游戏资讯大全-热门游戏攻略技巧-最新游戏测评-闲游网

地牢猎手4哨兵弓箭心得

作者:van 2020-06-22 09:45:01 浏览:56
导读: 地牢猎手4里面目前最高等级的装备就是97级了,所以今天这篇攻略就是地牢猎手497装备战斗大师篇,让我们一起看看战斗大师的最顶级装备立法者套装吧。商店中的只是立法者套装初始状态,还不是最强的,随着玩家的强化,其套装属性也会变化,以下就是小编自...

地牢猎手4里面目前最高等级的装备就是97级了,所以今天这篇攻略就是地牢猎手4 97装备战斗大师篇,让我们一起看看战斗大师的最顶级装备立法者套装吧。

商店中的只是立法者套装初始状态,还不是最强的,随着玩家的强化,其套装属性也会变化,以下就是小编自己的100级战斗大师立法者套装强化效果,地牢猎手4 97级装备强化版,感兴趣的朋友可以看一下。

本文翻译自A guide to receptive field arithmetic for Convolutional Neural Networks(可能需要翻墙才能访问),方便自己学习和参考。若有侵权,还请告知。

感受野(receptive field)可能是卷积神经网络(Convolutional Neural Network,CNNs)中最重要的概念之一,值得我们关注和学习。当前流行的物体识别方法的架构大都围绕感受野的设计。但是,当前并没有关于CNN感受野计算和可视化的完整指南。本教程拟填补空白,介绍CNN中特征图的可视化方法,从而揭示感受野的原理以及任意CNN架构中感受野的计算。我们还提供了代码实现证明计算的正确性,这样大家可以从感受野的计算开始研究CNN,从而更加深刻的理解CNN的架构。

本文假设读者已经熟悉CNN的思想,特别是卷积(convolutional)和池化(pooling)操作,当然你可以参考[1603.07285] A guide to convolution arithmetic for deep learning,回顾CNN的相关知识。如果你对CNNs已经有所了解,相信不超过半个小时就可以完成本文的阅读。实际上,本文受上述论文的启发,文中也采用了相似的表示符号。

The fixed-sized CNN feature map visualization

图1 CNN特征图可视化的两种方式。

如图1所示,我们采用卷积核C的核大小(kernel size)k=3*3,填充大小(padding size)p=1*1,步长(stride)s=2*2。(图中上面一行)对5*5的输入特征图进行卷积生成3*3的绿色特征图。(图中下面一行)对上面绿色的特征图采用相同的卷积操作生成2*2的橙色特征图。(图中左边一列)按列可视化CNN特征图,如果只看特征图,我们无法得知特征的位置(即感受野的中心位置)和区域大小(即感受野的大小),而且无法深入了解CNN中的感受野信息。(图中右边一列)CNN特征图的大小固定,其特征位置即感受野的中心位置。

图2 另外一种固定大小的CNN特征图表示。采用相同的卷积核C对7*7大小的输入图进行卷积操作,这里在特征中心周围画出了感受野的包围盒。为了表达更清楚,这里忽略了周围的填充像素。固定尺寸的CNN特征图可以采用3D(左图)或2D(右图)进行表示。

图2展示了另外一个例子,采用相同的卷积核C对7*7大小的输入图进行卷积操作。这里给出了3D(左图)和2D(右图)表示下的固定尺寸CNN特征图。注意:图2中感受野尺寸逐渐扩大,第二个特征层的中心特征感受野很快就会覆盖整个输入图。这一点对于CNN设计架构的性能提升非常重要。

公式一基于输入特征个数和卷积相关属性计算输出特征的个数

公式三计算输出特征图的receptive field size,等于k个输入特征覆盖区域

加上边界上输入特征的感受野覆盖的附加区域

公式四计算第一个输出特征的感受野的中心位置,等于第一个输入特征的中心位置,加上第一个输入特征位置到第一个卷积核中心位置的距离

,再减去填充区域大小

。注意:这里都需要乘上输入特征图的jump,从而获取实际距离或间隔。

图3 对图1中的例子执行感受野计算。第一行给出一些符号和等式;第二行和最后一行说明给定输入层信息下输出层感受野的计算过程。

CNN的第一层是输入层,n = image size,r = 1,j = 1,start = 0.5。图3采用的坐标系中输入层的第一个特征中心位置在0.5。递归执行上述四个公式,就可以计算CNN中所有特征图中的感受野信息。图3给出这些公式计算的样例。

这里给出一个python小程序,用于计算给定CNN架构下所有层的感受野信息。程序允许输入任何特征图的名称和图中特征的索引号,输出相关感受野的尺寸和位置。图4给出AlexNet下的例子。

故事在二十世纪八十年代美苏两国争夺星球大战计划和高科技武器优势的背景下,围绕步步紧逼的追捕和骇人听闻的审讯,以及政治阴谋、情报刺探等内容展开。 当苏联发展能够在太空轨道中摧毁宇宙空间站的激光武器时,美国中央情报局遂特别动用“枢机主教”来收集“亮星”工程的绝密情报。 “枢机主教”潜伏在克里姆林宫已长达三十余年,从未遭到苏联反间谍机构的怀疑,不料此次马失前蹄,落入克格勃之手。 为实施营救计划,杰克·瑞安只身深入虎穴,亮出“红十月”号这一杀手锏,逼使克格勃主席救出“枢机主教”叛逃。

如果真有对牛弹琴的情况,那么许多科学界朋友对本书作者解释战略防御理论和战略防御工程的努力就是这样一个例子。我特别感谢乔治、巴里、布鲁斯、拉斯、汤姆、丹尼、鲍勃和吉姆。这个国家也要感谢他们,将来有一天这个世界也要感谢他们。

版权声明:文章转载自互联网,如有侵权请联系站长删除。
本文地址:http://www.gameguidedog.com/yxgl/483.html