在深度学习中，使用归一化层成为了很多网络的标配。最近，研究了不同的归一化层，如BN，GN和FRN。接下来，介绍一下这三种归一化算法。BN层是由谷歌提出的，其相关论文为《BatchNormalization:AcceleratingDeepNetworkTrainingbyReducingInternalCovariat...

深度学习其本质是优化所有权重的值，使其达到一个最优解的状态，这其中，需要更新权重的层包括卷积层、BN层和FC层等。在最优化中，权重的初始化是得到最优解的重要步骤。如果权重初始化不恰当，则可能会导致模型陷入局部最优解，导致模型预测效果不理想，甚至使损失函数震荡，模型不收敛。而且，使用不同的权重初始化方式，模型最终达到的效...

在深度学习中，损失函数扮演着至关重要的角色。通过对最小化损失函数，使模型达到收敛状态，减少模型预测值的误差。因此，不同的损失函数，对模型的影响是重大的。接下来，总结一下，在工作中经常用到的损失函数：图像分类：交叉熵目标检测：Focalloss，L1/L2损失函数，IOULoss，GIOU，DIOU，CIOU图像识别：T...

目标检测算法——SSD：SingleShotMultiBoxDetector，是一篇非常经典的目标检测算法，十分值得阅读和进行代码复现，其论文地址是：https://arxiv.org/abs/1512.02325。同时，我使用pytorch对SSD代码进行了复现：https://github.com/Dengshun...

最近，谷歌使用了AutoML，推出了一种新网络：MixNet，其论文为《MixNet:MixedDepthwiseConvolutionalKernels》。其主要创新点是，研究不同卷积核尺寸的影响和观察到组合不同尺寸的卷积核能提高准确率。作者将混合了不同尺寸的卷积核的卷积操作命名为MDConv，并将其使用在深度可分离...

ShuffleNet是旷世提出的高效轻量化网络，是一款很值得一提的轻量化网络，其相关论文也是很有价值的。该网络提出于2017年，论文为《ShuffleNet:AnExtremelyEfficientConvolutionalNeuralNetworkforMobileDevices》。由于Xception和ResNeX...

EfficientNet是谷歌大脑在2019年提出的，论文地址是：https://arxiv.org/pdf/1905.11946.pdf这篇文章主要想解决的一个问题是，如何平衡网络的深度、宽度和分辨率来提高模型的准确率。通常而言，提高网络的深度、宽度和分辨率来扩大模型，从而提高模型的泛化能力。但如果单一提高某个参数的...

转载:http://www.importnew.com/18176.html原文出处： Hollis（@Hollis_Chuang）/jstack是java虚拟机自带的一种堆栈跟踪工具。jstack用于生成java虚拟机当前时刻的线程快照。线程快照是当前java虚拟机内每一条线程正在执行的方法堆栈的集合，生成...

根据需求，确定业务流程，及接口逻辑和数量接口文档确定完成后，进行接口评审(可以非正式形式，私下讨论，如果参与人员多可以以会议形式进行)，在此确定接口与原型是否一致，保证前后端开发方向一致，如果讨论不下，反馈给上级进行定夺接口文档保证，接口请求参数和返回参数类型，接口名称，字段名称，字段类型，是否必传的准确定和正确性，相...

文章转自 https://www.cnblogs.com/java-class/p/5439646.html#_label5 阅读目录1.DAO[dataaccessobject]数据访问对象2.DTO[datatransferobject]数据传输对象3.PO[persistantobject]持...

文章转自 http://xujin.org/janus/gw-solution/?from=timeline 1.1什么是网关APIGateway（APIGW/API网关），顾名思义，是出现在系统边界上的一个面向API的、串行集中式的强管控服务，这里的边界是企业IT系统的边界，可以理解为企业级应用防...

文章转自http://www.cnblogs.com/hbgzy/p/5279269.html　　普通的VLAN数量只有4096个，无法满足大规模云计算IDC的需求，而IDC为何需求那么多VLAN呢，因为目前大部分IDC内部结构主要分为两种L2，L3。L2结构里面，所有的服务器都在一个大的局域网里面，TOR透明L2，不...

第一种情况当选择器相同的情况下，引入方式的前后，决定页面最后的效果---------外部在最后面显示---------内部在最后面显示第二种情况引入方式相同时候，则是按照权重取最大(取权重最大值显示)去确定最后样式(此处以外部样式为例子) 选择器     &n...

博客链接 http://aub.iteye.com/blog/1101222...

关于MySQL索引的好处，如果正确合理设计并且使用索引的MySQL是一辆兰博基尼的话，那么没有设计和使用索引的MySQL就是一个人力三轮车。对于没有索引的表，单表查询可能几十万数据就是瓶颈，而通常大型网站单日就可能会产生几十万甚至几百万的数据，没有索引查询会变的非常缓慢。还是以WordPress来说，其多个数据表都会对...