深度学习
文章平均质量分 87
aidem_brown
这个作者很懒,什么都没留下…
展开
-
Pytorch的BatchNorm层使用中容易出现的问题
前言本文主要介绍在pytorch中的Batch Normalization的使用以及在其中容易出现的各种小问题,本来此文应该归属于[1]中的,但是考虑到此文的篇幅可能会比较大,因此独立成篇,希望能够帮助到各位读者。如有谬误,请联系指出,如需转载,请注明出处,谢谢。∇ \nabla ∇ 联系方式:e-mail: FesianXu@gmail.comQQ: 973926198github: https://github.com/FesianXu知乎专栏: 计算机视觉/计算机图形理论与应用转载 2021-04-27 16:31:29 · 1164 阅读 · 0 评论 -
各类数据集整理(持续更新中ing)
转自:https://zhuanlan.zhihu.com/p/84088095最近一次新增:2020.02.11大家好,先给各位抱拳了!我是和鲸(科赛http://kesci.com)的运营一枚,今天给大家分享以下我们(通过网线)奔波世界各地搜集过来的数据集们!大家有想要的也可以在评论区许愿,我去求捞数据集的小哥哥小姐姐们帮帮忙另外打一波硬广,以下所有数据集都可以在和鲸(科赛...转载 2020-03-27 19:31:58 · 13396 阅读 · 7 评论 -
caffe专题五——回归中——检测框架
https://blog.csdn.net/runner668/article/details/80436850转载 2019-04-11 21:00:33 · 159 阅读 · 0 评论 -
CNN的发展历史(LeNet,Alexnet,VGGNet,GoogleNet,ReSNet)
欢迎转载,转载请注明:本文出自Bin的专栏blog.csdn.net/xbinworld。关于卷积神经网络CNN,网络和文献中有非常多的资料,我在工作/研究中也用了好一段时间各种常见的model了,就想着简单整理一下,以备查阅之需。如果读者是初接触CNN,建议可以先看一看“Deep Learning(深度学习)学习笔记整理系列”中关于CNN的介绍[1],是介绍我们常说的Lenet为例,相信会对...转载 2019-04-02 21:05:01 · 306 阅读 · 0 评论 -
如何在VMWare的Ubuntu虚拟机中设置共享文件夹
亲测有效:Ubuntu18.04 LTS、虚拟机VMware® Workstation 14 Pro14.1.3 build-9474260、Window7自己的第一篇博文,由于时(shuǐ)间(píng)原(yǒu)因(xiàn),不知道怎么排版好看,所以诸位就暂且将就一下吧。注:笔者这里用的VMWare版本是14.0.0,但下面要讲到的方法其实在更早的版本中也是亲测可用的。1.依...转载 2019-04-09 10:38:36 · 311 阅读 · 0 评论 -
深入理解卷积层,全连接层的作用意义
有部分内容是转载的知乎的,如有侵权,请告知,删除便是,但由于是总结的,所以不一一列出原作者是who。再次感谢,也希望给其他小白受益。首先说明:可以不用全连接层的。理解1:卷积取的是局部特征,全连接就是把以前的局部特征重新通过权值矩阵组装成完整的图。因为用到了所有的局部特征,所以叫全连接。理解2:从卷积网络谈起,卷积网络在形式上有一点点像咱们正在召开的“人民代表大会制度”...转载 2019-05-11 22:14:35 · 833 阅读 · 0 评论 -
为什么要使用工厂模式
工厂的作用相当于帮助我们完成实例化的操作。优势1:一般在代码中,实例化一个类A是直接new A(),假如类A是一个完全独立的类,没有相似类,则没有必要使用工厂模式,直接new A()没有毛病。但是如果类A本身有一个相似类B,而在实际使用类A或者类B的实例时,如果关心的是类A与类B的共同部分,则工厂模式就可以体现出它的优势。比如调用数据库,所有的数据库都有插入操作insert:inter...转载 2019-05-12 10:48:00 · 873 阅读 · 0 评论 -
常用激活函数(激励函数)理解与总结
引言学习神经网络的时候我们总是听到激活函数这个词,而且很多资料都会提到常用的激活函数,比如Sigmoid函数、tanh函数、Relu函数。那么我们就来详细了解下激活函数方方面面的知识。本文的内容包括几个部分:什么是激活函数?激活函数的用途(为什么需要激活函数)?有哪些激活函数,都有什么性质和特点?应用中如何选择合适的激活函数?如果你对以上几个问题不是很清楚,下面的内容对你是有价值的。...转载 2019-06-05 16:05:35 · 392 阅读 · 0 评论 -
使用Caffe进行手写数字识别执行流程解析
之前在 http://blog.csdn.net/fengbingchun/article/details/50987185中仿照Caffe中的examples实现对手写数字进行识别,这里详细介绍下其执行流程并精简了实现代码,使用Caffe对MNIST数据集进行train的文章可以参考 http://blog.csdn.net/fengbingchun/article/details/6806...转载 2019-07-06 22:58:13 · 187 阅读 · 0 评论 -
基于深度学习的目标检测技术演进:R-CNN、Fast R-CNN、Faster R-CNN
object detection我的理解,就是在给定的图片中精确找到物体所在位置,并标注出物体的类别。object detection要解决的问题就是物体在哪里,是什么这整个流程的问题。然而,这个问题可不是那么容易解决的,物体的尺寸变化范围很大,摆放物体的角度,姿态不定,而且可以出现在图片的任何地方,更何况物体还可以是多个类别。【R-CNN:Region-based Convolutional...转载 2019-04-02 17:11:07 · 219 阅读 · 0 评论 -
深度残差网络ResNet解析
ResNet在2015年被提出,在ImageNet比赛classification任务上获得第一名,因为它“简单与实用”并存,之后很多方法都建立在ResNet50或者ResNet101的基础上完成的,检测,分割,识别等领域都纷纷使用ResNet,Alpha zero也使用了ResNet,所以可见ResNet确实很好用。下面我们从实用的角度去看看ResNet。1.ResNet意义随着网络的...转载 2019-04-02 10:57:20 · 2736 阅读 · 0 评论 -
caffe common 程序分析 类中定义类
caffe中 有 common.hpp 和common.cpp// The main singleton of Caffe class and encapsulates the boost and CUDA random number// generation function, providing a unified interface.caffe的singleton 类, 封装boo...转载 2019-01-08 21:54:24 · 201 阅读 · 0 评论 -
Caffe源码解析1:Blob
from:https://www.cnblogs.com/louyihang-loves-baiyan/p/5149628.html转载请注明出处,楼燚(yì)航的blog,http://www.cnblogs.com/louyihang-loves-baiyan/首先看到的是Blob这个类,Blob是作为Caffe中数据流通的一个基本类,网络各层之间的数据是通过Blob来传递的。这里整个...转载 2019-03-03 21:02:49 · 163 阅读 · 0 评论 -
Caffe源码解析2:SycedMem
from:https://www.cnblogs.com/louyihang-loves-baiyan/p/5150554.html转载请注明出处,楼燚(yì)航的blog,http://www.cnblogs.com/louyihangloves baiyan/看到SyncedMem就知道,这是在做内存同步的操作。这类个类的代码比较少,但是作用是非常明显的。文件对应着syncedmem...转载 2019-03-03 21:05:35 · 104 阅读 · 0 评论 -
HI3559A和AI深度学习框架caffe
from:http://blog.sina.com.cn/s/blog_156e567660102ygdf.html1、HI3559A支持深度学习框架caffe。其中的NNIE神经网络加速单元是主要的属性。2、caffe是一种快速深度学习框架和TensorFlow一样是一组标准深度学习开源框架。3、对应想尝试AI深度学习的朋友可以按照网上的流程安装一下caffe框架,安装流程网上很多也...转载 2019-03-11 18:59:13 · 3175 阅读 · 1 评论 -
Google Protocol Buffer 的使用和原理
from:https://www.ibm.com/developerworks/cn/linux/l-cn-gpb/index.html简介什么是 Google Protocol Buffer? 假如您在网上搜索,应该会得到类似这样的文字介绍:Google Protocol Buffer( 简称 Protobuf) 是 Google 公司内部的混合语言数据标准,目前已经正在使用的有超...转载 2019-03-12 14:27:45 · 205 阅读 · 0 评论 -
深度学习案例
1.neural-style:利用卷积神经网络将一幅图像的内容与另一幅图像的风格相结合https://github.com/jcjohnson/neural-style2.Nerual Doodles:把 2 位的 Doodle 转成精良的艺术品https://github.com/alexjc/neural-doodle3. srez:通过深度学习极大提高模糊图片的分辨...转载 2019-03-25 22:18:28 · 773 阅读 · 0 评论 -
【深度学习数据集】常用公开图片数据集下载
1.MNISTMNIST是一个手写数字数据库,它有60000个训练样本集和10000个测试样本集,每个样本图像的宽高为28*28。此数据集是以二进制存储的,不能直接以图像格式查看,不过很容易找到将其转换成图像格式的工具。最早的深度卷积网络LeNet便是针对此数据集的,当前主流深度学习框架几乎无一例外将MNIST数据集的处理作为介绍及入门第一教程,其中Tensorflow关于MNIST...转载 2019-03-24 15:38:57 · 1389 阅读 · 0 评论 -
常用的几种卷积神经网络介绍
常用的几种卷积神经网络介绍标签(空格分隔): 深度学习这是一篇基础理论的博客,基本手法是抄、删、改、查,毕竟介绍这几个基础网络的博文也挺多的,就算是自己的一个笔记吧,以后忘了多看看。主要是想介绍下常用的几种卷积神经网络。卷积神经网络最初为解决图像识别问题而提出,目前广泛应用于图像,视频,音频和文本数据,可以当做深度学习的代名词。目前图像分类中的ResNet, 目标检测领域占统治地位的Fast...转载 2019-03-24 15:44:21 · 566 阅读 · 0 评论 -
深度学习图像标注工具汇总
对于监督学习算法而言,数据决定了任务的上限,而算法只是在不断逼近这个上限。世界上最遥远的距离就是我们用同一个模型,但是却有不同的任务。但是数据标注是个耗时耗力的工作,下面介绍几个图像标注工具:LabelmeLabelme适用于图像分割任务的数据集制作:它来自下面的项目:https://github.com/wkentaro/labelme该软件实现了最基本的分割数据标注工作,在...转载 2019-04-01 11:13:15 · 662 阅读 · 0 评论 -
caffe caffe.cpp 程序入口分析
from:https://blog.csdn.net/u014114990/article/details/47747025caffe.cpp 程序入口分析, (1)main()函数中,输入的train,test,device_query,time。 通过下面两行进入程序。 if (argc == 2) { return GetBrewFunction(caffe::st...转载 2019-01-08 21:44:04 · 151 阅读 · 0 评论