原创 機器學習簡介（1）

一、簡介 機器學習就是使用計算機來“學習”如何解決問題而無需“編程”（這是人工智能的一個分支）。 我們獲取一些數據，在該數據上訓練模型，然後使用訓練後的模型對新數據進行預測。 基本上，這是一種使計算機創建程序的方法，該程序給出具有

2020-07-05 08:03:12 4

原创 機器學習簡介（2）

監督學習 在本章節中，我們將學習監督學習，並討論一些成本函數和梯度下降。 我們還將學習2種簡單算法： 線性迴歸（用於迴歸）、Logistic迴歸（用於分類）。瞭解監督學習的第一件事是每個樣本數據點x都有預期的輸出或標籤y，換句話說

2020-07-05 08:03:12 1

原创 高通HVX簡介

一、簡介 HVX意味着你可以將視頻和攝像機任務從CPU轉移到Hexagon DSP，以實現低功耗的快速圖像處理。長期以來，用於寬矢量處理的新型Hexagon VX內核一直很吸引人的用例，因爲它們消耗大量電能，因此可以從CPU上卸載

2020-06-26 23:31:46 30

原创 高通HTA簡介

一、簡介 Qualcomm®Hexagon™處理器是數字信號處理器（DSP），可用於加速不同類型的操作，包括神經網絡所需的操作。神經網絡的關鍵組成部分是“張量”，它是數字和相關維數（例如矩陣（2D），矢量（1D）甚至標量（0D））

2020-06-26 23:31:46 74

原创 SNPE分析與評測 (2)

一、AIP Runtime AIP (AI Processor) Runtime是Q6、HVX和HTA三者在執行模型時候的一層軟件抽象。 1、部署前提條件，讓模型在AIP上執行的前提條件： 1）看硬件設備是否支持（查看前文中支持S

2020-06-26 23:31:46 27

原创 卷積神經網絡-圖像分割(FNC)

FCN網絡是深度學習圖像分割領域的奠基之作，有着極大的意義．今天就來簡單介紹一下FCN全卷積網絡。 這篇論文的標題爲"Fully Convolutional Networks for Semantic Segmentation"，

2020-06-26 23:31:36

原创 卷積神經網絡-可變形卷積

一、簡介 如何有效地對幾何圖形的變化進行建模一直是一個挑戰，大體上有兩種處理方法：（1）構建一個包含各種變化的數據集，其本質是數據擴增（2）使用具有形變不變性的特徵和算法（如SIFT）。這兩種方法都有很大的侷限性：幾何形變被假設是

2020-06-26 23:31:36

原创 卷積神經網絡-深度可分離卷積

一、簡介 MobileNet架構中提出的有空間可分離卷積和深度可分離卷積，本文中我們將着重介紹深度可分離卷積實現及其意義。 二、深度可分離卷積 空間可分離卷積： 從概念上講，這是兩者中較容易的一個，並說明了將一個卷積分成兩部分（兩

2020-06-26 23:31:36

原创 卷積神經網絡-轉置卷積

一、簡介 我們把從低分辨率特徵圖（小尺寸）到高分辨率特徵圖（大尺寸）稱爲上採樣，上採樣有兩種方式：各種插值方法、轉置卷積（反捲積）。 二、轉置卷積 轉置卷積（Transposed Convolution）又稱爲反捲積（Deconv

2020-06-26 23:31:36 4

原创 卷積神經網絡-空洞卷積

一、空洞卷積的提出 空洞卷積（atrous convolutions）又名擴張卷積（dilated convolutions），向卷積層引入了一個稱爲 “擴張率(dilation rate)”的新參數，該參數定義了卷積核處理數據時

2020-06-26 23:31:36 1

原创 卷積神經網絡-時序卷積

一、簡介 時序問題的建模大家一般習慣性的採用循環神經網絡（RNN）來建模，這是因爲RNN天生的循環自迴歸的結構是對時間序列的很好的表示。傳統的卷積神經網絡一般認爲不太適合時序問題的建模，這主要由於其卷積核大小的限制，不能很好的抓取

2020-06-26 23:31:36

原创 卷積神經網絡卷積核概述

一、簡介 卷積核就是圖像處理時，給定輸入圖像，輸入圖像中一個小區域中像素加權平均後成爲輸出圖像中的每個對應像素，其中權值由一個函數定義，這個函數稱爲卷積核。 二、卷積核概述 卷積核其實在圖像處理中並不是新事物，Sobel 算子等一

2020-06-10 15:23:44

原创 卷積神經網絡發展歷程

經典的LeNet誕生於1998年。然而之後CNN的鋒芒開始被SVM等手工設計的特徵蓋過。隨着ReLU和dropout的提出，以及GPU和大數據帶來的歷史機遇，CNN在2012年迎來了歷史突破–AlexNet，從此CNN呈現爆炸式發

2020-06-10 15:23:44

原创 B-P反向傳播網絡概述

一、簡介 B-P（Back Propagation）反向傳播網絡在感知機的基礎上，添加了一層或多層隱層，所以也可以將此模型稱爲多層感知機（MultiLayer Perception MLP）。它有着以下三個顯著的特點： 包含隱層

2020-06-10 15:23:44

原创 深度學習卷積概述(1)

一、概述 卷積現在可能是深度學習中最重要的概念。正是靠着卷積和卷積神經網絡，深度學習才超越了幾乎其他所有的機器學習手段。在這篇文章中，我們將分解卷積操作的機制，逐步將其與標準神經網絡聯繫起來，探索它們是如何建立起強大的視覺層次結構

2020-06-10 15:23:44