深度学习入门
深度学习相关基础,pytorch框架,算法原理与代码实现详解
理解&&记忆
这个作者很懒,什么都没留下…
展开
-
Ubuntu20.04.5 install
ubuntu20.04 install原创 2023-02-09 18:25:03 · 167 阅读 · 0 评论 -
conda environment
1. nvcc -v command not found conda install -c deepmodeling cudatoolkit 2.原创 2023-02-06 19:43:56 · 224 阅读 · 0 评论 -
TSN(temporal segment networks)环境配置
TSN env config原创 2022-12-16 13:46:02 · 464 阅读 · 0 评论 -
ubuntu编译dense-flow报错
ubuntu opencv dense-flow原创 2022-12-08 14:51:54 · 621 阅读 · 0 评论 -
ubuntu编译安装opencv3.4 opencv3.4_contrib
ubuntu source code install opencv and opencv_contrib原创 2022-12-07 15:44:54 · 296 阅读 · 0 评论 -
pytorch scripy code
import os folder = ' ' files = os.listdir(folder) fp = open('./det_valid.txt', 'w') for file in files: if file.endswith('.jpg'): full_name = os.path.join(folder, file) fp.write(full_name) fp.write('\n') fp.close()原创 2022-04-15 15:50:10 · 197 阅读 · 0 评论 -
深度学习模型调试经验
1. 尽量简单 模型简单,数据简单,一般10个一下数据,经理保证模型过拟合。 2. loss设计是否合理 初始loss期望值和实际值误差是否过大,多分类例子。 初始loss测试. 数据不均衡的时候是不是可以尝试一下focal loss 3. 网络中间输出检查、网络连接检查 确认所有子网络的输入输出shape对齐,并确认全部都连接上了 梯度更新是否正确 如果参数的梯度大部分是0,那么是不是学习率太小了 时刻监测一下梯度对不对/时刻进行修正。经典问题:梯度消失,梯度爆炸。 参数的梯度是否真原创 2022-02-16 18:37:00 · 1743 阅读 · 0 评论 -
神经网络调参个人经验
神经网络搭建步骤: 1. 数据研究。 从简单到复杂,每一步我们都会对将要发生的事情做出具体的假设,然后通过实验验证这些假设,或者进行研究,直到我们发现一些问题。我们努力防止的是一次引入大量“未经验证”的复杂假设,这必然会引入错误/错误配置,这将需要花费很长时间才能找到(如果有的话)。 2. 网络调试 编写你的神经网络代码并训练一个,可以使用一个非常小的学习率和猜测,然后在每次迭代后评估完整的测试集。 神经网络流程: 1. 检查数据 数据分布,数据模式,数据平衡和bias,包括: 非常局部的特征原创 2022-02-16 18:09:24 · 504 阅读 · 0 评论 -
pytorch 依赖库问题
1. install jpeg4py error: AttributeError: 'JPEG' object has no attribute 'decompressor' OSError: Could not load libjpeg-turbo library resolve: sudo apt-get update -y sudo apt-get install -y libturbojpeg kaggle normal time 57s jpeg4py_time 29.00...原创 2021-11-19 11:10:07 · 2037 阅读 · 0 评论