原文 Multi-Scale Dynamic Convolutional Network for Knowledge Graph Embedding 出版 IEEE Transactions on Knowledge and Data Engineering Volume: 34 Issue: 5 01 May 2022 申明 版权归原文作者及出版单位所有，如有侵权请联系删除 摘要 知识图是具有不完全或部分信息的大型
when you run ./make.sh in dir DCNv2. maybe you should also change sudo python setup.py build develop into sudo /your/path/to/python setup.py build develop, when you have multiple env of python https://github.com/xingyizhou/CenterNet/issues/454
什么是特性交叉，为什么它们很重要?想象一下，我们正在建立一个向客户出售搅拌机的推荐系统。然后，客户过去的购买历史，如purchased_bananas和purchased_cooking_books，或地理特征，都是单一特征。如果一个人同时购买了香蕉和烹饪书籍，那么这个顾客更有可能点击推荐的搅拌机。purchased
DCN 概要 DCN 主要提出了一种自动学习交叉特征的cross network的网络结构 DCN 网络结构 Embedding and Stacking Layer 一般情况下，模型输入主要有两类特征：dense feature、sparse feature 把每个 sparse feature field 压缩成一个embedding然后concat dense feature送入
目录 模型结构backboneblock FPNheadprotonet最终的输出结果形势 traincfgmatch 模型结构 backbone 模型的backbone是res50，主要由四个layers组成，在输入进入每个layer之前，需要经过nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3, bias=False),norm_layer(64),nn
参考： https://github.com/llSourcell/Object_Detection_demo_LIVE/issues/6 https://stackoverflow.com/questions/52739143/opencv-error-215assertion-failed-vscncontainsscn-vdcncontainsdcn 错误发生于opencv颜色空间转换时： im_lab = cv2.cvtColor(im_bgr, cv2.COLOR_BGR2L
目标检测论文阅读：DCN v2 扬之水 Talk is cheap,show me your code. 已关注 ChenJ 、 pprp 等 43 人赞同了该文章 Deformable ConvNets v2 论文链接：https://arxiv.org/pdf/1811.11168.pdf 代码链接：尚未公开 deformable是最近非常著名的针对Obje
