本文基於卷積神經網路和遞迴卷積神經網路模型**了深度學習網路不
同層級間引數分布對網路效能的影響，在cifar-10、cifar-100和svhn資料集上進行了大量的實驗。
結果表明：在保證網路總引數大致相等並穩定在飽和的臨界值附近的條件下，增加高層引數數量的能夠
提公升網路效能，而增加低層引數數量的會降低網路效能。通過這一簡單的規則，我們設計的遞迴卷積神
經網路模型結構在cifar-100和svhn兩個資料集上達到了目前單模型最低的識別錯誤率
深度學習 提公升模型分類效能的幾點思考
使用cnn做文字分類已經有一段時間了，之前在封閉式測試集中模型的表現還是不錯的。但是，拿到實際環境彙總測試，問題就來了。模型過擬合嚴重，泛化能力弱。最終帶來的結果是，使用者體驗不佳。改進的方面 1 改變字元向量為詞向量。實際發現，以字元為單元的模型，在資料量少的情況下 10w以下 更容易過擬合，詞向...
統計深度學習模型的引數和視訊記憶體占用（pytorch）
這裡介紹兩種方法 使用相關的庫torchsummary from torchsummary import summary net net.to torch.device cpu or cuda summary net,4,228,912 device cpu or cuda 統計結果比較詳細，參數量...
GPU雲伺服器深度學習效能模型初探
摘要 本文根據實測資料，初步 了在彈性gpu雲伺服器上深度學習的效能模型，可幫助科學選擇gpu例項的規格。得益於gpu強大的計算能力，深度學習近年來在影象處理 語音識別 自然語言處理等領域取得了重大突破，gpu伺服器幾乎成了深度學習加速的標配。阿里雲gpu雲伺服器在公有雲上提供的彈性gpu服務，可以...