Python视觉深度学习系列教程 第二卷 第11章 ResNet
2023-09-14 09:01:35 时间
第二卷 第十一章 ResNet
在我们的前一章中,我们讨论了 GoogLeNet 架构和 Inception 模块,这是一个微架构,在整个宏架构中充当构建块。 我们现在将讨论另一种依赖于微架构的网络架构——ResNet。
ResNet 使用所谓的残差模块将卷积神经网络训练到以前认为不可能的深度。 例如,在 2014 年,VGG16 和 VGG19 架构被认为非常深入。 然而,使用 ResNet,我们已经在具有挑战性的 ImageNet 数据集上成功训练了超过 100 层的网络,并在 CIFAR-10上成功训练了超过 1,000 层。
在本章中,我们将讨论 ResNet 架构、残差模块以及残差模块的更新,这些更新使其能够获得更高的分类精度。从那里我们将在 CIFAR 上实现和训练 ResNet 的变体 - 10 数据集和 Tiny ImageNet 挑战——在每种情况下,我们的 ResNet 实现都将胜过我们在本书中执行的每个实验。
1、ResNet 和残差模块
ResNet可以使用标准SGD和合理的初始化函数来训练极深的网络。 为了训练深度大于 50-100(在某些情况下为 1,000)层的网络,ResNet 依赖于一种称为残差模块的微架构。
ResNet的另一个有趣的组成部分是池化层的使用非常谨慎。ResNet并不严格依赖最大池化操作来减小体积大小。 相反,步幅 > 1 的卷积不仅用于学习权重,还用于减少输出体积的空间维度。 事实上,在架构的完整实现中只应用了两次池化:<
相关文章
- python 使用 thrift 教程
- 【python】廖雪峰python教程学习--基础
- python使用matplotlib绘制折线图教程
- 用Python的pandas框架操作Excel文件中的数据教程
- Python视觉深度学习系列教程 第三卷 第16章 从头开始训练SSD
- Python视觉深度学习系列教程 第三卷 第12章 年龄和性别预测
- Python视觉深度学习系列教程 第三卷 第8章 在ImageNet上训练SqueezeNet
- Python视觉深度学习系列教程 第二卷 第3章 理解rank-1&rank-5精度
- Python视觉深度学习系列教程 第一卷 第16章 学习率调节器
- Python视觉深度学习系列教程 第一卷 第9章 优化方法和正则化
- Python视觉深度学习系列教程 第一卷 第4章 图像分类基础
- Python视觉深度学习系列教程 第一卷 第20章 用于分类的开箱即用的CNN
- Python视觉深度学习系列教程 第一卷 第11章 卷积神经网络
- 【OpenCV-Python】教程:3-16 利用Grabcut交互式前景提取
- 【OpenCV-Python】教程:3-9 轮廓(1)开始
- 【OpenCV-Python】教程:1-4 鼠标交互事件
- 【OpenCV-Python】教程:4-9 特征匹配 match
- 已解决selenium框架接管已经打开的谷歌浏览器(Python反反爬教程,亲测有效)
- Python学习01:教程说明
- 【软件测试】让0基础纯小白也能上手写Python,保姆级教程(三)
- appium===Python+Appium环境部署教程
- Python GUI之tkinter窗口视窗教程大集合(看这篇就够了)转
- 莫烦python教程地址
- python twised系列教程四–twisted Poetry client
- Python 异步网络爬虫教程大全
- Python基于OpenCV的智能交通灯系统(南北车流量比例)[源码&部署教程]
- python 爬虫之路教程