徐土豆

近日笔者在阅读Shift-GCN[2]的文献，Shift-GCN是在传统的GCN的基础上，用Shift卷积算子[1]取代传统卷积算子而诞生出来的，可以用更少的参数量和计算量达到更好的模型性能，笔者感觉蛮有意思的，特在此笔记。 Shift-GCN是用于骨骼点序列动作识别的网络，为…

近期在看Shift-GCN的论文[1]，该网络是基于Shift卷积算子[2]在图结构数据上的延伸。在阅读源代码[3]的时候发现了其对于Non-Local Spatial Shift Graph Convolution有意思的实现方法，在这里简要记录一下。 在讨论代码本身之前，简…

在深度学习模型中，卷积是非常重要的工具，然而卷积的计算复杂度很高，因此需要对此进行特定的优化，im2col与winograd [5]，fourier [4]是非常常见的优化方法，本文介绍基于im2col的优化方法。 卷积操作如Fig 1.1所示，通常涉及到了非常多的浮点运算，示…

笔者在[1,2]中已经对darknet如何进行配置解析进行了讲解，现在我们需要将解析出来的配置进行对应的网络层构建。 本文接着以上的文章，继续讨论如何根据解析出来的网络配置去构建网络结构network。为了讨论一致性，此处需要贴出[2]中的code 1.1，后续需要参考这段代码…

笔者在[1]一文中简单介绍了在darknet中常见的数据结构，本文继续上文的节奏，介绍如何从cfg文本文件中解析出整个网络的结构与参数。 注意：阅读本文之前，建议阅读[1]，以便对darknet的数据结构定义有所了解。 为了简便，本文暂时不考虑GPU下的运行，只考虑CPU运行的…