- 博客(9)
- 收藏
- 关注
转载 pytorch教程之nn.Module类详解——使用Module类来自定义网络层
转自:pytorch教程之nn.Module类详解——使用Module类来自定义网络层_MIss-Y的博客-CSDN博客前言:前面介绍了如何自定义一个模型——通过继承nn.Module类来实现,在__init__构造函数中申明各个层的定义,在forward中实现层之间的连接关系,实际上就是前向传播的过程。事实上,在pytorch里面自定义层也是通过继承自nn.Module类来实现的,我前面说过,pytorch里面一般是没有层的概念,层也是当成一个模型来处理的,这里和keras是不一样的。前面
2021-12-07 10:31:41
961
1
原创 RNNPool ——使得人脸识别在RAM只有256KB的STM32上运行成为可能
Github地址:https://github.com/Microsoft/EdgeMLPaper地址:https://www.microsoft.com/en-us/research/publication/rnnpool-efficient-non-linear-pooling-for-ram-constrained-inference/RNNPool为微软提出的可跑在STM32上的人脸检测模型,主要是通过将其中的大部分卷积部分替换为文中提到的RNNPool layer部分,使之在计算量/.
2021-01-18 15:49:15
793
原创 firefly-RK3399(Ubuntu16.04)安装配置深度学习tensorflow、keras环境
环境依赖python3.5/python3.6 tensorflow 1.14.0 keras 2.3.1 opencv 3.4.9 1.烧录Ubuntu16.04固件烧录平台及所需工具 win10 DriverAssitant_v4.5 Android toolv2.65 FIREFLY-RK3399-UBUNTU16.04-GPT-20190403-1019.img(Ubuntu16.04镜像) 烧写步骤详见RK3399烧写参考链接烧写过
2020-07-02 15:01:10
1773
翻译 《Learning Deep Features for Discriminative Localization》——CAM热力图翻译及划重点
摘要 在这项工作中, 我们重新审视了《 Network in network》中提出的全局平均 池化层(global average pooling),并阐明了它是如何通过图片标签就能让卷积神经网络具有卓越的定位能力。虽然这项技术以前被当做正则化训练的一种方法,但是我们发现它实际构建了一种通用的适用于各种任务的能定位的深度表示。尽管global average pooling很简单,我们仍然能够在2014年的ILSVRC物体定位比赛中得到37.1%的top-5错误率,与CNN的34.2%top-5错误率非常
2020-06-30 11:21:54
814
原创 深度学习常见的提高性能的调参技巧
深度学习相关调参技巧相关Paper:http://arxiv.org/abs/1812.011871.启发式算法 线性学习率缩减(Linear scaling learning rate) 大的batchsize会减少梯度噪声训练过程中,学习率大小随着batch_size的增大而增大是可行的,如初始化lr=0.1Batch_size=256,则训练过程中batch_size大小增大为b,则lr=0.1*b/256...
2020-06-30 11:06:26
676
原创 目标检测(Object Detection)模型中mAP( mean Average Precision)计算方法
mAP计算方法mAP: mean Average Precision, 即各类别AP的平均值AP: PR曲线下面积,其实是在0~1之间所有recall值的precision的平均值。PR曲线: Precision-Recall曲线 Precision: TP / (TP + FP)精确率(Precision)是针...
2020-01-10 15:11:27
519
原创 Opencv 基础知识点整理——对比度增强
对比度增强 对比度增强的常见方法:线性变换、分段线性变换、伽马变换、直方图正规化、全局直方图均衡化、局部自适应直方图均衡化(限制对比度的自适应直方图均衡化) 灰度直方图:概括了一幅图像的灰度级信息。灰度直方图横坐标为灰度级范围即0-255,纵坐标为每个灰度值在图像中出现的次数 线性变换:即通过y=ax+b的线性变换来改变图像的对比度和亮度。x为原像素值,改变a便改变...
2018-07-24 11:45:49
4626
1
原创 Opencv 基础知识点整理——几何变换
几何变换 分两个步骤:空间坐标变换→插值算法空间坐标变换包括三类:仿射变换、投影变换、极坐标变换仿射变换:仿射变换的功能就是实现图片的平移、缩放、旋转。实现此功能的核心是拥有一个仿射变换矩阵,如下所示:其中矩阵A即为仿射变换矩阵,此矩阵需自己提供。进行仿射变换之后就需要用到插值算法才能将其运用到几何变换的图像中去。主要原因是插值后的坐标点有可能不是整数,插值是将...
2018-07-24 11:41:25
478
原创 机器学习——SVM(Support Vector Machine)支持向量机原理
线性可分数据我们定义一条直线,,将上图的数据分为蓝、红两部分,则f(x)称为决策边界(Decision Boundary),这是非常简单和高效的,这类可以通过一条直线(或高维超平面)分离的我们称为是线性可分的。但在上图中,我们可以看到多条线都可以将数据分开,我们要取哪条呢?很显然,我们要取离所有的点尽可能远的线,这样做的理由是输入数据中有可能有噪声点的存在,这些数据不应影响分类的准确性...
2018-07-22 11:36:49
917
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