论文地址：https://openaccess.thecvf.com/content/ACCV2024/papers/Wang_PlainUSR_Chasing_Faster_ConvNet_for_Efficient_Super-Resolution_ACCV_2024_paper.pdf。# 对应公式 Eq. (4): A(X) = σ(X[0]) * ψ(σ(I(X))) * X。# ===

sys.path.append(os.pardir)# 为了导入父目录的文件而进行的设定"""识别率为99%以上的高精度的ConvNet网络结构如下所示"""# 初始化权重===========# 各层的神经元平均与前一层的几个神经元有连接（TODO:自动计算）wight_init_scales = np.sqrt(2.0 / pre_node_nums)# 使用ReLU的情况下推荐的初始值# 生

在梯度下降算法中，权重更新公式是这样的：θ：模型参数。