
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
深度学习|表示学习|Instance Normalization 全面总结|26
它的核心思想是对每个样本的每个通道单独计算均值和方差,然后进行归一化。

深度学习|表示学习|Mini-Batch Normalization 具体计算举例|23
Batch Normalization(BN)是一种在 mini-batch 级别计算均值和方差的归一化方法

深度学习|表示学习|卷积神经网络|局部链接是什么?|06
局部连接(Local Connectivity),是卷积神经网络(CNN)中的一个关键特性。每个输出神经元只与输入中的一个局部区域相连,而不是与整个输入连接。

深度学习|表示学习|卷积神经网络|通道 channel 是什么?|05
在卷积神经网络(CNN)中,是指输入或输出数据的,通常用来表示输入或输出的特征类型。

深度学习|表示学习|卷积神经网络|输出维度公式|15
在卷积和池化操作中计算输出维度的公式。

深度学习|表示学习|训练优化方法|Nesterov动量一定比基础的Momentum更好吗?|22
Nesterov 动量(Nesterov Accelerated Gradient, NAG)并不一定总比 基础动量(Momentum) 更好,它们各有优劣,适用于不同的场景。

强化学习相关开源项目介绍 | Stable Baselines 3 | SKRL | RL Games | RSL-RL
本文将介绍四个与强化学习相关的开源项目:Stable Baselines 3、SKRL和RL Games,以及RSL-RL。Stable Baselines 3(SB3)是一个建立在PyTorch之上的强化学习库,旨在提供高质量的实现强化学习算法。SB3是Stable Baselines库的后续版本,后者是基于TensorFlow的。SB3致力于提供一个简单、高效、易于理解的接口,使得研究者和开发











