- 博客(45)
- 收藏
- 关注
RSS订阅转载 Ablation Study
源自QuoraAn ablation study typically refers to removing some “feature” of the model or algorithm, and seeing how that affects performance.Examples:An LSTM has 4 gates: feature, input, output, ...
2019-03-21 21:36:00
195
转载 Ubuntu下常用压缩、解压缩命令
压缩……亚索？.tar 文件# 仅打包，并非压缩tar -xvf FileName.tar # 解包tar -cvf FileName.tar DirName # 将DirName和其下所有文件（夹）打包.gz文件#解压gunzip FileName.gz # 解压1gzip -d FileName.gz # 解压2# 压缩，只能压缩文件...
2019-03-20 16:25:00
194
转载 Ubuntu重启后屏幕分辨率出错解决方案
安完matlab后，重启电脑，遇到了分辨率变成640x480的情况。参考链接1，修改/etc/X11/xorg.conf配置，重启后仍然没有解决。之后，参考链接2#修改grub中相应的分辨率内容 GRUB_GFXMODEsudo gedit /etc/default/grub#更新grubsudo update-grub重启，万事大吉！转载于:https://www...
2019-03-20 15:17:00
1356
转载 caffe中的solver
翻译自Caffe官网手册简而言之，Solver是一个神经网络的重要组成部分，通过forward 计算的loss和backward计算的梯度等参数，对模型进行优化，更新神经网络各层参数，使得loss最小以更好的拟合数据。1.Solver分类Stochastic Gradient Descent (type: "SGD"),AdaDelta (type: "AdaDelta")...
2019-03-18 22:54:00
171
转载 Git 入门笔记
本文为廖雪峰老师Git教程相关笔记，廖老师教程网址，Git官方文档首发于https://www.cnblogs.com/jngwl/articles/10544761.html1.初始化一个Git仓库git init2.添加文件到Git仓库使用命令git add <file>，将已修改的工作区文件提交到暂存区；可多次使用，添加多个文件；使用命令git c...
2019-03-16 22:36:00
122
转载 图像的down-samplig 和up-sampling
1.down-sampling（降采样/下采样）图像的down-sampling也称图像sub-sampling，通过舍弃一些元素，实现图像的缩放。(图源Udacity course "Introduction to Computer Vision)在CNN中，汇合层（Pooling layer）通过max pooling 或average pooling等操作，使汇合后结果中一...
2019-03-16 20:07:00
918
转载 如何在caffe下实现DSOD
一.配置SSD【相关教程1】 【相关教程2】运行文件~/example/ssd_detect.py，进行单张图片测试二.配置DSOD1.下载DSOD源码cd Downloadsgit clone https://github.com/szq0214/DSOD.git2.创建相关子目录,并移动文件创建目录example/dsod/，并将文件 DSOD300_pasc...
2019-03-14 19:30:00
217
转载 1*1卷积核的作用
1.改变模型维度二维的输入数据（如\(6*6\)）和\(1*1\)的卷积核 卷积，相当于原输入数据直接做乘法三维的输入数据（如\(6*6*32\)）和\(1*1*32\)的卷积核卷积，相当于卷积核的32个数对原输入数据的32个数加权求和，结果填到最右侧对应方框中升维还是降维取决于卷积核的个数2.减少模型参数，增加模型深度图(a)中，参数个数：(1×1×192×64)...
2019-03-13 18:59:00
173
转载 图解反向传播流程
如上图所示，前向传播为从输入计算到输出，反向传播从尾部开始，根据链式法则递归地向前计算梯度（显示为红色），一直到网络的输入端。可以认为，梯度是从计算链路中回流。反向传播计算过程如下：① \(\frac{\partial f}{\partial f}=1\)② \(f=q*z\) \(\frac{\partial f}{\partial z}=q=3\) ; \(\frac...
2019-03-09 21:45:00
1226
转载 ubuntu中修改默认Python版本号
一、背景ubuntu中默认的Python版本是Python2.X，但是现在Python的最新版本是Python3.X。那么怎么修改ubutun系统默认的Python解释器呢？二、查看系统中是否安装Python3.X：命令行输入 ：whereis python3如果已经安装，会输出下图类似的结果：如果没有安装，则使用以下命令安装：sudo apt-get install p...
2019-03-08 15:22:00
94
转载 如何在Caffe下实现SSD
一. 配置 Caffe环境及下载、编译、测试SSD源码1.下载源码git clone https://github.com/weiliu89/caffe.gitcd caffegit checkout ssd2. 编译源码配置Makefile.config 【Instuction】【已配置好文件】编译python接口等make -j8# Make sure to i...
2019-03-06 22:01:00
179
转载 Caffe_SSD训练模型错误集锦及相关解决方法
1. No module named _caffeimport caffeTraceback (most recent call last):File "", line 1, in File "caffe/init.py", line 1, in from .pycaffe import Net, SGDSolver, NesterovSolver, AdaGradSolve...
2019-03-05 19:26:00
188
转载 Ubuntu下查看GPU版本和使用信息
第一栏的Fan：N/A是风扇转速，从0到100%之间变动，这个速度是计算机期望的风扇转速，实际情况下如果风扇堵转，可能打不到显示的转速。有的设备不会返回转速，因为它不依赖风扇冷却而是通过其他外设保持低温（比如我们实验室的服务器是常年放在空调房间里的）。第二栏的Temp：是温度，单位摄氏度。第三栏的Perf：是性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能。第...
2019-03-05 19:09:00
1001
转载 梯度下降法的三种形式BGD、SGD以及MBGD
本文转载自http://www.cnblogs.com/maybe2030/p/5089753.html，感谢原博主整理分享 在应用机器学习算法时，我们通常采用梯度下降法来对采用的算法进行训练。其实，常用的梯度下降法还具体包含有三种不同的形式，它们也各自有着不同的优缺点。 下面我们以线性回归算法来对三种梯度下降法进行比较。 一般线性回归函数的假设函数为：...
2019-03-01 10:54:00
83
转载 深度学习入门基础概念（2）
转载自CSDN专栏｜http://dwz.cn/80rGi5神经网络基础13）批次（Batches）：在训练神经网络的同时，不用一次发送整个输入，我们将输入分成几个随机大小相等的块。与整个数据集一次性馈送到网络时建立的模型相比，批量训练数据使得模型更加广义化。14）周期（Epochs）：定义为向前和向后传播中所有批次的单次训练迭代。这意味着一个周期是整个输入...
2019-02-27 15:27:00
93
转载 深度学习入门基础概念（1）
转载自｜CSDN Star先生作者专栏｜http://dwz.cn/80rGi5神经网络基础1）神经元（Neuron）：就像形成我们大脑基本元素的神经元一样，神经元形成神经网络的基本结构。想象一下，当我们得到新信息时我们该怎么做。当我们获取信息时，我们一般会处理它，然后生成一个输出。类似地，在神经网络里，神经元接收输入，处理它并产生输出，而这个输出被发送到其他神经...
2019-02-27 10:46:00
132
转载 常用基础概念简析
1.IoU（intersection over union）IoU可理解为 Detection Result与 Ground Truth 的交集比上它们的并集，即为检测的准确率。最理想的情况为IoU=1，Detection Result与 Ground Truth 完全重叠$IoU=\frac{DetectionResult⋂GroundTruth}{DetectionR...
2019-02-26 16:35:00
85
转载 Matlab中如何去除白边保存图片
img=imread('C:\Users\GWL\Desktop\arun.jpg');imshow(img,'Border','tight');frame=getframe(gcf);% method 1imwrite(frame.cdata(:,:,1),'test.png');% method 2imm = frame2im(frame);i...
2019-01-13 23:14:00
238
转载 CS231n- 第二讲 图像分类
What图像分类为计算机视觉领域的核心问题之一，并且有着各种各样的实际应用。以下图为例，图像分类模型读取该图片，并生成该图片属于集合 {cat, dog, hat, mug}中各个标签的概率。需注意的是，计算机中的RGB图像存储为一个由数字构成的三维数组，0表示全黑，255表示全白。因此，图像分类的任务可表述为：对于一个给定的图像，预测它属于的那个分类标签（或者给...
2019-01-13 17:05:00
167
转载 安装谷歌插件 及 彻底禁用Chrome的“请停用以开发者模式运行的扩展程序”提示...
Google Chrome升级后，之前通过拖拽Crx文件安装插件的方法开始报错了。为了解决上述问题，可以采取下述步骤：将’.crx’文件后缀名改为’.zip’格式文件解压缩Google Chrome打开开发者模式，加载已加压的压缩文件。 这时重启Google chrome，插件导入了。但烦人的是，每次打开Google chrome都会弹窗。这...
2019-01-08 21:25:00
214
转载 Matlab 如何调用python脚本
我们可以通过Matlab的 system指令 ，实现对python脚本的调用。system指令是向Windows系统cmd界面发送指令，并返回结果。status在指令正确运行时，返回0；运行错误时，返回非0值cmdout返回cmd界面的输出值因此，实现方法为：[status,cmdout]=system(‘python D:\callpy.py’)...
2019-01-08 20:23:00
860
转载 (更新中) 迁移学习概述
1.什么是迁移学习(What)迁移学习是指把别处学来的知识，迁移到新的场景中。具体实践中，就是指将 A任务上 预训练好的模型 放在B任务上，加上少量B任务训练数据，进行微调 。2.为什么要使用迁移学习(Why)传统学习中，我们会给不同任务均提供足够的数据，以分别训练出不同的模型：但是如果 新任务 和旧任务类似，同时 新任务 缺乏足够数据 去从头训练一个新模型，那该怎么...
2019-01-06 22:59:00
94
转载 （更新中）论文中 如何插入 参考文件索引
1.自动编号 + 交叉引用（1）在参考文献部分输入参考文献 谢希仁. 计算机网络(第5版)[M]. 北京：电子工业出版社，2008. 周自恒. Android应用开发入门[M].. 北京：人民邮电出版社，2013. 韦乐平, 光同步数字传送网, 人民邮电出版社,1997, 2（2）选中参考文献，开始 → 段落 → 编号 → 定义新编号格式 （3）论文正文需...
2019-01-06 22:27:00
3253
转载 One-stage/ Two-stage / Multi-stage 目标检测算法
本文转载自：https://blog.csdn.net/JNingWei/article/details/80039079 感谢原博主整理分享1.IntroductionDetection主要分为以下三个支系：2.Detection算法的几个task(1) 不需要预生成RP时：特征抽取 → 分类 → 定位回归(2) 有预生成RP时：特...
2019-01-04 20:21:00
146
转载 Zero-shot / One-shot / Few-shot Learning 简析
本文转载自https://blog.csdn.net/JNingWei/article/details/79235019，感谢原博主整理分享 1. Introduction 在 迁移学习 中，由于传统深度学习的 学习能力弱，往往需要 海量数据 和 反复训练 才能修得 泛化神功 。为了 “多快好省” 地通往炼丹之路，炼丹师们开始研究 Zero-shot Learning / On...
2019-01-04 18:33:00
289
转载 Machine Learning_Ng 第7讲 过拟合与正则化
本文首发于https://www.cnblogs.com/jngwl，如需转载，请务必 于文章显要位置处注明原文出处。# 过拟合问题(The Problem of Overfitting)1.什么是过拟合 过拟合问题是指训练出来的模型在训练集上表现很好，但在测试集上表现很差。即由于过度拟合原始数据，丢失了算法的本质，泛化能力较差。 2.为什么...
2019-01-02 22:18:00
140
转载 Machine Learning_Ng 第6讲 逻辑回归
1.什么是逻辑回归线性回归中，输入和输出呈线性关系，且输出连续。可表示为：$$h_\theta(x)=\theta_0+\theta_1x$$而逻辑回归，输出值离散，且永远在0到1之间。可表示为$$h_\theta(x)=g(\theta^TX)=\frac{1}{1+e^{-\theta^TX}}$$其中X代表特征向量，g代表逻辑函数（logistic function），常采...
2019-01-02 21:20:00
73
转载 Python常用库：Pandas
本文转载自https://www.cnblogs.com/reaptomorrow-flydream/p/9178362.html，略有修改，感谢原博主整理分享Pandas是用于数据操纵和分析，建立在Numpy之上的。Pandas为Python带来了两种新的数据结构：Pandas Series和Pandas DataFrame，借助这两种数据结构，我们能够轻松直观地处理带标签...
2018-12-25 20:42:00
145
转载 Python常用库：Numpy
本文转载自https://www.cnblogs.com/reaptomorrow-flydream/p/9173161.html，略有修改，感谢原博主整理分享# Numpy简单创建数组1 a = [1, 2, 3]2 b = np.array(a)3 c = np.array([[0, 1, 2],[3, 4, 5]], int)4 print(b)...
2018-12-25 17:44:00
150
转载 Anaconda中python环境管理
查看已部署的环境conda info --envs部署新环境conda create --name python27 python=2.7激活新环境activate python27退出新环境deactivate python27移除部署的环境conda remove --name python27 --all...
2018-12-24 21:43:00
80
转载 Non-maximum Suppression 与 Hard negative mining
# Non-maximum Suppression 非极大值抑制（Non-maximum Suppression）简称NMS，顾名思义为抑制不是极大值的元素，搜索局部极大值。常用于目标检测中，以消除多余的bounding box，找到最佳目标检测box。假设目前有多个bounding box，其score分别为A~F,则NMS的实现思路为：①首先根据score对各个bounding...
2018-12-24 19:40:00
97
转载 Machine Learning_Ng 第4讲 多变量线性回归
在第四讲中，主要学习了多变量线性回归(Linear Regression with Multiple Variables)的多维特征、多变量梯度下降、特征缩放、特征和多项式回归以及正规方程等。# 多维特征（Multiple Features）为房价模型增加更多的特征，如房间楼层数等，则构成了一个含有多个变量的模型。假设$h_\theta(x)=\theta_0+\th...
2018-12-19 21:23:00
64
转载 Python基础-字符串练习
常用字符串操作capitalize()把字符串的第一个字符改为大写casefold() 把整个字符串的所有字符改为小写swapcase()翻转字符串中的大小写。lower() 转换字符串中所有大写字符为小写。upper() 转换字符串中的所有小写字符为大写。center(width) ...
2018-12-17 20:48:00
104
转载 Python基础-元组练习
#创建元组tuple1=(1,2,3,4,5,6) #元组元素不可直接更改print(tuple1) #列表关键是中括号[]，元组关键是整数和，temp=() #创建空元组temp2=(1,) #有逗号隔开即是元组#元组分片tuple2=tuple1[:3]print(tupl...
2018-12-17 20:31:00
257
转载 Python基础-列表练习
1.列表的概念列表类似于数组，不同的是，列表里面的元素可以是任何数据类型，甚至可以是一个列表。列表中的元素。常以逗号隔开并且以中括号将他们括起来2.列表的创建1 #创建一个纯由字符串组成的列表，并赋值给变量member2 member = ['小甲鱼','黑夜','牡丹','怡静']3 4 #创建一个混合列表，列表内的元素有数字，字符串和纯数字列表，并将其赋值...
2018-12-17 20:23:00
465
转载 Python基础- 数据类型
1. 基本数据类型：（1）整型，在Python3中长整形和整形归为一类，所有的整数都属于整型，例如1，0,1000,1203等等（2）浮点型，数字中有小数点的数，如12.1 1.85 10.0等等，另外1e10也表示浮点数（3）字符串，所有以单引号或双引号括起来的值都叫做字符串，例如“小甲鱼”'小甲虫' '醉酒青牛'（4）布尔类型， 布尔类型只有两个...
2018-12-17 20:17:00
303
转载 Machine Learning_Ng 第3讲 线性代数回顾
在第三讲中，主要回顾了线代代数（Linear Algebra）中的矩阵和向量的概念、矩阵的基本运算如加法、标量乘法、向量乘法、逆矩阵、矩阵转置等。# 矩阵和向量（Matrices and Vectors）# 矩阵的加法和标量乘法（Addiction and Scalar Multiplication）# 矩阵×矩阵（Matrices Matric...
2018-12-14 21:15:00
66
转载 Machine Learning_Ng 第2讲-单变量线性回归
在第二讲中，主要学习了单变量线性回归(Linear Regression with One Variable)的模型表示、代价函数、梯度下降等#模型表示（Model Representation）单变量线性回归问题是指只含有一个特征/输入变量，输入与输出为线性关系的回归问题，其表达式可以为$h=\theta_0+\theta_1*x$。比如要预测住房价格，如果你朋友的...
2018-12-13 20:58:00
102
转载 Machine Learning_Ng 第1讲 引言
在第一讲中，主要介绍了机器学习、监督学习以及无监督学习的概念。# 机器学习(Machine Learning)Arthur Samuel定义机器学习为，在进行特定编程的情况下，给予计算机学习能力的领域。Tom Mitchell 定义机器学习为，一个程序被认为能从经验E 中学习，解决任务T，达到性能度量值P，当且仅当，有了经验 E 后，经过P 评判，程序在处理 T 时的性...
2018-12-12 21:38:00
79
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人