卷积算子是深度学习中最罕用的算子，在神经网络中，往往须要波及到算子 shape 形态的推导，这里次要说一下 cov 层的 shape 推导，拿 pytorch 和 darknet 进行比照。

我的项目应用librosa进行音频信号处理，backbone应用mobilenet_v2，在Urbansound8K数据上，最终收敛的准确率在训练集99%，测试集82%，如果想进一步提高辨认准确率能够应用更重的backbone和更多的数据加强办法。

CoursePyTorch模型推理及多任务通用范式 课程5:给大家安利了大白老师之前的好文：对于Yolo系列算法的理论知识解读和实战训练代码。依据 pytorch模型推理的三板斧：数据预处理、数据进网络、数据后处理，逐行实现了Yolox的推理代码。Assignment必做题本人找2张其余图，用Yolox_s进行指标检测，并注明输出尺寸和两个阈值。…

CoursePyTorch模型推理及多任务通用范式 课程3:pytorch模型推理的三板斧：数据预处理、数据进网络、数据后处理。其中数据预处理要向训练时的预处理形式对齐；模型网络次要是加载预训练权重；数据后处理要向模型head构造和loss设计对齐。以MobileNet-v2为例，从头写了把模型推理。Assignment必做题把模型改为resnet18，加…

Softmax代码 {代码…} 援用<1> {代码…}

全连贯层代码 {代码…} 援用<1> {代码…}

代码 {代码…} {代码…} 援用<1> {代码…}

2D最大池化代码 {代码…} {代码…} 援用<1> {代码…}

2D卷积代码 {代码…} 援用<1> {代码…} <2>[链接]

作者｜Ta-Ying Cheng，牛津大学博士研究生，Medium技术博主，多篇文章均被平台官网刊物Towards Data Science收录翻译｜颂贤