[Reading] Searching for MobileNetV3
1. 概述 Searching for MobileNetV3 一文公布于 2019 年，提出了称为 MobileNetV3 的新一代 MobileNets，进一步提高了准确率，并降低了计算量。 MobileNetV3 在前代 MobileNets 的基础上，在基本构造模块中引入了 Squeeze-and-Excite（SE）。文章通过网络搜索得到了网络的基本结构，并进行了进一步微调。针对…
Read more
[Reading] MobileNetV2: Inverted Residuals and Linear Bottlenecks
1. 概述 MobileNetV2: Inverted Residuals and Linear Bottlenecks 一文提交于 2018 年，文章提出了一种新的移动端网络架构，称为 MobileNetV2，提高了移动端模型在多个任务上的 SOTA 性能。对于移动端的目标检测任务，文章提出了称为 SSDLite 的全新框架。此外文章还展示称为 Mobile DeepLabv3 的在移动端构…
Read more
[Reading] MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
1. 概述 MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 一文发表于 2017 年，文章提出了一种适合移动端和嵌入式平台的高效卷积网络，称为 MobbileNets，并引入了两个全局超参数，用于调整模型体积，在延迟和准确率之间进行取舍。 构建小型模型的方法主要有两种：一种…
Read more
[Reading] EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
1. 概述 EfficientNet: Rethinking Model Scaling for Convolutional Neural Network 一文提交于 2019 年，它提出了一种系统化地对模型进行缩放的方法，并通过神经架构搜索（NAS，Neural Architecture Search）得到了一系列称为 EfficientNet 的网络。EfficientNet 系列网络在达…
Read more
修改 WordPress 上传文件大小限制
在 WordPress 上传文件时，默认的上传文件上限只有 2MB，可以通过下述方式调整上限。 1. 修改 php.ini 首先修改 php.ini 中关于上传文件相关的配置，php.ini 的位置可以通过 phpinfo 获得，例如 /etc/php/7.4/fpm/php.ini，修改该文件： nano /etc/php/7.4/fpm/php.ini 在其中搜索并修改以下配置： up…
Read more
[RL Note] “行动器-评判器”方法
1. “行动器-评判器”方法 直接学习策略参数与学习价值函数并不是互斥的，二者可以结合起来：参数化策略作为行动器（actor）选择动作，价值函数作为评判器（critic）对行动器选择的动作进行评价。 对于策略参数的更新公式 \begin{equation} \boldsymbol{\mathrm{\theta}}_{t+1} \doteq \boldsymbol{\mathrm{\…
Read more
[RL Note] 估计策略的梯度
策略梯度定理给出了计算策略梯度的简单方法 \begin{equation} \nabla r(\pi) = \sum_{s} \mu_\pi(s) \sum_{a} \nabla \pi(a|s, \boldsymbol{\mathrm{\theta}}) q_{\pi}(s, a) \tag{1} \end{equation} 其中的 $\sum_{s} \mu_\pi(s)$ 需要对所有状…
Read more
[RL Note] 持续性任务的策略梯度
1. 学习策略的目标 为了改善参数化策略，首先要确定优化目标。强化学习的目标是最大化长期收益，更具体地，分幕式任务的目标是最大化收益序列构成的回报 \begin{equation} G_t = \sum_{t=0}^T R_{t} \tag{1} \end{equation} 对于持续性任务，为了使回报有限而引入折扣，目标是最大化折后回报 \begin{equation} G_t = \sum…
Read more
[RL Note] 学习参数化策略
1. 直接学习策略 前面介绍的学习策略的方法都需要先学习动作价值函数，基于广义策略迭代来改善策略。学习策略的另一种方法是通过函数逼近来表示和学习参数化的策略，此时价值函数可以用于学习策略的参数，但其对于动作选择就不是必需的了。 在参数化策略中，使用 $\boldsymbol{\mathrm{\theta}} \in \mathbb{R}^{d’}$ 表示策略的参数向量，把在 $…
Read more
[RL Note] 平均收益
1. 折扣的问题 在前文中给出了分幕式和持续性任务的目标，对于持续性任务，通过对未来的收益进行折扣来得到有限的回报，并通过折扣率来平衡短期的收益和长期的回报。 考虑如图 1 所示的 MDP，在初始状态 $S$ 可以选择向左或者向右移动，之后的一系列确定的状态和动作，直到返回状态 $S$，然后再次面临选择。从 $S$ 向左移动到第一个状态会获得 $+1$ 的收益，从右边返回状态 $S$ 会获…
Read more