Conv
Conv2Former: A Simple Transformer-Style ConvNet for Visual Recognition：使用大核卷积调制来简化注意力
Conv2Former: A Simple Transformer-Style ConvNet for Visual Recognition * Authors: [[Qibin Hou]], [[Cheng-Ze Lu]], [[Ming-Ming Cheng]], [[Jiashi Feng]] ......
Conv1D和Conv2D的区别
layer = layers.Conv1D(input_shape=(66, 5), filters=100, kernel_size=10, padding="same", activation="relu", strides=1) 上述例子为例，实际上和二维卷积是一样的，只不过卷积核的第二个维度 ......
<class 'torch.nn.modules.conv.Conv1d'> torch.nn.Conv1d
1、Conv1d 定义class torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True) 自然语言处理中一个句子序列，一维的，所以使用C ......
优雅地在Numpy实现Conv2D
何为优雅： - 编写优雅——算法符合直觉，容易理解 - 执行优雅——执行高效 本文将围绕这俩点逐步对Numpy下卷积算子的实现拨茧抽丝。在文章的开头先声明一下这篇文章数据格式规范。 - 输入 [N, Cin, H, W] - 卷积核 [Cin, Kx, Ky, Cout] - 输出 [N, Cout ......
使用nn.Conv2d()和nn.MaxPool2d()调整输出的技巧
前提是没有使用dilation,牢记以下公式：  1.如果想保持张量大小不变，则：kenel_size=3（奇数）， ......
nn.Conv2d()参数说明、输入输出
**1.参数说明**  2.输入输出参数计算 ![](https://img2023.cnblogs.com/bl ......
在树莓派上实现numpy的conv2d卷积神经网络做图像分类，加载pytorch的模型参数，推理mnist手写数字识别，并使用多进程加速
这几天又在玩树莓派，先是搞了个物联网，又在尝试在树莓派上搞一些简单的神经网络，这次搞得是卷积识别mnist手写数字识别 训练代码在电脑上，cpu就能训练，很快的： import torch import torch.nn as nn import torch.optim as optim from ......
RepLKNet、depthwise conv、Depthwise Separable Conv
由于ResNet的残差结构会跳过一些网络结果，所以其实resnet的有效深度其实并不深，所以有效感受野并不大。而大kernel模型不但有效感受野更大而且更像人类（shape bias高）。这也可能是传统CNN虽然在ImageNet上跟Transformer差不多，但在下游任务上普遍不如Transfo ......