Machine learning
ResNeXt
ResNeXt هي بنية شبكة عصبية التفافية عميقة قدمها شيه وجيرشيك ودولار وتو وهي في مؤتمر CVPR 2017. وهي توسع تصميم الشبكة المتبقية (ResNet) من خلال تقديم بُعد معماري جديد يسمى القدرة (cardinality) - وهو عدد مسارات التحويل المستقلة والمتوازية داخل كل كتلة متبقية - مما يتيح دقة أعلى بمعلمات أقل وتصميم أبسط وأكثر اتساقًا من سابقاتها.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Xie, S., Girshick, R., Dollár, P., Tu, Z., & He, K. (2017). Aggregated Residual Transformations for Deep Neural Networks. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 5987–5995. DOI: 10.1109/CVPR.2017.634 ↗
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep Residual Learning for Image Recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778. DOI: 10.1109/CVPR.2016.90 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. ISBN: 978-0-26-203561-3
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). ResNeXt: Aggregated Residual Transformations for Deep Neural Networks. ScholarGate. https://scholargate.app/ar/deep-learning/resnext
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DenseNetالتعلم العميق↔ compare
- EfficientNetالتعلم العميق↔ compare
- MobileNet: شبكات عصبية التفافية فعالة لرؤية الأجهزة المحمولةالتعلم العميق↔ compare
- شبكة البقايا (ResNet)التعلم العميق↔ compare