Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
夏有凉风,冬有雪
Paddle
提交
fc640e38
P
Paddle
项目概览
夏有凉风,冬有雪
/
Paddle
与 Fork 源项目一致
Fork自
PaddlePaddle / Paddle
通知
1
Star
1
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
1
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
Paddle
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
1
Issue
1
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
fc640e38
编写于
12月 12, 2016
作者:
C
CrossLee1
提交者:
GitHub
12月 12, 2016
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Update resnet_model_cn.md
上级
c91373e5
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
1 addition
and
1 deletion
+1
-1
doc_cn/demo/imagenet_model/resnet_model_cn.md
doc_cn/demo/imagenet_model/resnet_model_cn.md
+1
-1
未找到文件。
doc_cn/demo/imagenet_model/resnet_model_cn.md
浏览文件 @
fc640e38
...
...
@@ -7,7 +7,7 @@
论文
[
Deep Residual Learning for Image Recognition
](
http://arxiv.org/abs/1512.03385
)
中提出的ResNet网络结构在2015年ImageNet大规模视觉识别竞赛(ILSVRC 2015)的分类任务中赢得了第一名。他们提出残差学习的框架来简化网络的训练,所构建网络结构的的深度比之前使用的网络有大幅度的提高。下图展示的是基于残差的连接方式。左图构造网络模块的方式被用于34层的网络中,而右图的瓶颈连接模块用于50层,101层和152层的网络结构中。
<center>
![
resnet_block
](
./resnet_block.jpg
)
</center>
<center>
Figure 1. ResNet Block
</center>
<center>
图 1. ResNet 网络模块
</center>
本教程中我们给出了三个ResNet模型,这些模型都是由原作者提供的模型
<https://github.com/KaimingHe/deep-residual-networks>
转换过来的。我们使用PaddlePaddle在ILSVRC的验证集共5000幅图像上测试了模型的分类错误率,其中输入图像的颜色通道顺序为
**BGR**
,保持宽高比缩放到短边为256,只截取中心方形的图像区域。分类误差和模型大小由下表给出。
<center>
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录