5.4 池化层 5.4.1 二维最大池化层和平均池化层 5.4.2 填充和步幅 5.4.3 多通道 小结 5.4 池化层 回忆一下，在5.1节（二维卷积层）里介绍的图像物体边缘检测应用中，我们构造卷积核从而精确地找到了像素变化的位置。设任意二维数组X 的i 行j 列的元素为X[i, j] 。如果我们构造的卷积核输出Y[i, j]=1 ，那么说...

9.11 样式迁移 9.11.1 方法 9.11.2 读取内容图像和样式图像 9.11.3 预处理和后处理图像 9.11.4 抽取特征 9.11.5 定义损失函数 9.11.5.1 内容损失 9.11.5.2 样式损失 9.11.5.3 总变差损失 9.11.5.4 损失函数 9.11.6 创建和初始化合成图像 9.11.7 训练 小结...

二、向量操作 二、向量操作 一组向量 是线性相关的：指存在一组不全为零的实数 ，使得： 。 一组向量 是线性无关的，当且仅当 时，才有： 。 一个向量空间所包含的最大线性无关向量的数目，称作该向量空间的维数。 三维向量的点积： 。 三维向量的叉积： 其中 分别为 轴的单位向量。 ​ 和 的叉积垂直于...

deformable_conv 参数 返回 返回类型 抛出异常 代码示例 deformable_conv 查看属性与别名 API属性：声明式编程(静态图)专用API paddle.fluid.layers.deformable_conv ( input, offset, mask, num_filters, filter_size, ...

使用MobileNetV2网络实现微调（Fine Tune） 概述 任务描述及准备 环境配置 下载代码 准备预训练模型 准备数据 预训练模型加载代码详解 参数简介 运行Python文件 运行Shell脚本 加载微调训练 CPU加载训练 GPU加载训练 Ascend加载训练 微调训练结果 验证微调训练模型 验证模型 验证结果 ...

一、链式法则 1.1 张量链式法则 1.2 重复子表达式 一、链式法则 反向传播算法是一种利用链式法则计算微分的算法。 在一维的情况下，链式法则为： 。 在多维情况下，设： ， 为 到 的映射且满足 ， 为 到 的映射且满足 。则有： 使用向量记法，可以等价地写作： 其中： 为 的 阶雅可比矩阵， 为 ...

材质输出节点 输入选项 属性 输出 材质输出节点 材质输出节点。 材质输出 节点用于将曲面材质信息输出到曲面对象。 输入选项 表(曲)面 对象 表面 的着色。 体积(音量) 对象内部 体积 的着色。 See also 体积着色器的类型： 自发光(发射) 着色器。 体积吸收 着色器。 体积散射 着色器。 置换...

Conv1D 属性 Conv1D class paddle.nn.Conv1D ( in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, padding_mode=’zeros’, weight_attr=None, bias_attr...

5.4. 池化层 5.4.1. 二维最大池化层和平均池化层 5.4.2. 填充和步幅 5.4.3. 多通道 5.4.4. 小结 5.4.5. 练习 5.4. 池化层 回忆一下，在“二维卷积层” 一节里介绍的图像物体边缘检测应用中，我们构造卷积核从而精确地找到了像素变化的位置。设任意二维数组X 的i 行j 列的元素为X[i, j] 。如果我们...