HelloWorld 开发者社区
科技资讯
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
ResNet
ResNet论文地址:http://arxiv.org/abs/1512.03385(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Farxiv.org%2Fabs%2F1512.03385)GitHub源码:https://github.com/tensorflo
Batch Normalization的理解
BatchNorm可谓深度学习中非常重要的技术,不仅可以使训练更深的网络变容易,加速收敛,还有一定正则化的效果,可以防止模型过拟合。在很多基于CNN的分类任务中,被大量使用。但我最近在图像超分辨率和图像生成方面做了一些实践,发现在这类任务中,BatchNorm的表现并不好,加入了BatchNorm,反而使得训练速度缓慢,不稳定,甚至最后发散。
2020CCFBDCI通用音频分类CNN方案(0.90+方案)
通用音频分类赛题介绍数据简介import的包音频文件读取特征构造CNN多分类提取预测结果并写入csv文件改进方向参考文献博主继续入门了音频分类问题,根据上一个baseline(https://www.oschina.net/action/
已经看完全部文章
已加载文章中没有匹配内容,可继续加载更多。