- 博客(34)
- 资源 (11)
- 收藏
- 关注
RSS订阅原创 目标检测经典论文——YOLOv3论文翻译：YOLOv3: An Incremental Improvement（YOLOv3：增量式的改进）
YOLOv3: An Incremental Improvement YOLOv3：增量式的改进 Joseph Redmon Ali Farhadi University of Washington AbstractWe present some updates to YOLO! We made a bunch of little design changes to make it better. We also trained this new networ...
2020-07-31 17:12:21
2521
原创 目标检测经典论文——YOLOV2论文翻译：YOLO9000: Better, Faster, Stronger（YOLO9000：更好、更快、更强）
YOLO9000: Better, Faster, Stronger YOLO9000：更好、更快、更强 Joseph Redmon*†, Ali Farhadi*† University of Washington*, Allen Institute for AI† http://pjreddie.com/yolo9000/ AbstractWe introduce YOLO9000, a state-of-the-art, real-time ob...
2020-07-31 09:44:19
1529
原创 目标检测经典论文——YOLO论文翻译：You Only Look Once: Unified, Real-Time Object Detection（YOLO：统一的实时目标检测）
You Only Look Once: Unified, Real-Time Object Detection YOLO：统一的实时目标检测 Joseph Redmon*, Santosh Divvala*†, Ross Girshick¶, Ali Farhadi*† University of Washington*, Allen Institute for AI†, Facebook AI Research¶ http://pjreddie.com/yolo/...
2020-07-30 10:35:57
3990
原创 目标检测经典论文——Faster R-CNN论文翻译：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Net
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks Faster R-CNN：通过Region Proposal网络实现实时目标检测 Shaoqing Ren, Kaiming He, Ross Girshick, and Jian Sun AbstractState-of-the-art object detection networks depend on r...
2020-07-29 18:17:19
4844
原创 目标检测经典论文——Fast R-CNN论文翻译（中英文对照版）：Fast R-CNN（Ross Girshick， Microsoft Research（微软研究院））
Fast R-CNN Ross Girshick Microsoft Research（微软研究院） rbg@microsoft.com AbstractThis paper proposes a Fast Region-based Convolutional Network method (Fast R-CNN) for object detection. Fast R-CNN builds on previous work to efficiently c...
2020-07-28 21:38:02
6152
原创 目标检测经典论文——R-CNN论文翻译：Rich feature hierarchies for accurate object detection and semantic segmentation
Rich feature hierarchies for accurate object detection and semantic segmentation——Tech report (v5)用于精确物体定位和语义分割的丰富特征层次结构——技术报告（第5版）Ross Girshick Jeff Donahue Trevor Darrell Jitendra MalikUC Berkeley加州大学伯克利分校{frbg,jdonahue,trevor,malikg}@...
2020-07-27 19:43:35
5163
原创 机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第12章 利用TensorFlow自定义模型并训练(Custom Models and Training with
机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第12章 利用TensorFlow自定义模型并训练(Custom Models and Training with TensorFlow)0. 导入所需的库import tensorflow as tfimport tensorflow.keras as kerasimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as p
2020-07-23 11:25:48
1220
原创 机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第9章 无监督学习技术(Chapter9_Unsupervised_Learning_Techniques)
机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第9章 无监督学习技术(Chapter9_Unsupervised_Learning_Techniques)虽然目前大部分机器学习应用都是基于有监督学习，但实际工作生活中，大部分数据都是没有标签的。著名的人工智能大牛Yann LeCun说过：如果人工智能一个蛋糕，监督学习就像是蛋糕上的糖霜，而增强学习则蛋糕上的樱桃。（if intelligence was a cake, unsupervised learning
2020-07-22 23:00:34
1799
原创 PyTorch安装（CPU版本和CPU版本）——解决pip安装下载速度慢慢慢慢慢的问题
首先确定自己的Python环境版本，例如Python 3.5、3.6、3.7，甚至2.X等等。打开PyTorch官网：https://pytorch.org/get-started/locally/如上图所示，根据自己的系统、安装工具、编程语言以及是否使用GPU加速等等，选择合适的组合。1. 安装CPU版本例如俺老孙选择win7、pip安装工具、Python语言、None（即不使用GPU加速），下面Run this Command中会给出命令行运行的代码：pip install t
2020-07-22 21:58:09
34196
12
原创 全网最全经典卷积神经网络架构汇总——深度学习之ILSVRC竞赛(ImageNet竞赛)优胜网络结构
近年来，卷积神经网络在图像分类领域取得了巨大进展，主要表现在ILSVRC竞赛中优胜冠军从经典的机器学习算法转向深度学习算法，尤其是卷积神经网络结构。在卷积神经网络发展的历史过程中，ILSVRC竞赛功不可没，从2012年到2017年，不断涌现出新的卷积神经网络结构，并将ILSVRC竞赛中ImageNet数据集图像分类错误率降至很低的水平，一度达到甚至超越人类的水平。ILSVRC全称ImageNet Large-Scale Visual Recognition Challenge，从2010年开始举办，20
2020-07-19 21:25:25
3106
1
原创 机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第8章 降维(Dimensionality Reduction)
机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第8章 降维(Dimensionality Reduction)很多时间，用于机器学习的原始数据每个样本有成千上万个特征，这使得训练极其的缓慢，并且也无法训练得到一个好的模型，这也叫作维度灾难。机器学习中遇到如上问题时，通常进行维度减少的工作，以便将问题进行简化。降维除了能提高训练速度外，在数据可视化方面也非常有用。例如：将一个高维的数据进行降维成二维后可以在平面上进行可视化，此时可以根据可视化结果对数据进行一些直
2020-07-13 23:09:59
1521
原创 机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第15章 使用RNN和CNN处理序列(Chapter 15. Processing Sequences Using
机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第15章 使用RNN和CNN处理序列(Chapter 15. Processing Sequences Using RNNs and CNNs)循环神经网络（RNNs）一般用于序列的处理。0. 导入所需的库import tensorflow as tffrom tensorflow import kerasimport numpy as npimport matplotlib as mplfrom m
2020-07-13 22:19:10
976
原创 TensorFlow训练报错：ResourceExhaustedError: OOM when allocating tensor device:GPU:0 by allocator GPU_0_b
使用TensorFlow训练某些较大模型时会发生内存溢出，如果 已经安装了TensorFlow-GPU版本，训练时会优先调用GPU版本的TensorFlow，而一般电脑上显存比较小，很容易发生溢出，就会出现如下报错：ResourceExhaustedError: OOM when allocating tensor with shape[1024,728,1,1] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allo
2020-07-11 18:19:34
12600
1
原创 ImageNet Large Scale Visual Recognition Competition (ILSVRC)-ImageNet数据集标签名称中英文对照
0 n01440764 tench 鱼 1 n01443537 goldfish 鱼 2 n01484850 great_white_shark 鱼 3 n01491361 tiger_shark ...
2020-07-11 15:44:41
2841
1
原创 深度学习之卷积神经网络经典网络之SENet
SENet（Squeeze-and-Excitation Networks）获得了2017年ILSVR挑战赛的冠军，使得在ImageNet上的TOP-5错误率下降至2.25%。SENet综合了inception和ResNet的一些思想，inception和ResNets的扩展版本分别叫SE-Inception和SE-ResNets，SENet性能的提升源于在inception 模块和ResNets 残差单元之间加入了SE block，如下图所示：SE block分析了输出的哪些特征最有可能一起被
2020-07-11 10:21:56
1308
原创 深度学习之卷积神经网络经典网络之Xception结构
Xception结构由Keras的作者François Chollet发表于2016年（论文下载：Xception: Deep Learning with Depthwise Separable Convolutions），其在3.5亿张图像、17000个分类的大型计算机视觉任务上的效果远胜Inception-v3。与Inception-v4类似，Xception综合了GoogLeNet和ResNet的思想，使用了叫深度可分离卷积层（depthwise separable convolution），即.
2020-07-11 09:58:52
917
原创 深度学习之卷积神经网络经典网络之ResNet
ResNet由Kaiming He（何凯明）等发明（论文下载：Deep Residual Learning for Image Recognition），获得了2015年ILSVRC挑战赛的冠军，一度将TOP-5错误率降至3.6%。参加2015年挑战赛区的ResNet网络深度达到152层，比起以前的卷积神经网络，深度越来越深，但参数越来越少。ResNet使用了一种叫做残差学习（residual learning）的方法，即将输入越过几层直接添加到后面层的输出上，此时模型不再是简单地拟合目标函数h(x)，
2020-07-11 09:43:50
2494
原创 深度学习之卷积神经网络经典网络之VGGNet
VGGNet由Karen Simonyan和Andrew Zisserman发明，获得2014年ILSVRC挑战赛的亚军。VGGNet结构比较经典和简单，2到3个卷积层加1个池化层，根据卷积层数量的不同主要有VGG-16和VGG-19两个版本，卷积层之后有两个全连接层和输出层，网络中全部使用3x3的卷积核，...
2020-07-11 09:04:18
534
原创 深度学习之卷积神经网络经典网络之GoogLeNet
GoogLeNet由Christian Szegedy等开发并在2014年ImageNetILSVRC挑战赛冠军，论文：Going Deeper With Convolutions（点击下载），为了致敬卷积神经网络的鼻祖LeNet-5，GoogLeNet将L字母大写。GoogLeNet相比于以往的卷积神经网络其深度更深，同时在网络中添加了inception的结构，这使得GoogLeNet更加有效地使用参数，GoogLeNet参数量比AlexNet少10倍左右。Inception结构下图所..
2020-07-11 00:18:26
582
原创 深度学习之卷积神经网络经典网络之AlexNet
Alex卷积神经网络源于由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton三人在2012年发表的论文：ImageNet Classification with Deep Convolutional Neural Networks（点击下载论文），AlexNet获得2012年ImageNet ILSVRC挑战赛的冠军。Alex类似于LeNet-5，但是比LeNet-5更大更深。AlexNet卷积神经网络架构为了降低过拟合，AlexNet使..
2020-07-10 23:41:22
705
原创 机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第13章 使用TensorFlow加载和预处理数据(Chapter13 Loading and Preproces
目前为止，我们只使用了能放在内存中的数据集，而深度学习往往使用非常大而无法放在RAM中的数据集。其它深度学习库可能对处理这种大型数据集比较棘手，但是TensorFlow很容易完成，这得归功于其数据API(Data API)，即只需创建一个数据对象，然后赋值其数据位置和转换方法即可。TensorFlow会处理好各种细节，例如多线程、队列、批处理等等。同时TensorFlow数据API与tf.keras合作非常好。TensorFlow数据API可以读取文本文件、二进制文件。TFRecord是一个易用且高效的
2020-07-10 17:22:48
1389
原创 ModuleNotFoundError: No module named ‘person_pb2‘报错解决方案
1. 安装protoc：从https://github.com/protocolbuffers/protobuf/releases下载合适版本的protoc。例如：下载protoc-3.12.3-win64.zip下载完后解压，将bin目录添加到环境变量PATH中，或者在解压目录bin/下，按住shift键，鼠标右击，选择"在此处打开命令窗口"打开cmd，然后执行如下命令：protoc person.proto --python_out=. --descriptor_set_out=pers
2020-07-09 23:54:09
2950
原创 AttributeError: module ‘google.protobuf.descriptor‘ has no attribute ‘_internal_create_key‘报错解决方案
使用protobuf报错如下：AttributeError: module 'google.protobuf.descriptor' has no attribute '_internal_create_key'AttributeError: module 'google.protobuf.descriptor' has no attribute '_internal_create_key'解决方案：1. 查看protoc的版本，在命令行输入如下代码：protoc --vers.
2020-07-09 23:46:16
14751
5
原创 机器学习实战：基于Scikit-Learn、Keras和TensorFlow 第2版Hands-on Machine Learning with Scikit-Learn, Keras, and Te
前言（Preface）第一部分 机器学习基础（Part I. The Fundamentals ofMachine Learning）第1章 机器学习概述（Chapter 1. The Machine LearningLandscape）（待更新）第2章 端到端机器学习项目（Chapter 2. End-to-End MachineLearning Project）第3章 分类（Chapter 3. Classification）第4章 训练模型（Chapter 4. Trai...
2020-07-08 23:54:48
6601
2
原创 机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第11章 训练深度神经网络
训练深度神经网络并非易事，常常会遇到如下问题：梯度消失和爆炸问题，导致神经网络前面的层无法得到很好地训练 数据不足，或者标注代价太大 训练速度极慢 参数较多时很容易过拟合，尤其是在数据量不足或数据存在大师噪声时0. 导入所需的库import tensorflow as tfimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport osfor
2020-07-08 21:51:49
1347
原创 机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第10章 利用Keras搭建人工神经网络概述(Chapter 10. Introduction to Artifi
ANNs: artificial neural networks，人工神经网络，受人类大脑生物神经元的启发。人工神经网络是深度学习的核心，其应用广泛、强大并且扩展性好。深度学习在很多IT公司都有布局，例如Google Images、Apple Siri、YouTube视频推荐、DeepMind AlphaGo等等。0. 导入所需的库import tensorflow as tfimport matplotlib as mpl%matplotlib inlineimport matplot
2020-07-06 23:40:08
1747
原创 人工智能机器学习深度学习神经网络优化器大全
SGD RMSprop Adam Adadelta Adagrad Adamax Nadam Ftrl
2020-07-05 23:59:09
204
原创 TensorFlow激活函数大全
参考网址：https://keras.io/api/layers/activations/1. ReLU函数Relu函数的作用是求最大值，其公式为：在实数定义域内连续，但在0处不可微，但在实际应用中如果碰到0处求导的情况，默认直接让其导数等于0，这样就解决了0处不可导的问题。ReLU用于激活函数的优点是计算导数简单，如果X大于0，导数为1，如果X小于0，导数为0。tf.keras.activations.relu(x, alpha=0.0, max_value=None, thresh
2020-07-05 23:05:40
3283
原创 深度学习Python人工智能框架TensorFlow2安装
TensorFlow有两个版本：CPU和GPU。GPU版本TensorFlow-GPU安装请参考：https://blog.csdn.net/Jwenxue/article/details/89300028本文介绍TensorFlow CPU版本的安装，使用python pip命令就可以安装TensorFlow：pip install tensorflow直接使用pip install tensorflow安装时由于服务器在国外，导致下载速度很慢很慢很慢，可能会报超时错误。因此可以指定国内
2020-07-05 22:27:16
213
原创 TensorFlow2损失函数大全
本文汇总了TensorFlow2中的所有损失函数：1. L1范数损失计算预测值与标签值之间的绝对误差的平均值：tf.keras.losses.MAE(y_true, y_pred)参数：y_true 标签值 y_pred 预测值 返回值：绝对误差的平均值。别名：tf.keras.losses.mae, tf.keras.losses.mean_absolute_error, tf.keras.metrics.MAE, tf.keras.metrics
2020-07-04 23:30:21
4938
3
原创 机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第7章 集成算法和随机森林
在机器学习中，通常情况下综合多个机器学习算法模型的预测结果往往比单个算法的结果要好，包括这些机器学习算法中效果最好的那个。将综合多个机器算法结果的这种方法称作集成。随机森林就是通过一个训练集训练很多个随机的决策树，最终综合这些决策树的结果达到不错的效果。常见的集成算法有：bagging, boosting, stacking集成算法的主要实现方式有两类：一是集成不同类型的算法，二是在不同的训练集子集上使用相同的算法。0. 导入所需的库import numpy as npimport
2020-07-02 20:49:34
1799
1
原创 机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第5章 支持向量机(Support Vector Machine)
支持向量机（SVM）是非常强大的机器学习算法，支持线性和非线性的分类任务、回归任务，甚至可以完成离群值检测任务。SVM是机器学习最受欢迎的算法之一，特别适合于比较复杂的中小型数据集上进行建模，如果数据集比较大SVM就显得比较吃力。SVM的核心思想是：生成一条决策边界，使得决策边界离最近点的距离越远越好。0. 导入所需的库import numpy as npimport matplotlib.pyplot as pltimport matplotlib as mpl%matplotlib
2020-07-02 00:56:56
1372
原创 机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第6章 决策树(Decision Trees)
与SVM类似，决策树可以完成分类和回归任务，甚至可以完成多输出任务。决策树也是随机森林的基础组成部分，随机森林就是通过组合不同的大小(深度)的决策树达到很好的效果。0. 导入所需的库import sklearnimport numpy as npimport matplotlib as mpl%matplotlib inlineimport matplotlib.pyplot as pltimport osfor i in (sklearn, np, mpl): prin
2020-07-02 00:33:57
2183
原创 CalledProcessError: Command ‘[‘dot‘, ‘-Tsvg‘]‘ returned non-zero exit status 1. [stderr: b“Error: 「s
在jupyter notebook中使用graphviz显示决策树模型图形时出现如下报错：CalledProcessError: Command '['dot', '-Tsvg']' returned non-zero exit status 1. [stderr: b"Error: <stdin>: syntax error in line 1 near 'None'\r\n"]Error: <stdin>: syntax error in line 1 near 'N.
2020-07-01 10:49:09
4782
6
yolov5x.zip
2020-08-09
yolov3-spp.zip
2020-08-09
yolov5l.zip
2020-08-09
yolov5m.zip
2020-08-09
yolov5s .zip
2020-08-09
在家宽带上网体验IPv6世界的极速魅力.pdf
2020-05-09
世界人工智能产业发展蓝皮书-2018年版
2018-12-20
CentOS7系统管理与运维实战.pdf
2018-04-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人