DL
文章平均质量分 58
danmeng8068
这个作者很懒,什么都没留下…
展开
-
循环神经网络
讲解视频:循环神经网络快速入门(如RNN GRU LSTM BRNN等)_哔哩哔哩_bilibili对应文本:循环神经网络入门(吴恩达老师_学习笔记)_Amigo_1997的博客-CSDN博客传统循环神经网络的问题 (吴恩达老师_学习笔记)_Amigo_1997的博客-CSDN博客GRU门控循环单元 (吴恩达老师_学习笔记)_Amigo_1997的博客-CSDN博客LSTM长短时记忆网络 (吴恩达老师_学习笔记)_Amigo_1997的博客-CSDN博客双向循环神经网...转载 2022-02-09 17:25:47 · 195 阅读 · 0 评论 -
卷积神经网络的复杂度分析
1. 时间复杂度即模型的运算次数,可用 FLOPs衡量,也就是浮点运算次数(FLoating-point OPerations)。1.1 单个卷积层的时间复杂度M每个卷积核输出特征图的边长 K每个卷积核的边长 Cin每个卷积核的通道数,也即输入通道数,也即上一层的输出通道数。 Cout本卷积层具有的卷积核个数,也即输出通道数。 可见,每个卷积层的时间复杂度由输出特征图面积M*M、卷积核面积K*K、输入 Cin和输出通道数Cout完全决定。 其中,输出特征...转载 2022-02-09 15:02:12 · 2143 阅读 · 0 评论 -
Brief Summary of Bokeh Effect Rendering
Brief Summary of Bokeh Effect Rendering2. 文献2.1 PyNet论文名称:《Rendering Natural Camera Bokeh Effect with Deep Learning》参考代码:PyNET-PyTorch这篇文章使用未虚化的图像与虚化的图像构建pair对,之后使用一个U型的编解码网络完成对虚化的拟合。在这个过程中为了提升虚化效果的鲁棒性,还可以选择使用深度估计作为额外的guidance,使得最后生成的结果更加准确。2.2转载 2021-10-18 18:58:07 · 323 阅读 · 0 评论 -
Batch Normalization原理与实战
Batch Normalization原理与实战 - 知乎转载 2021-09-28 14:52:14 · 90 阅读 · 0 评论 -
Pytorch定位NaN
https://blog.csdn.net/mch2869253130/article/details/111034068https://www.zzsblog.top/coding/2021/08/07/pytorch%E5%AE%9A%E4%BD%8DNaN.html按照下面的流程来判断。...loss = model(input)# 1. 先看loss是不是nan,如果loss是nan,那么说明可能是在forward的过程中出现了第一条列举的除0或者log0的操作assert tor转载 2021-09-02 15:10:59 · 5573 阅读 · 0 评论 -
详解机器学习中的梯度消失、爆炸原因及其解决方法
https://blog.csdn.net/qq_25737169/article/details/78847691转载 2021-08-27 14:28:14 · 86 阅读 · 0 评论 -
常用的 Normalization 方法:BN、LN、IN、GN
视频 colmap介绍和使用 https://www.youtube.com/watch?v=bDHJM6nAKtcGUI界面简易教程总结:使用别人的数据集: 数据集下载地址:https://demuc.de/colmap/datasets/ 然后在gui界面里面,左上角file打开新建工程,然后选中你下载下来的数据集的database.db文件和图片的文件夹,然后菜单栏里Reconstruction→Start Reconstruction,等一段时间就OK了,时长视你电脑cpu性能..转载 2021-08-16 18:55:02 · 96 阅读 · 0 评论 -
Tensorflow多GPU多进程占用的问题
Tensorflow多GPU多进程占用的问题作为一个刚入门深度学习的新手,在使用实验室的服务器要运行训练自己的网络的时候,经常出现有另外的同学也在训练网络,4个GPU总是有几个被占用。因此老是出现下面的警报:2017-05-09 14:23:29.246012: W tensorflow/stream_executor/cuda/cuda_driver.cc:485] creating co...转载 2019-10-11 14:37:49 · 417 阅读 · 0 评论 -
One-Hot
分类器往往默认数据数据是连续的,并且是有序的。解决上述问题的一种方法是采用One-Hot Encoding独热编码,又称一位有效编码,其方法是使用N位状态寄存器来对N个状态进行编码,每个状态都有它独立的寄存器位,并且在任意时候,其中只有一位有效。例如:自然状态码为:000,001,010,011,100,101独热编码为:000001,000010,000100,001000...转载 2019-09-03 16:01:30 · 114 阅读 · 0 评论