MixNet学习笔记
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系列学习笔记
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学习笔记
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...
Vxlan学习笔记——原理（转）
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...