deeplearning
文章平均质量分 58
hiudawn
https://github.com/hiudawn/
展开
-
tensorflow用Softmax Regression识别MNIST手写数字识别
手写体是用txt文件保存的,有需要的去本人github上面找原创 2018-03-29 14:02:13 · 253 阅读 · 0 评论 -
YOLOv2论文阅读理解
YOLO9000: Better, Faster, Stronger注:本文不区分YOLO9000或者YOLOv2的描述,尽管本质上它们可能微微有所区别,但统一用YOLOv2描述本文提到的算法。YOLOv2标题的名字就是提出的网络能检测9000种物体,因为网络训练的时候是通过某种方式结合了检测数据集和分类数据集(没有真实边界框)进行训练的,所以有一定能力检测那些只在分类数据集出现而没有在检测...原创 2019-04-27 22:06:13 · 1270 阅读 · 0 评论 -
YOLOv1论文阅读理解
You Only Look Once: Unified, Real-Time Object DetectionYOLOv1早期检测任务是用分类的方法来做定位,一般分为两个阶段。YOLOv1直接把检测问题作为回归问题来做,在一次推断中直接能端到端(一阶段)得到边界框(bounding boxes)和分类概率。Fast YOLO的速度是当时其他实时检测网络的n倍,mAP也是至少2倍。YOLOv1在...原创 2019-04-27 21:13:53 · 756 阅读 · 0 评论 -
mask rcnn bencmark pytorch自定义数据集的方法
前言参考代码: mask rcnn benchmark数据集来源:津南数字制造算法挑战赛【赛场二】初赛这个代码不能直接运行,仅仅提供参考,本人也仅仅是接触检测不到一个礼拜,如果有什么疑问欢迎在讨论区交流。1、数据解读数据集训练train_no_poly.json的格式,类coco风格import jsonwith open('../train_no_poly.json', 'r') ...原创 2019-03-26 09:41:55 · 1543 阅读 · 0 评论 -
PyTorch 普通卷积和空洞卷积
from torch import nnimport torch.nn.init as initdef transform(): return Compose([ ToTensor(), # Normalize((12,12,12),std = (1,1,1)), ])arr = range(1,26)arr = np.reshape(ar...原创 2018-11-25 18:03:42 · 21542 阅读 · 4 评论 -
Tensorflow: 队列与线程
线程协同管理# 利用Coordinator和QueueRunner来协同管理线程import tensorflow as tfqueue = tf.FIFOQueue(100, 'float') # 创建一个含100个元素的先进先出的队列enqueue_op = queue.enqueue([tf.random_normal([1])]) # 创建一个每次入队一个tensorflo...原创 2018-10-03 16:46:28 · 312 阅读 · 0 评论 -
ffmpeg用Nvidia GPU进行加速
预先准备在已经安装过cuda的前提下,没装过看我Ubuntu16.04安装cuda+cudann+tensorflow,注意只看cuda安装章节就好了。首先你看下装好的驱动版本满不满足nvidia-video-codec-sdk的要求,比如截止到本文之前,sdk8.2需要NVIDIA Linux display driver 396.24 or newer具体什么需求参考上述链接,里面也有...原创 2018-08-31 20:16:52 · 14673 阅读 · 3 评论 -
一个用Tensorflow求解方程最小值的简单例子
只是提醒自己怎么使用import tensorflow as tfx = tf.Variable(0,dtype = tf.float32) # 定义一个可以优化的x值cost = tf.add(tf.add(x**2,tf.multiply(10.,x)),26) # x**2 -10x + 26 即 (x-5)**2 + 1 最小值应该是1train = tf.train.G...原创 2018-07-20 16:07:56 · 1806 阅读 · 0 评论 -
Ubuntu16.04安装cuda9.0/10.1+cudann+tensorflow
安装cuda用runfile方式安装cuda官网下载cuda_9.0.103_384.59_linux.run(这个是cuda安装文件)cudnn-9.0-linux-x64-v7.solitairetheme8(这个是cudann安装文件,可以理解为cuda下的一个深度学习库)禁用nouveaua.注意这步很关键,首先运行lsmod | grep nou...原创 2018-07-18 18:04:51 · 3572 阅读 · 0 评论 -
Tensorflow设置GPU显存按需分配
按需要自动分配,避免Tensorflow一次性占满gpu_options = tf.GPUOptions(allow_growth=True)sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))# sess = tf.InteractiveSession(config=tf.ConfigProto(gpu_opt...原创 2018-07-18 11:10:00 · 8831 阅读 · 0 评论 -
GAN[1]:原论文介绍及代码实战
Generative Adversarial Nets前言GAN同时训练两个模型:(1)生成模型G,其主要是用来捕获给定数据的分布特征,依此生成类似的数据样本。(2)判别模型D,用来判别数据到底是来自原始数据还是由生成模型G生成的伪造数据。G和D的训练类似一个假币制造者G和验钞者D的对抗游戏。G要制造足够假的假币,D要以最大概率识别出G制造的假币。推理证明这个模型最终的结果...原创 2018-06-19 19:52:38 · 1075 阅读 · 0 评论 -
Learning to See in the Dark
Learning to See in the Darkref:http://web.engr.illinois.edu/~cchen156/SID.html介绍去噪、去模糊都有,不过在低光照下还是比较难的。高ISO可以提亮,但也会放大噪声。直接缩放或者拉伸直方图,也有一定效果,不过并不能弥补光子不足的缺陷。增加曝光时间,如果移动了会变模糊。这篇文章就是喜欢严重缺少亮度的低光照条...原创 2018-06-30 18:54:16 · 2046 阅读 · 3 评论 -
GAN[3]:DCGAN CNNs在GAN中的应用,100+行代码实现
UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKSDCGANDCGAN和GAN原理基本是差不多,只是它把原本GAN中的生成模型G和判别模型D的多层感知机改成了两个神经网络(CNN)。但是还对网络的结构做了一定的调整。取消pooling层。G采用...原创 2018-06-22 16:59:03 · 4021 阅读 · 3 评论 -
GAN[2]:条件CGAN--指定生成结果
Conditional Generative Adversarial Nets前言GAN虽然厉害,但有个问题,其生成模型生成的样本完全是随机的。也就是完全取决于输入的噪声z,根本无法预测会生成数字1还是数字2。因此有人提出了条件GAN,其思想也是很简单,就是想要生成哪个数字,你输入的时候告诉我你想要的标签即可。为了达到这个目标,在训练的时候,就要加上标签。也就是G想伪造数字1,就要...原创 2018-06-20 20:15:39 · 6811 阅读 · 0 评论 -
深度学习流行框架对比
Why TensorFlow?下面将对比一下比较流行的几个深度学习框架,分别是Caffe、Theano、PyTorch、Tensorflow和Keras。希望能有利于你选用框架。1.Caffe第一个主流的生产级的深度学习库,始于2014年加州大学伯克利分校。优点快速支持GPU良好的Matlab和Python接口缺点不灵活。在Caffe中,每个节点都被视...原创 2018-06-05 23:57:24 · 1099 阅读 · 0 评论 -
Tensorflow用CNN实现MNIST手写体识别
用CPU实现的,希望有机会用GPU原创 2018-03-31 15:38:32 · 1387 阅读 · 4 评论 -
Tensorflow对比AlexNet的CPU和GPU运算效率
表示我根本没有GPU原创 2018-04-07 22:27:40 · 4551 阅读 · 2 评论 -
tensorflow用CNN实现CIFAR-10图像分类(cpu贼慢)
用CNN实现CIFAR-10图像分类原创 2018-04-02 21:45:54 · 2042 阅读 · 2 评论 -
YOLOv3论文阅读理解
YOLOv3: An Incremental ImprovementYOLOv3使用的网络比YOLOv1和YOLOv2都要大,但推断速度仍旧还算可以,与RetinaNet(另一个一阶段的网络)相比的话效果相当,但速度快了好几倍,和SSD对比也是如此。摘要和引言乃至全篇文章,写得非常口水话,更多是一篇博客而不是学术论文,本文也不避开这些口水话,尽量都翻译了。自述:作者说他这一年没做什么研究,花...原创 2019-04-27 22:43:13 · 2169 阅读 · 0 评论