Aoulun的博客

本文已同步至公众号，欢迎关注。目录第一节 什么是多标签和多分类第二节 什么时候用多标签和多分类第三节 多分类怎么做第四节 多标签怎么做第五节 交叉熵（5.1）什么是交叉熵？（5.2）交叉熵与KL散度（5.3）如何计算交叉熵（5.3.1）两种离散概率分布（5.3.2）计算分布之间的交叉熵（5.3.3）计算分布与自身之间的交叉熵（5.3.4）使用KL散度计算交叉熵（5.4）交叉熵作为损失函数（5.4.1）计算类别标签的熵（5.4.2）计算类标签

本文已同步至公众号，欢迎关注。很多同学在搭建深度学习模型的时候，困惑于如何查看模型结构，也困惑于如何查看模型参数。本文就对其中的部分做介绍。1. 如何查看模型结构一般采用不同的深度学习框架，都会有相应的方法可以查看对应的模型结构，但是，不同的框架，采用不同的方法，有的方法还要经过很多次配置，这就给使用造成了很多麻烦。而且，如果手里只有别人的模型文件，模型的结构就无法得知了。现在博主就介绍一个工具，可以通过模型文件，来查看网络结构。如果你想仿制别人的模型，在只有模型文件的情..

tensorflow从v1升级到V2, 一般都是网络问题导致安装不成功，科学上网是解决的办法。anaconda search -t conda tensorflow会列出很多版本，找到一个版本，比如：找到一个合适版本，例如：anaconda show main/tensorflow-gpu输出信息里面会提示怎么安装，conda install --channel https://conda.anaconda.org/main tensorflow-gpu中途可能报错，找不到版本，那么去.

halide的编程教程，博主已经全部翻译完了，已经陆续更新到公众号中，希望对各位同学有所帮助。下面是完整目录，可以到对应章节去参考。博主不是伸手党，如果有同学觉得博主的翻译有用，而且希望获得翻译的原本，博主已经在下方提供了下载链接，里面包含各种对应样例，以及博主自己的翻译。当然，你也可以去官网查看原版。关注它，回复16即可获得下载链接。1基本定义halide编程技术指南（连载一）2图像处理halide编程技术指南（连载二）3检查生成的代码halid..

本文是halide编程指南的连载，已同步至公众号第19章Wrapper Funcs// 本课程演示如何使用Func:：in和ImageParam:：in在不同的位置对Func进行不同的调度，以及如何从Func或ImageParam转移加载.// On linux上这样运行:// g++ lesson_19*.cpp -g -I <path/to/Halide.h> -L <path/to/libHalide.so> -lHalide -lpthread -ldl .

本文是halide编程指南的连载，已同步至公众号第17章: 非矩形域上的约化// 本课程演示如何使用谓词定义迭代简化域子集的更新（难懂）.// linux:// g++ lesson_17*.cpp -g -I <path/to/Halide.h> -L <path/to/libHalide.so> -lHalide -lpthread -ldl -o lesson_17 -std=c++11// LD_LIBRARY_PATH=<path/to/libH.

本文是halide编程指南的连载，已同步至公众号第15章: 生成器 第一节// 本课程演示如何将halide管道封装到可重用组件（称为生成器）中.// linux这样编译运行:// g++ lesson_15*.cpp <path/to/tools/halide_image_io.h>/GenGen.cpp -g -std=c++11 -fno-rtti -I <path/to/Halide.h> -L <path/to/libHalide.so> -.

本文是halide编程指南的连载，已同步至公众号第13章 元组// 本课程介绍如何编写求多个值的函数.// 在linux系统, 按如下编译运行:// g++ lesson_13*.cpp -g -I <path/to/Halide.h> -L <path/to/libHalide.so> -lHalide -lpthread -ldl -o lesson_13 -std=c++11// LD_LIBRARY_PATH=<path/to/libHalide.s

本文是halide编程指南的连载，已同步至公众号第11章 交叉编译// 本课演示如何使用Halide作为交叉编译器，从任何平台生成任何平台的代码。// 在linux平台, 你可以像这样编译和运行它:// g++ lesson_11*.cpp -g -std=c++11 -I <path/to/Halide.h> -L <path/to/libHalide.so> -lHalide -lpthread -ldl -o lesson_11// LD_LIBRARY_P

国庆节期间，博主一直在整理数据集，发现网上大多数关于人眼的数据集不完整，有的只有睁闭眼状态的，有的虽然又瞳孔位置的，但是这个瞳孔位置用人眼的中心点作为瞳孔位置，很不专业。于是，博主一狠心，花了三四天的时间，重新标注了一个数据集。数据集描述：都是笔者用dlib在各种数据集上检测出来，然后人工打标生成的。图像大小：100*100标签：瞳孔位置x，瞳孔位置y，睁闭眼状态0或1总数：睁眼数：33635幅闭眼数：41946幅包含男女，各种光照，戴眼镜，等，均为灰度图。数..

如何查看ckpt的输入输出节点：def getinout(input_checkpoint): saver = tf.train.import_meta_graph(input_checkpoint + '.meta', clear_devices=True) graph = tf.get_default_graph() input_graph_def = graph.as_graph_def() with tf.Session() as sess: ...

修改Anaconda3权限，右键C:\ProgramData\Anaconda3 文件夹属性->安全->点击“组或用户名”中的Users->编辑把“完全控制”打钩->应用->确定在anaconda 条件下，激活tensorflow下载git clone https://github.com/onnx/tensorflow-onnx.gitcd到目录，安装python setup.py installpython -m tf2onnx.convert -

from keras.models import load_modelimport tensorflow as tfimport osimport os.path as ospfrom keras import backend as Kos.environ["CUDA_VISIBLE_DEVICES"] = "-1" def h5_to_pb(h5_model,output_dir,model_name,out_prefix = "yourname_",log_tensorbo...

本文是halide编程指南的连载，已同步至公众号第十章 halide 编译 （AOT 编译）​// 第一部分：halide的编译// 本节演示如何用halide到达传统编译器的功能，也就是提前编译.// 本课程分为两个文件。第一个构建一个halide管道并将其编译为静态库和头。第二节，使用该静态库实际运行管道。这意味着编译此代码是一个多步骤的过程。// 在linux上,你可以像这样编译和运行:// g++ lesson_10_generate.cpp -g -std=c++1...

本文是halide编程指南的连载，已同步至公众号第九章多重传递函数、更新定义和约化#include "Halide.h"#include <stdio.h>// 我们将在本课使用x86 SSE内部函数.#ifdef __SSE2__#include <emmintrin.h>#endif// 最后我们还需要一个时钟来做性能测试.#include "clock.h"using namespace Halide;// 加载PNG的支持代码.#incl.

1. 去这个地方下载你想要的opencv版本：https://opencv.org/releases.html2. 去这个地方下载你想要的opencv_contrib版本，要跟opencv版本号一致：https://github.com/opencv/opencv_contrib/releases3. 在任意地方新建一个你想要opencv编译完成后保存的目录，比如：d:/opencv/build4. 用git bash 打开cmake gui，命令行输入cmake-gui5. 在弹出的对话框wher

1. 去这个地方下载对应的版本https://developer.nvidia.com/nvidia-tensorrt-7x-download2. 下载完成后，解压。3. 将 TensorRT-7.0.0.11\include中头文件 copy 到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include4. 将TensorRT-7.0.0.11\lib 中所有lib文件 copy 到C:\Program Files\NVIDIA