2017年05月_hjimce

10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创深度学习（六十二）SqueezeNet网络设计思想笔记

1、尽量用1*1的卷积核替代3*3的卷积核尽可能选择1*1的卷积核为主，因为1*1的卷积核比3*3的卷积核参数少了9倍。2、引入Squeeze layer，尽量减少每一层的输入特征图数量比如对于3*3的卷积层，参数的个数是：(number of input channels) * (numbe

2017-05-30 11:09:30 3270 3

原创从零开始编写深度学习库（五）Eigen Tensor学习笔记2.0

1、extract_image_patches函数的使用：假设Eigen::Tensor形状为(3,8,8,9),现在要对第二维、第三维根据size大小为(2,2),stride=(2,2)，那么如果tensor类型是rowmajor类型，那么经过extract_image_patches后的数据就是(3,4*4,2,2,9)的5维数组，如果tensor类型是colmajor类型，那么得到的数据就

2017-05-26 11:04:31 4250 1

原创 linux 记录

1、硬盘挂载：(1)查看需要挂载的硬盘号：sudo fdisk -l(2)编辑fstab文件:sudo vim /etc/fstab在最后面添加需要挂载的硬盘：/dev/sdb5 /home/research/disk1 ext4 defaults 0 0/dev/sda /home/research/disk3 ext4 defaults 0 0上面分别挂载了sda、

2017-05-23 19:10:09 740

原创深度学习（五十七）tensorflow andorid yolo物体检测测试

一、修改tensorflow/workspace文件，取消android相关注释# Uncomment and update the paths in these entries to build the Android demo.android_sdk_repository( name = "androidsdk", api_level = 24, # Ensure t

2017-05-17 14:50:22 4453 8

原创从零开始编写深度学习库（五）ConvolutionLayer CPU编写

从零开始编写深度学习库（五）ConvolutionLayer CPU编写

2017-05-15 20:32:14 1536

原创 Eigen datamap 问题

eigen的MapMatrixdouble,4,4,RowMajor> > M(data);默认数据data是根据colmajor进行存储，但是实际上外部数据数据data我们一般是rowmajor

2017-05-15 11:23:36 953

原创从零开始编写深度学习库（四）Eigen::Tensor学习使用及代码重构

一、矩阵大小可变构造函数：Class Tensor// Create a tensor of rank 3 of sizes 2, 3, 4. This tensor owns// memory to hold 24 floating point values (24 = 2 x 3 x 4).Tensor t_3d(2, 3, 4);//构建一个float类型，3维矩阵，每一维的长度分别为

2017-05-12 11:00:54 17061 4

原创从零开始编写深度学习库（三）ActivationLayer网络层CPU实现

一、C++实现： static void CActivationLayer::relu_forward(const Eigen::MatrixXf &inputs,Eigen::MatrixXf &outputs){ outputs = inputs.cwiseMax(0); } static void CActivationLayer::relu_backward(const Eigen

2017-05-11 17:32:20 2884

原创从零开始编写深度学习库（二）FullyconnecteLayer CPU编写

一、C++实现 //y=x*w+b static void CFullyconnecteLayer::forward(const Eigen::MatrixXf &inputs, const Eigen::MatrixXf &weights, const Eigen::VectorXf &bais , Eigen::MatrixXf &outputs) { outputs = inpu

2017-05-11 15:04:28 2084

原创从零开始编写深度学习库（一）SoftmaxWithLoss CPU编写

一、C++实现void softmax_function(const Eigen::MatrixXf &inputs,Eigen::MatrixXf &softmax) { softmax = inputs.array().exp(); Eigen::VectorXf sorfmax_rowsum = softmax.rowwise().sum(); softmax = softmax.ar

2017-05-11 11:15:23 3717

递归双边滤波（图像处理）

图像保边缘去噪算法，速度远高于传统双边滤波

2014-11-20

B样条曲线的绘制（c++语言MFC）

运行后，用鼠标输入控制顶点，然后点击菜单栏的生成B样条曲线，即可生成B样条曲线。可生成多条B样条曲线

2013-07-05

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人