学习笔记：6.1~6.2 ResNet网络结构，BN以及迁移学习详解

对于深层结构的ResNet，使用右边的结构代替左边的对应结构。性能指标：Group Convolution 组卷积卷积核的channel要和输入的channel相同。组卷积的参数个数是普通卷积的 1/g。当g = Cin，n = Cin，此时就是DW Conv（Depthwise conv）。相当于对输入特征矩阵的每一个channel分配了一个channel为1的卷积核进行卷积。实例：（a）先进行 1 × 1 的卷积，再进行相加。（b）

笔记参考视频【6.1 ResNet网络结构，BN以及迁移学习详解】，地址如下： https://www.bilibili.com/video/BV1T7411T7wa/?spm_id_from=333.788.videocard.0 举例：34层网络中，第一层卷积层，然后池化层，有链接线的就是残差结构，最后通过一个平均池化下采样操作，再通过一个全连接层（输出层），基本结构就是堆叠残差结构。 网络中的亮点： 超深的网络结构（突破1000层） 提出residual模块 使用Batch Normalizatio

亲爱的读者，欢迎您翻开这本书。我们即将探索的，是深度学习的宇宙——一个由数据、算法与算力构筑的奇妙世界。它既是严谨的科学，也是创造的艺术，更是一条通往未来智慧的修行之路。本书将带您从最基础的数学原理出发，亲手搭建神经网络，驾驭Transformer等前沿模型，最终将智慧转化为现实世界的价值。请放下畏惧，保持好奇。这不仅是一次知识的学习，更是一场思维的远行。来，随我一起，开启这趟非凡的旅程吧。

文是关于自己所有笔记的目录导航，完全够你入门深度学习，深度学习环境安装、基础理论、画图工具、动态学习、模型保存、模型加载、模型讲解、模型代码、数据集制作。：图片分类，图片生成，文本分类，目标检测，语义分割，图神经网络，点云等。，内容还在持续更新中。。。

深度学习的1000+篇文章总结 本文收集和总结了有关深度学习的1000+篇文章，由于篇幅有限只能总结近期的内容，想了解更多内容可以访问：http://www.ai2news.com/, 其分享了有关AI的论文、文章、图书。 query 深度学习之-卷积神经网络(CNN)概述 http://www.ai2news.com/blog/53008/ 转录剪切的深度学习扩增RNA-序列分析 http://www.ai2news.com/blog/50094/ 深度学习三巨头齐聚NVIDIA GTC

向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号：datayxensorFlow2.0学习笔记地址https://blog.csdn.net/ab...

代码层面： 完成强化学习算法（CPG PPO A3C Q-learning DQN）在贪吃蛇环境的应用（即作出控制贪吃蛇的智能体） 在github上找到对应算法的代码并跑通代码 阅读理解代码的实现逻辑，对代码中用到的重要函数查阅和理解 对算法的调试和优化，使贪吃蛇智能体取得更好的分数 理论层面 阅读并理解五大算法的论文（需配合贪吃蛇代码的完成顺序） 对分布式相关知识的学习：按顺序完成学习A3C DPPO IMPALA seed-rl的论文及其相关文章 成果验收 （1）考察智能体在贪吃蛇的得分 三个算.

主要是卷积层Conv和池化层的堆叠。但是普通的堆叠会使得错误率更高，如下图所述，这是因为会产生。这样做的目的是使的整个样本集所对应的feature map的数据药满足分布规律，从而加速训练，提升准确率。（但是使用了别人的预训练模型参数，就要注意别人的预处理方式，我们预处理要和他们一样）通过使用别人预训练好的模型参数，从而具有以下两点优势。两个式子对比，残差模块越多，可以省越多的参数。解决方法：权重初始化、标准化处理、BN。输入输出形状指的是【高x宽，通道数】有的残差结构是实线，有的是虚线。

6.1 ResNet网络结构，BN以及迁移学习详解_哔哩哔哩_bilibili CNN科普讲解：李宏毅讲解卷积神经网络（带字幕）_哔哩哔哩_bilibili 1.图像中的RGBpython rgb 图像_在Python中显示RGB图像的不同平面_cumt30111的博客-CSDN博客 （一）：单通道图 俗称灰度图，每个像素点只能有一个值表示颜色，它的像素值在0到255之间，0是黑色，255是白色，中间值是一些不同等级的灰色。（也有3通道的灰度图，3通道灰度图只有一个通道有值，其他两个通道的值都是零）

LearnOpenGL学习笔记 - 变换

摘要：项目构建时默认JDK版本为17，但需降级至11。通过将Server URL更换为阿里云镜像（https://start.aliyun.com）后成功解决问题，如图片所示可正常选择JDK 11。该方法有效解决了版本兼容性问题。

Python re模块是一个强大的正则表达式工具，可用于高效处理文本数据。摘要包括：1）基本功能：模式匹配、文本搜索、字符串替换、数据验证等；2）核心语法：元字符（.^$+?等）、字符类（[ ]）、预定义字符类（\d\w\s等）及量词（+?{}）；3）高级特性：分组捕获、贪婪/非贪婪匹配、性能优化。通过示例演示了正则表达式在邮箱验证、HTML解析等场景的应用，帮助开发者掌握文本处理利器。

通过 button.clicked.connect(on_button_clicked) 语句将信号与槽关联。当按钮被点击（发出 clicked 信号）时，执行 on_button_clicked 函数。在示例中，on_button_clicked() 就是一个槽函数，用于处理按钮点击事件。在示例中，button.clicked 就是一个信号，表示 “按钮被点击” 这个事件。每当点一次“统计”按钮，终端就会打印一次“按钮被点击了”支持一个信号连接多个槽，或多个信号连接同一个槽。槽是用于接收信号并处理的。

本文介绍了多模态集成开发与LCEL工具使用指南。在多模态开发部分，重点讲解了如何通过LangChain实现图文问答功能，包括图像向量化、文本嵌入和多模态融合，并提供了调用通义千问多模态API的完整代码示例。在LCEL工具部分，详细说明了工具调用、动态工具选择、组合工具流、错误处理和流式输出等核心功能，展示了如何通过管道符组合链式组件来构建复杂工作流。文章还提供了工具绑定的关键技巧和最佳实践建议，包括命名规范、类型提示和性能优化等内容。

【建议收藏！！！】本文详解 Nginx 学习的前置环境配置，介绍 VirtualBox 作为 Linux 虚拟机容器的作用，分步说明虚拟机创建、Ubuntu 系统 ISO 导入与安装流程，强调内存动态占用、硬盘扩容可行性及注册信息记录的重要性，Nginx 学习环境配置指南。