AlexNet模型是Hinton的学生Alex Krizhevsky在2012年提出来的。AlexNet包含了几个比较新的技术点，也首次在CNN中成功应用了ReLU、Dropout和LRN等Trick。
AlexNet主要使用的新技术点如下：
（1）成功使用ReLU作为CNN的激活函数，并验证其效果在较深的网络超过了sigmoid，解决了sigmoid在网络较深时的梯度弥散问题。
（2）训练时使用dropout随机忽略一部分神经元，以避免过拟合，主要是最后几个全连接层使用了dropout。
（3）在CNN中使用重叠的最大池化，避免平均池化的模糊化效果。并且提出让步长比池化核的尺寸小，这样池化层的输出之间会有重叠和覆盖，提升了特征的丰富性。
（4）提出了LRN层，对局部的神经元活动创建竞争机制，使其中响应比较大的值变得更大，增强了模型的泛化能力。
（5）使用CUDA加速深度卷积网络的训练，利用GPU强大的并行计算能力，处理神经网络训练时大量的矩阵运算。
（6）数据增强，大大减轻过拟合，提升泛化能力。
2023-03-01 15:22:13
6KB
1
beziers.py
贝塞尔曲线提供了用于构造，操纵和绘制贝塞尔曲线和路径的各种类。 它主要是为字体设计软件设计的，它使您可以在路径上进行连接，拆分，偏移和执行许多其他操作。
这是一个示例会话：
from beziers.point import Point
from beziers.path import BezierPath
from beziers.cubicbezier import CubicBezier
b1 = CubicBezier(
Point(412.0,500.0), Point(308.0,665.0), Point(163.0,589.0), Point(163.0,504.0)
)
b2 = CubicBezier(
Point(163.0,504.0), Point(163.0,424.0), Point(364.0,321.0), Point(
2023-03-01 09:28:48
507KB
1