学无止境、积少成多、厚积薄发

【图像分类】基于计算机视觉的坑洼道路检测和识别（2个类别）

钢轨表面缺陷分类数据集介绍（4个类别），用于图像分类任务

【表面缺陷检测】钢轨表面缺陷检测数据集介绍（2类，含xml标签文件）

【表面缺陷检测】铝型材表面缺陷检测数据集介绍（含xml标签文件）

深度学习之目标检测实战蓝皮书，专栏的目标是涵盖各个领域的目标检测实战，以实战为导向，先上手后学习，持续推进。

linux服务器上安装Anaconda3

CUD所有版本、CUDNN所有版本下载地址、CUDA版本和CUDNN版本对应关系

import tensorflow出现一堆乱七八糟的东西/home/ubuntu/anaconda3/envs/ztf/lib/python3.6/site-packages/tensorflow/python/framework/dtypes.py:526: FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be un

数据集：五种花：daisy、dandelion、roses、sunflowers、tulips数据集下载：http://download.tensorflow.org/example_images/flower_photos.tgz读取并随机打乱数据集： read_img.py# -*- coding: utf-8 -*-"""Created on Wed Jun 26 09:23:...

tf框架： os.environ[“TF_CPP_MIN_LOG_LEVEL”]的取值有4个：0，1，2，3，分别和log的四个等级挂钩：INFO，WARNING，ERROR，FATAL （重要性由左到右递增）当os.environ["TF_CPP_MIN_LOG_LEVEL"]=0的时候，输出信息：INFO + WARNING + ERROR + FATAL当os.environ["TF_CPP_MIN_LOG_LEVEL"]=1的时候，输出信息：WARNING + ERROR + FATA

在深度学习中，我们肯定会遇到一个名词张量（tensor）。对于一维、二维我们比较好理解，但是三维、四维、…、n维，我们该如何理解呢？下面我们将以pytorch深度学习框架为例进行详细介绍。

pytorch框架下的反卷积：nn.ConvTranspose2d( in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, groups=1,

main.pyfrom __future__ import print_functionimport argparseimport osimport randomimport torchimport torch.nn as nnimport torch.nn.parallelimport torch.backends.cudnn as cudnnimport torch.optim as optimimport torch.utils.dataimport torchvision.d

参考keras中文文档https://keras.io/zh/models/model/https://www.jianshu.com/p/4203a6435ab5https://blog.csdn.net/u012862372/article/details/80367607https://blog.csdn.net/ywcpig/article/details/105659637

1. 图像分类（image classification）图像分类就是识别图像中存在的内容，对图像判断出所属的分类。如下图，有人（person）、树（tree）、草地（grass）、天空（sky），只知道有没有这一类东西就行。2. 目标检测（object detection）识别图像中存在的内容和检测其位置，如下图，以识别和检测人（person）为例。可以分开不同的人并给出位置，但不能给出准确的与之对应的像素，也不用检测处图像中所有的类型。3. 语义分割（semantic segmentati

图：来源于网络。一、什么是优化算法模型内部有些参数，是用来计算测试集的真实值和预测值的偏差程度，基于这些参数，就形成了损失函数L(x)。我们需要通过优化算法来优化损失函数L(x)，使其最小化（或最大化）。比如说，权重(W)和偏差(b)就是这样的模型内部参数，通过优化算法来更新W和b，使得损失达到最小，参数逼近或达到最优值。二、优化算法分为两大类2.1. 一阶优化算法这种算法使用各个参数的梯度值来最小化(或最大化)损失函数L(x)。最常用的一阶优化算法是梯度下降。函数梯度：导数dydx\..

很难说哪个深度学习框架更好（只有更流行的）。开发caffe的贾清扬被阿里从Facebook挖跑了，贾清扬应该是在Facebook开发出来caffe2没多长时间，貌似至少是在Facebook里，pytorch把caffe干趴下了。去年google在上海的开发者大会强推了Eager Execution动态计算图，而pytorch一开始就是动态设计的。感觉tf无论是做动态计算还是整合keras作高级api，好像都是做修补工作，貌似tf的底层很混乱的样子，但奈何谷歌财大气粗，大力推广tf。保险起见，精力允.

https://blog.csdn.net/briblue/article/details/83063170https://blog.csdn.net/cpluss/article/details/81709998https://www.jianshu.com/p/1ea2949c0056

一、介绍当我们的数据集较小，只有几百几千张图片的时候，我们很难在一个新的网络结构上训练出具有很高准确率的模型，为此我们需要借助预训练网络模型（即已经训练好的网络模型，如VGG16）。我们利用自己的数据集来重新训练这些模型的分类层，就可以获得比较高的准确率。目前大部分的卷积神经网络都分为两部分，第一部分由卷积层、池化层组成的卷积基部分，主要用于特征提取；第二部分是由全连接神经网络组成的分类器，主要用于图像分类。当然，目前大部分网络逐渐使用GlobalAveragePooling代替全连接层进行分类，但我们

上一篇博客中，介绍了数据集的下载，现在开始下一个阶段，撸代码啦。(注：发现github上一处可以数据，并且有代码，不过库函数更新的太快啦，有时候download的项目是不能直接跑起来的，所以我们需要进行微调。https://github.com/maples1993/Cats_vs_Dogs)我们下载得到的数据集如下：下载得到的数据，有2个压缩包，我们将他们进行解压，得到test1文件夹和t...

第二张运行和测试的方法： run_code.py只是运行过程存的变量不同# -*- coding: utf-8 -*-"""Created on Mon Jun 24 15:02:14 2019@author: ZQQ"""import torchimport torchvisionfrom torchvision import datasets,transforms, mo...

1.什么是FLOPs？FLOPs全称：floating point operation per second意思是每秒浮点运算次数，理解为计算速度，是一个用来衡量硬件计算性能的指标。在CNN中用来指浮点运算次数；2.如何计算？在AlexNet中某一次卷积过程中，输入特征图大小：[C_in, H_in, W_in] = 3 * 224 * 224卷积核大小：[C_in, K_H, K_...

循环神经网络（Recurrent Neural Network）让模型充满记忆力，在序列问题和自然语言处理等领域取得很大的成功。RNN目前使用最多的两种变式：LSTM和GRU以上2种变式都能够很好地解决长时依赖问题。LSTM：Long Short Term Memory Networks，长的短时记忆网络它解决的仍是短时记忆问题，只不过这种短时记忆网络比较长，能在一定程度解决长时依赖的问...

# -*- coding: utf-8 -*-"""Created on Sun Jul 7 12:45:39 2019@author: ZQQ参考：https://github.com/L1aoXingyu/pytorch-beginner/blob/master/05-Recurrent%20Neural%20Network/recurrent_network.py"""i...