笔记
嘿嘿哈嘻
此人很懒,什么都没有写才怪
展开
-
yolo v1 loss
yolov1 loss学习模型输出解析7x7x30特征图并计算loss模型输出yoloV1模型最后连接两个全连接层,分别把特征图尺寸归一到4096和想要的7x7x30,怎样对7x7x30进行解析并计算loss的呢解析7x7x30特征图并计算loss模型输出:模型输出会有很多个batch,每个batch输出就像上图所示,假设为output,为7x7x30的特征图,所以对每个batch进行遍历,得到当前batch特征图,然后对每个grid进行遍历,即遍历特征图的宽和高,得到output[bi, w原创 2020-08-17 09:41:16 · 530 阅读 · 0 评论 -
卷积核卷积深度和个数的理解
卷积运算为输入的特征图input与卷积核kernel进行卷积运算,input 尺寸一般为batch*channel*width*high,然后卷积核我们一般只说两个尺寸,width * high,其实卷积核也有深度,跟input的channel数一样,然后有卷积个数,即输入特征图的个数。每次运算是,去一个batch的特征图,即channel*width*high简称c*w*h与卷积核kernel的w*h进行卷积运算,此处卷积核深度其实跟channel值一样,比如3*3*3的特征图与卷积核尺寸为3*3的卷原创 2020-08-16 12:26:56 · 10722 阅读 · 0 评论 -
LSTM学习笔记
学习自:https://blog.csdn.net/yingqubaifumei/article/details/100888147这篇文章的动图真的不错。原创 2020-08-06 21:30:42 · 140 阅读 · 0 评论 -
python jupiter安装模块
!pip install package原创 2020-05-12 00:13:17 · 535 阅读 · 0 评论