新闻中心 
-
01-23知识压缩：模型蒸馏与模型剪枝模型蒸馏和剪枝是神经网络模型压缩技术，有效减少参数和计算复杂度，提高运行效率和性能。模型蒸馏通过在较大的模型上训练一个较小的模型，传递知识来提高性能。剪枝通过移...
-
01-23了解inception模块及其功能Inception模块是一种高效的特征提取器，通过增加网络的深度和宽度来提高网络的准确率和泛化能力，同时保证计算效率。它采用不同尺度的卷积核对输入数据进行特征提...
-
01-23池化与扁平化在卷积神经网络中的定义在卷积神经网络(CNN)中，池化和扁平化是非常重要的两个概念。池化概念池化操作是CNN网络中常用的操作，用于缩小特征图维度，减少计算量和参数数量，还能防止过拟合...
-
01-23解释神经网络的能力神经网络可解释性（ExplainableArtificialIntelligence,XAI）指的是解释机器学习模型或人工智能系统的决策能力。在实际应用中，我们...
-
01-23深度残差网络像是由多个浅层网络组成的残差网络（ResNet）是一种深度卷积神经网络（DCNN），它的独特之处在于其能够训练和优化非常深的网络结构。它的提出对深度学习领域的发展产生了巨大的推动，并在...
-
01-23神经网络中的卷积核在神经网络中，滤波器通常指的是卷积神经网络中的卷积核。卷积核是一个小矩阵，用于对输入图像进行卷积操作，以提取图像中的特征。卷积操作可以看作一种滤波操作，通过对输...
