深度学习

Grain介绍 Grain官方Docs 用户可以带来任意的 Python 转换。 Grain 被设计为模块化。如果需要，用户可以使用自己的实现轻松覆盖 Grain 组件。 同一管道的多次运行将产生相同的输出。 Grain 的设计使得检查点的大小最小。抢占后，Grain 可以从中断

LeNet LeNet，它是最早发布的卷积神经网络之一，因其在计算机视觉任务中的高效性能而受到广泛关注。 这个模型是由AT&T贝尔实验室的研究员Yann LeCun在1989年提出的（并以其命名），目的是识别图像 (LeCun et al., 1998)中的手写数字。 当

LeNet LeNet，它是最早发布的卷积神经网络之一，因其在计算机视觉任务中的高效性能而受到广泛关注。 这个模型是由AT&T贝尔实验室的研究员Yann LeCun在1989年提出的（并以其命名），目的是识别图像 (LeCun et al., 1998)中的手写数字。 当

PyTorch最好的资料是官方文档。 1. 基本配置 需要导入的包 import collections import os import shutil import tqdm import numpy as np import PIL.Image import torch im

ResNext 改进点 改进了Block 准确率的提高 在计算量相同的情况下，错误率更低 使用了分组卷积 普通卷积 上图为普通卷积示意图，为方便理解，途中只有一个卷积核，此时输入输出数据集为：输入特征图尺寸：**，分别对应特征图的宽、高和通道数单个卷积核尺寸：

ResNet详解 ResNet在2015年由微软实验室提出，斩获当年ImageNet竞赛中分类任务第一名，目标检测第一名。获得COCO数据集中目标检测第一名，图像分割第一名。模型中的亮点： 超深的网络结构 提出Residual模块 使用Batch Normalization加速训

GoogLeNet 简介 GoogLeNet在2014年由Google团队提出，斩获当年ImageNet竞赛中Classification Task (分类任务) 第一名。 GoogLeNet网络的优点 引入了Inception结构（融合不同尺度的特征信息） 使用的卷积核进行降维

VGGNet简介 VGG在2014年由牛津大学著名研究组VGG (Visual GeometryGroup) 提出，斩获该年ImageNet竞赛中 Localization Task (定位任务) 第一名 和 Classification Task (分类任务) 第二名。 VGG

AlexNet简介 AlexNet是2012年ISLVRC 2012（ImageNet Large Scale Visual RecognitionChallenge）竞赛的冠军网络，分类准确率由传统的 70%+提升到 80%+。它是由Hinton和他的学生Alex Krizhe

import random import os import tensorflow as tf from tensorflow import keras from shutil import copyfile from tensorflow.keras import layers