里访问我的博客主页~~ 对指针概念还不太清楚的点击这里访问上一篇指针初阶2.0 上上篇指针初阶1.0 谢谢各位大佬的支持咯 今天我们一起来学习指针进阶内容 指针进阶 一、指针变量1、字符指针变量2、数组指针变量①数组指针变量的定义②数组指针变量的初始化 3、函数指针变量①函数指针变量的地址②函数指针变量的定义③使用函数指针变量 二、函数指针数组三、二维数组传参的本质1、二维数

文章目录 一、什么是语义分割1.实例分割和语义分割的区别2.全景分割3.语义分割出现的问题及解决办法4.语义分割的实现流程5.常见数据集及应用 二、暂定的学习规划三、语义分割任务常见数据集格式1.PASCAL VOC——PNG图片（P模式）2.MS COCO 四、语义分割得到结果的具体形式五、语义分割常见评价指标1.Pixel Accuracy(Global ACC)像素精度或全局精度2.m

文章目录 转置卷积Transposed Convolution1.什么是转置卷积？关键点 2.转置卷积的步骤（包含计算公式）3.转置卷积当中的参数4.转置卷积的实例1.简单概括图2.普通的卷积运算如何计算?3.转置卷积1.构造补充0的等效矩阵2.输入和等效矩阵展平操作3.还原出相同大小的原始图片（eg：上图的4*4）4.得出结论 转置卷积Transposed Convolut

文章目录 引入空洞卷积1.空洞卷积的优缺点：1.空洞卷积的优点2.空洞卷积的缺点 2.Gridding effect:网格影响3.解决办法：Hybrid Dilated Convolution（HDC）4.在连续使用多个膨胀卷积时，该如何设置膨胀系数？方法1.使用公式验证膨胀系数的大小方法2.将膨胀系数设置成锯齿结构方法3.膨胀系数的公约数不能大于1 5.对比实验6.反卷积计算公式

《pytorch图像分类》p4GoogLeNet网络详解 一、GoogLeNet网络中的亮点1.inception结构2.使用1×1的卷积核进行降维及映射处理3.GoogLeNet辅助分类器4.模型参数 二、模块代码1.BasicConv2d2.Inception 三、课程代码1.module.py2.train.py3.predict.py 一、GoogLeNet网络中的亮点

《pytorch图像分类》p3VGG网络详解及感受野的计算 一、零碎知识点1.nn.Sequential2.**kwargs 二、VGG网络模型详解1.感受野2.模型手算 三、代码1.module.py2.train.py3.predict.py 一、零碎知识点 论文连接：VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAG

model中需要传入分类个数的参数，在train中一直提示出现出现意外参数，并报错__init__ got an excepted keyword argument 'num_classes。 原因：model中def __init__和super.__init__写成了__int__