标签：10 evolution Weighted Knowledge dropout Random three 神经元

1.dropout与spiltnet区别：

例如，如果一个玩具网络层有10个神经元，dropout会为所有10个神经元提供一个独立的表示。相比之下，SplitNets只对拟合假设拟合假设内的神经元进行了独立表征。因此，分裂掩模M提供了更精细的控制级别。

2.扩展dropout的trick：

因为深层网络输入图片的某些通道不会被激活，即会丢失部分特征信息。

Weighted Channel Dropout (WCD）：three extra modules to a deep network:

1.GlobalAverage Pooling,

2.Weighted Random Selection,

3.Random Number Generator.

These three modules are added to multiple convolutional layers.

3.KE与各剪枝方法的比较:

P12.A. Appendix: Related Work

标签：10,evolution,Weighted,Knowledge,dropout,Random,three,神经元
来源： https://blog.csdn.net/leoliu2n/article/details/122254988

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。