# 深度学习实战篇之 ( 十七) — TensorFlow之DenseNet

ACM 国际多媒体会议（ACM International Conference on Multimedia）是计算机科学领域中多媒体领域的首要国际会议。多媒体研究的重点是整合不同数字形式（包括图像，文本，视频，音乐，传感器数据，口头音频）提供的多种视角。自1993年以来，ACM多媒体一直将学术界和工业界的研究人员和从业人员汇聚在一起，提出创新的研究成果并讨论最新进展。

# 前言 #

TensorFlow之DenseNet实战

1.数据准备

2.网络结构

[En]

The minimum structure given in the original paper is 121 layers. We have just started to learn, so there is no need to design it so deeply. Therefore, our corresponding figure above has slightly changed the structure, changing the distribution of the main layers from 6-12-24-16 to 2-4-8-4. This can alleviate the problem of lack of hardware to a certain extent. Of course, generally speaking, the accuracy will be reduced, but it doesn’t matter. What we study is the idea of network construction, not the network construction itself.

密集块定义
def Dense_Block(name,input, inchannel, DB_nums):
conv_inchannel = inchannel
for i in range(DB_nums):
out = Conv_layer('Dense_Block{}__1_{}'.format(name, i), input, [1,1,inchannel,32], [32], [1,1,1,1])
# print("******** out1 {} ".format(out.shape))
out = Conv_layer('Dense_Block{}__3_{}'.format(name, i), out, [3,3,32,32], [32], [1,1,1,1])
# print("******** out2 {} ".format(out.shape))
out = tf.concat([input, out], axis=3)
inchannel = out.get_shape().as_list()[3]
input = out

return out

def Transition_Layer(names, input):
in_inchannel = input.get_shape().as_list()[3]
out_channel = int(in_inchannel * 0.5)
out = Conv_layer('Transition_Layer_{}'.format(names), input, [1,1,in_inchannel,out_channel], [out_channel], [1,1,1,1])
out = Max_pool_lrn(names = 'pooling_{}'.format(names), input = out , ksize = [1, 3, 3, 1], is_lrn = False)

return out

# print("******** out {} ".format(out.shape))

def Class_Layer(input, n_classes):
out = tf.squeeze(out)
print("******** out {} ".format(out.shape))
with tf.variable_scope('softmax_linear') as scope:
weights = tf.Variable(tf.truncated_normal(shape=[out.get_shape().as_list()[-1], n_classes], stddev=0.005, dtype=tf.float32),
name='softmax_linear', dtype=tf.float32)

biases = tf.Variable(tf.constant(value=0.1, dtype=tf.float32, shape=[n_classes]),
name='biases', dtype=tf.float32)

out = tf.add(tf.matmul(out, weights), biases, name='softmax_linear')

return out


[En]

It is characterized by feature reuse, and then build a deep-seated neural network.

Original: https://blog.csdn.net/xyl666666/article/details/123469656
Author: fengyuxie
Title: 深度学习实战篇之 ( 十七) — TensorFlow之DenseNet

(0)

### 大家都在看

• #### 物理实验引发的思考：总体标准偏差和样本标准偏差的区别是什么？标准偏差和标准误的区别是什么？

一、总体标准偏差和样本标准偏差 假设我们测量了变量x x x，测得的结果是x 1 , x 2 , ⋯ , x n x_1,x_2,\cdots,x_n x 1 ​,x 2 ​,⋯,…

人工智能 2023年7月16日
0195
• #### 数字图像处理课程作业二-车牌识别

写在最前 这是我大学课程的数字图像处理的实验报告，代码大部分是从网上直接复制使用，小部分是我自己改写的（例如matplotlib的使用），可以直接运行。内容比较详细，但是希望大家能…

人工智能 2023年7月27日
0201
• #### 密集预测任务的多任务学习综述

人工智能 2023年7月13日
0146
• #### 手部21个关键点检测+手势识别-[MediaPipe]

人工智能 2023年6月16日
0182
• #### 数据集介绍 – Matting and Segmentation

1.1 Image（图片） MODNet 中所使用的数据集，2021 年 7 月公开，可从 GitHub 仓库查看，也可直接下载：Google Drive | 百度网盘 (提取码:…

人工智能 2023年6月20日
0164
• #### [附源码]java毕业设计宠物商店管理系统

项目运行 环境配置： Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX（Webstorm也行）+ Eclispe（IntelliJ IDEA,Eclis…

人工智能 2023年6月26日
0169
• #### Python3.8安装tensorflow

以下内容是针对安装tensorflow-CPU版本的。 tensorflow已经支持Python3.8版本的安装。 可以查看自己的Python版本信息，以及可以支持的tensorf…

人工智能 2023年5月23日
0146
• #### 爱迪尔 门锁接口文档_智能门锁 | 基于 NXP LPC54101 & Intel MA2155 的 3D 人脸识别 ELOCK 方案…

在智能家居趋势的推动下，越来越多的家庭开始选择智能产品，以换取更便捷的生活体验。门锁作为家庭的安全保障，是每个家庭都会使用的设备，智能门锁也是一种新趋势。智能门锁是指在传统机械锁的…

人工智能 2023年5月27日
0164
• #### 传统的fcm算法必须计算每个像素与聚类中心之间的距离_应用于无人驾驶车辆的点云聚类算法研究进展…

欢迎引用 王子洋, 李琼琼, 张子蕴, 王康, 杨家富. 应用于无人驾驶车辆的点云聚类算法研究进展[J]. 世界科技研究与发展, doi: 10.16507/j.issn.1006…

人工智能 2023年6月2日
0153
• #### 14、JAVA入门——方法和构造方法

目录 1、方法重载 2、构造方法 3、this关键字 4、成员变量和局部变量 1、方法重载 （1）方法重载的定义 方法重载是指在一个类中定义多个同名的方法，但要求每个方法具有不同的…

人工智能 2023年5月30日
0158
• #### Exploring and Distilling Posterior and Prior Knowledge for Radiology Report Generation

Exploring and Distilling Posterior and Prior Knowledge for Radiology Report Generation（探索和…

人工智能 2023年5月30日
0166
• #### Mac M1芯片安装miniAnaconda、Jupyter、TensorFlow环境

本文适用于macOS 12+,使用conda自带python3.9 电脑环境 Miniforge * 先配置环境变量 给anaconda添加国内镜像源 macOS中PyCharm配…

人工智能 2023年5月23日
0177
• #### (二)Cityscapes数据集简介

欢迎访问个人网络日志🌹🌹知行空间🌹🌹 文章目录 * – 1.简介 – 目录结构 – 参考资料 1.简介 Daimler AG现在称为 Merce…

人工智能 2023年6月23日
0194
• #### 【语义分割】类别不平衡损失函数合集

在语义分割领域，我们会常常遇到类别不平衡的问题。比如要分割的目标（前景）可能只占图像的一小部分，因此负样本的比重很大，导致网络倾向于将所有样本判断为负样本。本文介绍了在数据不平衡时…

人工智能 2023年5月26日
0228
• #### Mx-yolov3+Maixpy+ K210进行本地模型训练和目标检测

我接触K210同样也是因为一次比赛，需要进行目标检测并对垃圾进行分类，在接触到K210之前我一直使用各种YOLO版本检测，并部署到树莓派和nano上，一次偶然的机会，我发现了K21…

人工智能 2023年5月26日
0180
• #### DataFrame

在Spark SQL中有两种方式可以在DataFrame和RDD进行转换 首先在maven项目的pom.xml中添加Spark SQL的依赖 <dependency> …

人工智能 2023年6月2日
0157