【课程作业】EA-CNN演化卷积神经网络实验记录
large scale evaluation net -- CNN 全连接实验记录
- 实验相关
- 实验记录
- 实验1
实验相关
可以参考这篇博客https://blog.csdn.net/qq_40690815/article/details/103763040
实验记录
实验1
pop_size=10evolve_time=100EPOCH=3
最优网络结构:
vertex [ 1 ].0 , 0.i_s0,N,N
vertex [ 2 ].0 , 1.i_s0,N,N , 0.i_s0,N,N
vertex [ 3 ].0 , 0.c_s0,1,1 , 1.i_s0,N,N , 2.c_s0,1,1
vertex [ 4 ].0 , 1.c_s0,1,1 , 2.c_s0,1,1 , 3.c_s0,1,1
vertex [ 5 ].0 , 2.c_s0,1,1 , 4.i_s0,N,N , 0.c_s0,1,1 , 1.c_s0,1,1
vertex [ 6 ].0 , 5.i_s0,N,N , 3.c_s0,1,1 , 0.c_s0,1,1 , 2.i_s0,N,N , 1.c_s0,1,1 [decode].[ 53 ] Model((layer_vertex): ModuleList((0): None(1): None(2): Sequential((0): BatchNorm2d(6, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(1): ReLU(inplace=True))(3): Sequential((0): BatchNorm2d(13, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(1): ReLU(inplace=True))(4): Sequential((0): BatchNorm2d(67, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(1): ReLU(inplace=True))(5): Sequential((0): BatchNorm2d(94, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(1): ReLU(inplace=True))(6): Sequential((0): Linear(in_features=142, out_features=10, bias=True)))(layer_edge): ModuleList((0): None(1): None(2): Conv2d(3, 5, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(3): Conv2d(6, 7, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(4): Conv2d(3, 8, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(5): Conv2d(3, 3, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(6): Conv2d(13, 49, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(7): Conv2d(13, 29, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(8): None(9): Conv2d(3, 11, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(10): Conv2d(3, 10, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(11): None(12): None(13): Conv2d(6, 7, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(14): None(15): None(16): Conv2d(3, 11, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(17): Conv2d(6, 6, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1)))
)
【课程作业】EA-CNN演化卷积神经网络实验记录相关推荐
- 【课程作业】表达学习 人脸图像复原 实验记录
Face Recovery Using Sparse Representation Prepared Algorithm 范数 OMP(正交匹配跟踪算法) SVD(奇异值分解) K-SVD Exper ...
- 【中文】【吴恩达课后编程作业】Course 4 - 卷积神经网络 - 第二周作业
[中文][吴恩达课后编程作业]Course 4 - 卷积神经网络 - 第二周作业 - Keras入门与残差网络的搭建 上一篇:[课程4 - 第二周测验]※※※※※ [回到目录]※※※※※下一篇:[课程 ...
- 【深度学习】cs231n计算机视觉 CNN(卷积神经网络)
CNN(卷积神经网络)理论知识 完成课程笔记:Convolutional Neural Networks for Visual Recognition的理解,便于实现CNN~ 1. 结构概述 卷积神经 ...
- DL之CNN:卷积神经网络算法简介之原理简介——CNN网络的3D可视化(LeNet-5为例可视化)
DL之CNN:卷积神经网络算法简介之原理简介--CNN网络的3D可视化(LeNet-5为例可视化) CNN网络的3D可视化 3D可视化地址:http://scs.ryerson.ca/~aharley ...
- DL之CNN:卷积神经网络算法应用之卷积神经网络实践技巧(DA/DP/WI/BN/H/O/R)、优化技术经验之详细攻略
DL之CNN:卷积神经网络算法应用之卷积神经网络实践技巧(DA/DP/WI/BN/Hyperparameter/Overfitting/Regularization).优化技术经验之详细攻略 目录 卷 ...
- DL之CNN:卷积神经网络算法简介之卷积矩阵、转置卷积(反卷积Transpose)、膨胀卷积(扩张卷积Dilated/带孔卷积atrous)之详细攻略
DL之CNN:卷积神经网络算法简介之卷积矩阵.转置卷积(反卷积Transpose).膨胀卷积(扩张卷积Dilated/带孔卷积atrous)之详细攻略 目录 卷积矩阵的简介 卷积.转置卷积--Tran ...
- DL之CNN:卷积神经网络算法简介之原理简介(步幅/填充/特征图)、七大层级结构(动态图详解卷积/池化+方块法理解卷积运算)、CNN各层作用及其可视化等之详细攻略
DL之CNN:卷积神经网络算法简介之原理简介(步幅/填充/特征图).七大层级结构(动态图详解卷积/池化+方块法理解卷积运算).CNN各层作用及其可视化等之详细攻略 目录 CNN 的层级结构及相关概念 ...
- CNN(卷积神经网络)识别图形验证码(全网最通俗易懂,最全面的讲解)
这里面大多资料均为网上参阅,参考资料过多未能记住您的文章地址望见谅,如涉及您的文章,本文未声明的即可留言,我会将您的原文地址引入. 一.前言 项目代码:https://github.com/bao17 ...
- Udacity机器人软件工程师课程笔记(二十七) - 卷积神经网络(CNN)
1.卷积神经网络介绍 **卷积神经网络(Convolutional Neural Network,CNN)**是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出 ...
最新文章
- LeetCode简单题之密钥格式化
- CodeIgniter URL
- oracle存储过程00054,oracle执行存储过程报错:ORA-12011
- chengren-成人-php系列3
- Linux中文件权限的一些知识
- 部署egg需要用到pm2吗_使用宝塔面板部署校园综合服务平台项目
- 事理图谱概念辨析及其与风险标签分类结合的应用探讨
- hdu 2489 Minimal Ratio Tree (DFS枚举+MST)
- verilog从txt中读取_Verilog中的文件操作
- sql docker容器_了解SQL Server Docker容器中的备份和还原操作
- NLP --- 命名体识别(NER)
- 智能硬件无线通信协议(二)
- Apple让我明白坚持的意义
- 王者荣耀战力查询微信小程序源码下载支持安卓苹果微信Q等多区查询
- Windbg调试----Windbg入门
- 云服务器网站免备案怎么用,云服务器如何使用免备案功能访问网站
- STM32F103C8T6基础开发教程(HAL库)—开发环境配置
- AttributeError: module ‘scipy.signal‘ has no attribute ‘correlation_lags‘
- 高德地图实现昼夜、卫星图切换
- Day2作业:购物商城
热门文章
- linux tcp socket 接收的字节数与发送的字节数不符,TCP发送接口(如send(),write()等)的返回值与成功发送到接收端的数据量无直接关系...
- Sequential Recommender Systems
- c性能大容量cket_5千左右预算,既轻薄(高颜值)又高性能的笔记本推荐(畅玩LOL、CF、DNF、流放之路、梦幻西游)...
- python在生物中的应用_关于举办“Python编程语言在生物科学研究中的应用”学术报告的通知...
- rxjava背压_Android Rxjava :最简单全面背压讲解 (Flowable)
- java控制硬件_厨师都开始用Python和Java了,现在C语言还值得我们学习吗?
- 手机安装python3.5_CentOS 7安装Python3.5
- 数据结构 3-1-1 栈
- DeBruijin DFS
- 加密Python脚本