|
- 如何评价Inception Lab的扩散大语言模型Mercury coder? - 知乎
尽管在Inception Labs官网和三位创始人的发表论文中找了很久，我也没找到扩散大语言模型的技术细节。 还好，在github上发现了类型的开源项目LLaDA [2]，这是由中国人大的李崇轩团队开发并开放了模型权重和论文。
- 《Inception》为什么翻译成盗梦空间？原词 inception 有什么隐含的意思吗？ - 知乎
Inception 内地译名：盗梦空间；香港译名：潜行凶间；台湾译名：全面启动。 要从「信达雅」的标准来说，我觉得内地译名《盗梦空间》是以上三个译名里最好的。因为 Inception 是一部「盗匪片」，一帮人潜入他人梦境完成一个偷盗任务（而故事还有翻转，他们其实是要植入一个想法）。所以翻译成
- Inception家族进化史「GoogleNet、Inception、Xception」
Inception基于假设：卷积时将通道和空间卷积分离会更好。 其1x1的卷积作用于通道，3x3的卷积同时作用于通道和空间，没有做到完全分离。 Xception (Extream Inception)则让3x3卷积只作用于一个通道的特征图，从而实现了完全分离。 InceptionV3到Xception的演化
- 如何理解盗梦空间的英文名inception? - 知乎
可以把inception理解成 “植入”，“奠基” 的含义 下面说一下如何理解 盗梦空间的整个故事是围绕着一个核心问题的——想法 (或者说意图)是否能被植入。 盗梦者们通常做的事是“盗”，也就是通过进入目标的梦境来获取目标潜意识里的秘密信息，是一个 “获取” 的过程。 而本片中Cobb团队进行的
- 卷积神经网络结构简述（二）Inception系列网络 - 知乎
这一系列的文章回顾了1998年开始，近19年来卷积神经网络的发展概况。这篇文章介绍的网络有Inception V1、Inception V2、Inception V3、Inception V4与Inception-ResNet-V2。 从2014年开始，深度学习模型在图像内容分类和视频分类方面有了极大的应用，仅仅2014这一年就出现了对后来影响巨大的 VGG 和 GooLeNet。 Inception
- 如何解析深度学习 Inception 从 v1 到 v4 的演化？ - 知乎
Inception v1的这两个特点被后续的Inception版本一直沿续，可以看作是Inception系列的标志。 BN-Inception BN-Inception在Inception v1的基础上引入了Batch Normalization（BN）操作，提高训练效率的同时也大幅提升了Inception的性能。 Inception v2 v3 Inception v2和v3是在同一篇文章中提出来的。相比Inception v1，结构上的改变主要
- 从Inception v1到Inception-ResNet，一文概览Inception家族的「奋斗史」
Inception v1 这是 Inception 网络的第一个版本。 我们来分析一下它可以解决什么问题，以及如何解决。 在《Going deeper with convolutions》论文中，作者提出一种深度卷积神经网络 Inception，它在 ILSVRC14 中达到了当时最好的分类和检测性能。
- 有哪些好看的CNN模型画法？ - 知乎
Inception-v3 是包含这些调整的网络（调整优化器、损失函数以及向辅助网络中的辅助层添加批量归一化） Inception-v2 和 Inception-v3 的动机是避免 代表性瓶颈 representational bottlenecks （这意味着大幅减少下一层的输入维度）并通过使用因子分解方法进行更有效的计算。
|
|
|