深度学习
文章平均质量分 88
deepSTEM
我永远是不断学习的初学者,希望学好Deep Learning,作为更进一步学习的基础。
展开
-
caffe模型当输入的维度可变时,prototxt的input_shape该如何定义
针对一些输入数据维度可变的模型,如faster rcnn,caffe用来定义模型结构的prototxt文档头部有一个input_shape,在这个shape当中,是需要指定dim为特定维度的。针对这种情况,只需要输入的维度能够在网络的前向计算和反向传播不出错就行。在caffe模型能正常初始化后,就能够输入任意维度的数据了(只要这个数据维度合理)。...原创 2020-07-11 15:50:30 · 856 阅读 · 0 评论 -
faster rcnn或bottom up attention编译lib时6/include/stddef.h(436): error: identifier “nullptr“ is undefin
解决这个问题花了我近一天半的时间,真是翻尽了百度、谷歌的网页,现将问题和对应的解决方法记录如下:报错提示:python setup.py build_ext --inplacerunning build_extskipping 'utils/bbox.c' Cython extension (up-to-date)skipping 'nms/cpu_nms.c' Cython extension (up-to-date)skipping 'nms/gpu_nms.cpp' Cytho原创 2020-07-10 11:21:47 · 699 阅读 · 0 评论 -
深度学习计算:感受野、输出层大小、计算量、参数量
以下计算结果都是近似值,没有考虑偏置项、额外结构的计算等。卷积神经网络:前一层感受野(从后往前算) = (当前层感受野 - 1)X 步长 + 当前层卷积核大小输出层大小(从前往后算)= [(输入层大小 + 2 X 零填充个数 - 卷积核大小)/ 步长] + 1计算量 = 输入的多层特征层所有像素数 X 单个卷积核单层的像素数 X 卷积核的个数参数量 = 单个卷积核全部像素数 X...原创 2020-02-24 11:04:49 · 1205 阅读 · 1 评论 -
LEARNING NOTES FROM DEEP LEARNING
LEARNING NOTES FROM DEEP LEARNINGCHAPTER ONE INTRODUCTION The note is about what I have learned in the first chapter. In this note, I will divide my learning into six parts: desires原创 2017-09-24 11:29:59 · 438 阅读 · 0 评论 -
Deecamp考试给我的启发
Decamp考完了,在考试中总有一些值得学习的东西。主考官对这次比赛题目的难度介绍如下:就大家关心的问题,考什么,怎么考?主考官透露说“题目都是轻松、有趣、强调动手能力和开放思维的问题。具备基本数学技能,基本编程能力,对技术有强烈的好奇心,还懂得活学活用的同学,都能得高分。”DeeCamp是一个注重动手能力的AI实战营,DeeCamp的在线笔试也将和你参与过的考试有些不一样,非常期待各位同学用自己...原创 2018-06-09 15:53:59 · 4539 阅读 · 4 评论