- 博客(8)
- 收藏
- 关注
RSS订阅原创 "libcudnn.so.5 cannot open shared object file: No such file or directory"
解决方法：sudo ldconfig /usr/local/cuda/lib64
2017-09-09 16:05:38
1034
2
转载 欢迎使用CSDN-markdown编辑器
接下来的任务： 1、参加比赛：研究一下如何进行实现细粒度分类 现有想法：深度的残差网络 基于attention的CNN网络 2、下一步的科研方向 如何在现阶段的深度学习大规模的数据集下加速训练过程，着眼于训练集的尺寸压缩，试图寻找具有代表性的训练样本，才保证精度的前提下缩短深度学习的训练时间 现有想法：传统机器学习的PCA 训练集的高维度聚类 3、端对端的车牌识别
2017-07-06 22:33:41
245
原创 DAY 5 RCNN总结
根据最近自己看的有关RCNN的论文、博客结合自己的理解对RCNN这一系列包括RCNN 、FAST、FASTER等做一个学习总结。主要按照数据在CNN中的不同阶段进行总结：预选框获取、预选框处理、CNN训练、类别判别及边框回归 1、预选框获取RCNN：在RCNN中，选取预选框 region proposal是通过matlab编译的selective search模块完成的，单张图选取2000左右的
2017-06-13 10:27:29
382
原创 DAY 4 初识fast-r-cnn
R-CNN等传统弊端：基本步骤：通过select选取候选框，一般每张图2000个左右对每张候选框图进行深度学习，提取特征将特征送到分类器，如svm进行判别使用精准回归对候选框进行修正 问题：训练速度慢，候选框之间存在大量的重复，提取特征速度慢训练所需大量内存空间，大量的特征。 主要原因就是R-CNN在深度学习之前进行候选框提取，造成大量重叠的候选框需要进行特征提取。 改进：
2017-06-02 21:48:18
328
原创 Day 3 CNN进阶之旅
一、CNN基础知识- 激活函数：激活函数并不是去激活什么，而是指如何把“激活的神经元的特征”通过函数把特征保留并映射出来（保留特征，去除一些数据中是的冗余），这是神经网络能解决非线性问题关键。常用sigmod tanh relu - ① sigmod和tanh需要对数据进行归一化 否则大部分数据可能会落入平坦区间而relu不需要，relu = max(x,0) 最终形成包含0元素的稀疏矩阵；ta
2017-05-25 19:02:47
546
原创 Day 2 CNN进阶之旅
windows下配置python+theano+keras环境 1、使用Anaconda Prompt安装对应的packages 安装顺序：libpython->mingw->theano->keras 安装完mingw后需要在patn中添加环境变量 C:\ProgramData\Anaconda3\MinGW\bin C:\ProgramData\Anac
2017-05-24 13:25:19
354
原创 Day 1 CNN进阶之旅
Day 1 CNN进阶之旅 注：“希望通过记录的方式逐步提升自己”配置简单的python基础环境：pycharm + python3.6（3.5 2.6）+anaconda安装opencv 分别在python2 python3 和 anaconda3都完成安装opencv。开始不知道如何在anaconda中使用pip安装package，后来baidu得知可以通过anac提供的prompt命令行
2017-05-23 22:24:33
592
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人