深度学习
文章平均质量分 83
Dove_1234
这个作者很懒,什么都没留下…
展开
-
python神经网络学习数据增强及预处理示例详解
学习前言进行训练的话,如果直接用原图进行训练,也是可以的(就如我们最喜欢Mnist手写体),但是大部分图片长和宽不一样,直接resize的话容易出问题。除去resize的问题外,有些时候数据不足该怎么办呢,当然要用到数据增强啦。这篇文章就是记录我最近收集的一些数据预处理的方式处理长宽不同的图片对于很多分类、目标检测算法,输入的图片长宽是一样的,如224,224、416,416等。直接resize的话,图片就会失真。但是我们可以采用如下的代码,使其用padding的方式转载 2022-05-19 10:02:15 · 3134 阅读 · 0 评论 -
Swin Transformer实战: timm使用、Mixup、Cutout和评分一网打尽,图像分类任务
摘要本例提取了植物幼苗数据集中的部分数据做数据集,数据集共有12种类别,演示如何使用timm版本的Swin Transformer图像分类模型实现分类任务已经对验证集得分的统计,本文实现了多个GPU并行训练。通过本文你和学到:1、如何从timm调用模型、loss和Mixup?2、如何制作ImageNet数据集?3、如何使用Cutout数据增强?4、如何使用Mixup数据增强。5、如何实现多个GPU训练和验证。6、如何使用余弦退火调整学习率?7、如何使用classifica转载 2022-05-19 09:44:50 · 3475 阅读 · 0 评论 -
MixNet实战:使用MixNet实现图像分类(一)
MixNet实战:使用MixNet实现图像分类文章目录MixNet实战:使用MixNet实现图像分类 安装包 1、安装timm 2、安装apex 数据增强Cutout和Mixup 项目结构 计算mean和std 生成数据集论文翻译:https://wanghao.blog.csdn.net/article/details/124779609模型解析以及pytorch源码:https://wanghao.blog.csdn.net/article/details/1.转载 2022-05-19 08:05:25 · 438 阅读 · 0 评论 -
一文详解什么是可解释AI
摘要:本文带来什么是可解释AI,如何使用可解释AI能力来更好理解图片分类模型的预测结果,获取作为分类预测依据的关键特征区域,从而判断得到分类结果的合理性和正确性,加速模型调优。1. 为什么需要可解释AI?在人类历史上,技术进步、生产关系逻辑、伦理法规的发展是动态演进的。当一种新的技术在实验室获得突破后,其引发的价值产生方式的变化会依次对商品形态、生产关系等带来冲击,而同时当新技术带来的价值提升得到认可后,商业逻辑的组织形态在自发的调整过程中,也会对技术发展的路径、内容甚至速度提出诉求,并当诉求得.转载 2022-05-23 13:41:43 · 447 阅读 · 0 评论 -
解决Mac M1 无法安装paddle问题
解决Mac M1 无法安装paddlepaddle问题简介首先,目前paddle官方没有支持M1芯片,但是M1芯片支持Rosetta转译x86。但我们又不想直接在Mac自带python环境上安装python包,可以尝试使用【miniforge】。miniforge原生支持 Apple Silicon M1,但miniforge的python是不支持rosetta2转译的,可以强制设置为rosetta2转移的python去安装。安装环境以下步骤已在该环境下验证成功,测试环境:MacBook Pr原创 2021-09-04 23:38:32 · 4452 阅读 · 9 评论 -
神经网络的介绍
神经网络的介绍目标知道神经网络的概念知道什么是神经元知道什么是单层神经网络知道什么是感知机知道什么是多层神经网络知道激活函数是什么,有什么作用理解神经网络的思想1. 人工神经网络的概念人工神经网络(英语:Artificial Neural Network,ANN),简称神经网络(Neural Network,NN)或类神经网络,是一种模仿生物神经网络(动物的中枢神经系统,特别是大脑)的结构和功能的数学模型,用于对函数进行估计或近似。和其他机器学习方法一样,神经网络已经被用于解决各翻译 2021-08-06 15:04:00 · 213 阅读 · 0 评论