深度学习
文章平均质量分 57
爱学习的图灵机
计算机新生努力学习
展开
-
计算机视觉的深度学习 Lecture15:Object Detection 笔记 EECS 498.007/008
RCNN解决方案:区域选择:使用proposal method预先搜索图片上目标的“可能区域”(或者叫ROI)(不是滑动窗口的box),之后可以在“可能区域”上做图像分类+检测(RCNN)卷积之后的一个grid对应于一个指定大小的Anchor box,这个gird经过RPN可以预测他对应的Anchor是否存在一个目标(object)、是一个二分类问题。基于Region,就是在启发式方法搜得的部分区域中(ROI)进行分类,并且还会做一个变换–在一个ROI中检测出的框子可以偏离原ROI的中心坐标、修改框子大小。原创 2023-05-13 21:22:00 · 528 阅读 · 1 评论 -
计算机视觉的深度学习 Lecture4:Regularization + Optimization 笔记 EECS 498.008
SGD通过每次抽取一部分(mini-batch)来计算梯度,而不是遍历整个数据集来求梯度,大大增大了求梯度速度,并且性能不怎么受影响。AdaGrad在梯度大时步子变小,梯度小时步子变大。注意这个等价是全过程等价,如果只挑选其中一步是不同的。概率视角:通过随机抽样mini-batch求出的梯度,在期望上等于用全部样本计算的梯度。Nesterov看下一步的走向,动量下降看当前走向,区别不大;、等高线图,也就是垂直方向梯度变化大,水平方向梯度变换缓。现在我们可以看到,两个更新式子在数学上是等价的。原创 2023-05-13 12:47:10 · 553 阅读 · 0 评论 -
计算机视觉的深度学习 Lecture4:Optimization 笔记 EECS 498.008
通过每次抽取一部分(mini-batch)来计算梯度,而不是遍历整个数据集来求梯度,大大增大了求梯度速度,并且性能不怎么受影响。AdaGrad在梯度大时步子变小,梯度小时步子变大。注意这个等价是全过程等价,如果只挑选其中一步是不同的。概率视角:通过随机抽样mini-batch求出的梯度,在期望上等于用全部样本计算的梯度。Nesterov看下一步的走向,动量下降看当前走向,区别不大;、等高线图,也就是垂直方向梯度变化大,水平方向梯度变换缓。现在我们可以看到,两个更新式子在数学上是等价的。原创 2023-05-12 00:27:04 · 268 阅读 · 0 评论 -
计算机视觉的深度学习 Lecture5:Neural Networks 笔记 EECS 498.008
事先思考一下loss的可能值有助于debug。如果W随机为高斯分布,μ为0.001,那么下面sj-syi就会很小,Li的值接近C-1,C为分类数。所以如果写在C10上的线性分类器,一开始的单类loss不在2.3附近,很可能代码有bug。,在CIFAR10上有十类,所以平均来看Li约等于log(10) = 2.3。如果score都是随机很小的数,近似意义上最后每一个类得到的。所以一开始能估计出loss的大概值是很有用的。注意到每一行完成一类的分类。原创 2023-05-12 00:27:06 · 346 阅读 · 0 评论 -
计算机视觉的深度学习 Lecture2 笔记 EECS 498.008
要对图上的蓝点进行分类,每多一个维度,所需要样本量就要翻几倍,指数增长之后没办法收集到如此多的数据。学过数学分析的会给出一堆不能拟合的奇奇怪怪的函数。不过这样可能会导致最后才发现算法的效果不好。),这根本不可能,而且这还是非常小的数据。的灰度图像,就需要数据集达到极大的数量来训练原创 2023-05-12 00:24:56 · 390 阅读 · 0 评论 -
打包注意1
加这四个东西,然后把weights,yolov5,qss放入原创 2022-05-13 17:50:19 · 191 阅读 · 0 评论 -
win10已有conda环境下,在非conda环境pip安装包
如图,下方是conda环境的变量,其中有一条E:Software\anaconda\Scripts 这个就是说这个路径下的文件可以用于cmd调用。如pip就在里面。所以如果你想用pip安装包到非conda环境,用的是这pip的化,只会装到conda环境里面。所以我在上面加了一条Python37_64\Scripts, 这样就是这个python环境更优先,不激活conda环境下就可以直接撞到这个python环境下。...原创 2022-05-08 17:53:10 · 1281 阅读 · 0 评论 -
Win10 安装pytorch-gpu版本的坑
用官网指令安装torch是cpu版本的.可以用torch.__version__查看,是1.xx+cpu. 如果要安装GPU的去这个里面找对应版本. 这里我用的是cu113/torch-1.10.2%2Bcu113-cp36-cp36m-win_amd64.whl这个,torch1.10,2,cuda11.3注意cp指的是python版本.另外如果之前有装过cuda的其他版本,再次安装不会覆盖.如果测试nvcc -V 还是老版本,删除老版本的cuda的环境变量就可以....原创 2022-04-22 19:58:43 · 2062 阅读 · 0 评论 -
让AI玩俄罗斯方块 UCL ENGF2 CA4.1 作业
作业内容你的代码应该放在player.py中。player是一个class,它具有一个名为chooseaction的函数。这个函数会在每次玩家需要一个动作时调用。你所写的选择动作函数应该根据棋盘的状态来决定采取什么行动。•board.falling包含有关当前下落块的信息;最重要的是,它的形状(board.falling.shape)和单元格的坐标(board.falling.cells)。这个形状是enumshape的一个实例(instance),它的定义可以在board.py中找到。•boa原创 2020-11-24 15:02:51 · 567 阅读 · 0 评论 -
cudnn cuda 安装
安装CUDA和CUDNN访问https://developer.nvidia.com/cuda-gpus查询自己的gpu是否在网站的列表内,如果在则访问https://developer.nvidia.com/cuda-downloads下载自己显卡驱动所对应的cuda版本,安装。访问https://developer.nvidia.com/cudnn获取cudnn,将cudnn内的文件拷贝到cuda安装目录下的同名目录下即可。2.虚拟环境配置访问https://www.anaconda.com/.原创 2020-06-11 09:29:48 · 393 阅读 · 0 评论 -
Batch Normalization论文翻译——中英文对照
Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate ShiftAbstractTraining Deep Neural Networks is complicated by the fact that the distribution of each layer’s inputs changes during training, as the parameters of the pr转载 2020-06-04 09:54:14 · 1969 阅读 · 0 评论 -
tensorflow快速建立简单模型
1.占位符决定输入格式x=tf.placeholder(tf.float32,[None,6],name="X")#行数为none 可以决定代如多少样本y=tf.placeholder(tf.float32,[None,1],name="Y")譬如一张表有6列数据 每次带入一批次 ,那么第二维就是62.超参数train_epochs=10000learnrate=0.001batch_size=1000loss_list=[]3.网络结构定义会话空间with tf.name_sc原创 2020-05-27 18:55:57 · 436 阅读 · 0 评论 -
panda/numpy数据分析1
1.pands基础使用1.1导入import numpy as npimport pandas as pd1.2 基本对象1)SeriesIn [3]: s = pd.Series([1, 3, 5, np.nan, 6, 8])In [4]: sOut[4]: 0 1.01 3.02 5.03 NaN4 6.05 8.0dtype: float642)DataFramedates = pd.date_range('20130101'原创 2020-05-23 00:22:01 · 446 阅读 · 0 评论 -
Darknet/yolo-VS2017+OPENCV 编译环境配置
准备工作:OPENCV 3.4.10 https://opencv.org/releases/VS2017 https://visualstudio.microsoft.com/zh-hans/安装VS2017要选择CUDA https://developer.nvidia.com/cuda-downloads自行查询显卡对应版本 本文使用cuda10.1要能在Visual Stu...原创 2020-05-05 00:32:21 · 1287 阅读 · 2 评论 -
深度学习——处理voc标签集和数据集匹配
import osimport numpy as np# 设置初始目录file_dir1 = r'D:\Safehat\yolo3-keras2-self\VOCdevkit\VOC2007\Annotations/'#xml文档目录file_dir2 = r'D:\Safehat\yolo3-keras2-self\VOCdevkit\VOC2007\JPEGImages/'#图片目录 ...原创 2020-04-02 10:23:45 · 533 阅读 · 0 评论 -
python删除指定文件名的文件
import ospath="C:/Users/tulingji/Desktop/测试/mp4img"files=os.listdir(path)j=0for i ,f in enumerate(files): if j%15==0: print(i) else: os.remove(path + "/" + str(i) + ".jpg"...原创 2020-04-02 10:21:46 · 1602 阅读 · 0 评论 -
深度学习:数据集生成-处理不带difficult的voc标签
示例<--有difficult--></object><object> <name>person</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>1</difficult&...原创 2020-04-02 10:08:25 · 3330 阅读 · 3 评论 -
使用opencv读取摄像头并将切分帧为图片
import cv2import matplotlib.pyplot as pltfrom PIL import Imagefrom nets.yolo3 import yolo_bodyfrom keras.layers import Inputfrom yolo import YOLOimport tensorflow as tfimport numpyconfig = tf....原创 2020-04-02 10:00:59 · 578 阅读 · 0 评论