标签:网络 笔记 学习 池化 nlg 原版 ImageNet 第四十三 Evaluation
第四十三周学习笔记
论文阅读
- ImageNet Classification with Deep Convolutional Neural Networks,提出了AlexNet,在ImageNet上首度超过传统方法
- ROUGE: A Package for Automatic Evaluation of Summaries,一个基于recall的nlg度量
- CIDEr: Consensus-based Image Description Evaluation,基于相似度的nlg度量,同时考虑了recall和precision
AlexNet on CIFAR10
具体实现采用了现代网络设方法,与原版不同之处有:
- 原版在两个GPU上训练两个网络,并在中间某些层设置了两个网络的连接,这里只用一个网络
- 原版有response local normalization,这里没有使用
- 原版的最大池化是overlapping的kernel=3,stide=2的池化,这里直接22
最佳测试误差为78.06%
Faegen
详见excel
本周小结
- 论文阅读数3,少两篇
下周计划
- 论文阅读
标签:网络,笔记,学习,池化,nlg,原版,ImageNet,第四十三,Evaluation 来源: https://blog.csdn.net/luo3300612/article/details/90722443
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。