卷积网络
-
NNI模型加速：ValueError: Modules that have backward hooks assigned can‘t be compiled:
概要： 采用nni进行Speed Up的时候，报错ValueError: Modules that have backward hooks assigned can’t…
-
卷积神经网络实现手写数字识别（纯numpy实现）
前面讲解了使用纯numpy实现数值微分和误差反向传播法的手写数字识别，这两种网络都是使用全连接层的结构。全连接层存在什么问题呢？那就是数据的形状被“忽视”了。比如，输入数据是图像时，图像通常是高、长、通道方向上的3维形状。但是，向全连接层输入时，需要将3维数据拉平为1维数据。实际上，前面提到的使用了MNIST数据集的例子中，输入图像就是1通道、高28像素、长28像素的（1, 28, 28）形状，但却被排成1列，以784个数据的形式输入到最开始的Affine层。图像是3维形状，这个形状中应该含有重要的空间信
