![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 92
magic428
时代越是焦虑,越需要深度思考
展开
-
扩展卷积详解 - 组卷积, 深度可分离卷积, 空洞卷积
文章目录零. Standard Convolution - 标准卷积一. Group Convolution - 组卷积二. Depth Separable Convolution - 深度可分离卷积三. Dilated Convoluton - 扩张卷积四. 参考在标准卷积的基础上介绍组卷积, 深度可分离卷积, 空洞卷积.零. Standard Convolution - 标准卷积标准卷积运算是这样地:对于输入特征为 C∗H∗WC*H*WC∗H∗W, 卷积核大小为 K∗KK*KK∗K, 共 N原创 2021-02-23 09:28:33 · 3115 阅读 · 0 评论 -
卷积层中的 group 参数理解
卷积层中 group 参数理解Convolution 层的参数中有一个group参数,其意思是将对应的输入通道与输出通道数进行分组, 默认值为1, 也就是说默认输出输入的所有通道各为一组. 比如输入数据大小为90x100x100x32 90是数据批大小 100x100是图像数据shape,32是通道数,要经过一个3x3x48的卷积,group默认是1,就是全连接的卷积层,如果group是2...原创 2018-12-20 10:57:46 · 9409 阅读 · 0 评论 -
darknet 源码阅读(三) - 训练网络
darknet 是如何从读取图片到最终反向传播完成一个完整的训练过程?原创 2018-12-06 15:39:43 · 1496 阅读 · 0 评论 -
darknet 源码阅读(番外篇一) - 卷积层
这篇文章是该系列的番外篇. 针对常见的卷积层, 从解析配置文件参数到网络训练, 分析卷积层配置文件参数解析及其前向运算, 反向传播过程.1. 卷积层的配置文件参数解析从卷积层的创建到卷积层的前向运算, 串联整个脉络.convolutional_layer make_convolutional_layer(int batch, int h, int w, int c, int n, int g...原创 2018-12-06 14:40:51 · 1655 阅读 · 0 评论 -
darknet 源码阅读(零) - Entry Point
就像所有的故事都有一个引人入胜的开头一样, darknet 也有一个漂亮的入口. 源码阅读第一步: 找到山门的入口 - main() 函数.文件: darknet/examples/darknet.c. 函数: main()1. 关于分析主线的确定.darknet 实现了较多的深度学习应用工具, 例如: classifier, segmenter, detector 等. 基于目...原创 2018-12-05 15:37:06 · 1572 阅读 · 0 评论 -
darknet 源码阅读(二) - 加载训练样本数据
本文主要围绕 load_data() 函数分析 darknet 是如何加载训练样本数据的, 函数定义在文件 darknet/src/data.c 中. #原创 2018-12-04 17:54:56 · 2174 阅读 · 2 评论 -
darknet 源码阅读(一) - 解析网络配置文件 cfg
说明: 以下各种场景的分析均是基于 YOLO 作为目标检测器的基础上. 使用 YOLO 训练网络时, 需要在命令行指定一个网络结构的配置文件, 比如: ./darknet detector train cfg/coco.data cfg/yolov3.cfg darknet53.conv.74 -gpus 0,1,2,3其中, cfg/yolov3.cfg 文件中保存的就是...原创 2018-09-03 15:45:00 · 5574 阅读 · 3 评论 -
(三) COCO Python API - 数据集类数量分布
COCO 数据集中各类数量的分布到底是怎样的? 如果一个数据集中各类数量分布差异很大, 是否会对深度学习模型训练有影响? 为什么? 如果有影响, 那又应该如何处理? 初步分析以下这段代码给出了 COCO 数据集 2017_val 中的三大类: ‘person’,’dog’,’skateboard’ 的图片数据和标注数据的数量. from pyc...原创 2018-09-05 16:48:27 · 11335 阅读 · 10 评论 -
(二) COCO Python API - 源码分析篇
如果对于 COCO 给出的标注信息只是做一些常规场景的使用, 参考 https://github.com/dengdan/coco/blob/master/PythonAPI/pycocoDemo.ipynb 脚本已经完全够用了. 脚本的具体使用方法可以参考我的博客: (一) COCO Python API - 使用篇. 但是对于那些想要进一步挖掘 COCO 数据集的小伙伴来说,...原创 2018-09-05 15:54:57 · 5745 阅读 · 1 评论 -
(一) COCO Python API - 使用篇
为使用户更好地使用 COCO 数据集, COCO 提供了各种 API, 这里就 Python API 的使用做个简单介绍. 在介绍 API 之前, 首先应该对 COCO 数据集有个大概的了解. 根据年份来区分, 到目前为止, COCO 的数据集, 分别有 2014, 2015, 2017. 根据用途不同, 数据集分为图像检测, 图像语义理解, 人体关节点; 这里着重...原创 2018-09-05 11:04:06 · 54344 阅读 · 20 评论 -
理解 YOLOv3 的训练输出日志信息
YOLOv3 训练过程中输出在终端的不同的参数分别代表什么含义, 如何去理解这些参数? 也许对于使用 YOLO 很久的用户来说, 对这些概念依然很模糊. 本文将尝试着去回答这个问题, 下边是我训练中使用的 .cfg 文件(你可以在工程目录的 cfg/ 目录下找到它): [net]# Trainingbatch=64subdivisions=8height=416wid...原创 2018-09-01 11:17:18 · 18308 阅读 · 3 评论