文件名称:
Gradient-Centralization:深度神经网络的一种新的优化技术-源码
开发工具:
文件大小: 484kb
下载次数: 0
上传时间: 2021-03-19
详细说明：渐变集中
介绍
梯度集中（GC）是用于深度神经网络（DNN）的一种简单有效的优化技术，该技术通过将梯度向量集中为零均值来直接对梯度进行操作。它既可以加速训练过程，又可以提高DNN的最终泛化性能。 GC非常易于实现，并且只需几行代码就可以轻松地将其嵌入到现有的基于梯度的DNN优化器中。它也可以直接用于微调预训练的DNN。请参考以获取更多高级优化程序的代码。
GC可以看作是具有受限损失函数的投影梯度下降法。约束损失函数的Lipschitzness及其梯度更好，因此训练过程变得更加有效和稳定。我们在各种应用程序上的实验，包括general image classification ， fine-grained image classification ， detection and segmentation以及Person ReID证明了GC可以持续改善DNN学习的性能。
文件中提供了优化程序
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
