【深度学习】谷歌大脑EfficientNet的工作原理解析 文章目录 1 知识点准备 1.1 卷积后通道数目是怎么变多的 1.2 EfficientNet 2 结构 2.1 方式 2.2 MBConv卷积块 2.3 模型的规模和训练方式 3 对比 4 MBConv结构 1 知识点准备 1.1 卷积后通道数目是怎么变多的 为什么out_channel会大于in

【深度学习】U-Net 网络分割多分类医学图像解析 文章目录 【深度学习】U-Net 网络分割多分类医学图像解析 1 U-Net 多分类 2 Keras 利用Unet进行多类分割 2.1 代码实现 2.2 结果 3 多分类标签验证 4 数据变换 4.1 概述 4.2 图像数据变化代码(为了满足多分类需求) 4.3 随机亮度（为了数据增强） 5 Unet训练自

【深度学习】移动翻转瓶颈卷积的实现(mobile inverted bottleneck convolution) 文章目录 1 MBConv 1.1 Depthwise Convolution 1.2 SE-Net 1.3 EfficientNet-B0网络结构 2 卷积层的变体和替代 3 MobileNetV3 1 MBConv 移动翻转瓶颈卷积（mobile inve

物联网网关神器 Kong （ 四 ）- 利用 Konga 来配置生产环境安全连接 Kong 前言 上一篇我们讲解了 Konga 的搭建和与 Kong 进行默认连接，本篇文章将讲一下如何在生产环境中基于验证的连接 Kong ，并详细讲解其中的参数。 前期准备 如果你需要在生产环境使用，那么你可以将 admin 端口只监听 127.0.0.1 ，然后通过 Kong 自己进行代理并增加效验。 首先，

【深度学习】图像特征提取与通道数问题（基于U型网络） 1 医学图像特点 2 卷积核与图像特征提取 2.1 卷积 2.2 图像处理 2.3 边缘检测卷积核 2.4 图像锐化卷积核 2.5 高斯滤波 3 关于图像三通道和单通道的解释 4 pytorch 修改预训练模型（全连接层、单个卷积层、多个卷积层） 1 医学图像特点 1.图像语义较为简单、结构较为固定。我们

Node-RED系列文章目前已经写了18篇，介绍了Node-RED的安装以及默认安装的一些基本节点的使用，作为物联网的一个可视化拖动的流程,Node-RED的确实很容易上手。还没开始学习的同学可以先看下我以前的文章。 Node-RED教程（一）：Node-RED的介绍与安装 Node-RED教程（二）：Node-RED的面板的操作 Node-RED教程（三）：Node-RED公共节点的