![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
LeeJiajun
Jiajun.org.cn
展开
-
如何将CUDA安装至本地目录
如何将CUDA安装至本地目录1 下载CUDA Toolkit2 安装CUDA2 配置用户的环境变量3 检查是否生效4 安装CuDNN1 下载CUDA Toolkit进入链接https://developer.nvidia.com/cuda-downloads?选择对应的环境执行网站自动生成的第一条命令行去下载Toolkit,请忽略第二条命令2 安装CUDA运行你所下载的安装包,形如: sh cuda_11.1.0_455.23.05_linux.run首先要明白,Toolkit里面不仅原创 2020-10-27 17:16:32 · 3265 阅读 · 1 评论 -
Deep Convolutional Neural Networks for Microscopy-Based Point of Care Diagnostics 阅读
文章链接: http://arxiv.org/pdf/1608.02989v1.pdf文章创新在于,使用CNN来做基于显微观察下的病情诊断。文章实验针对3种疾病(疟疾、肺结核、肠道寄生虫卵)展开: malaria in thick blood smearstuberculosis in sputum samplesintestinal parasite eggs in stool samp原创 2016-08-11 11:16:15 · 2356 阅读 · 0 评论 -
让Faster R-CNN支持TX1的fp16(half float, float16)特性
为什么要用float16?一句话,float16的运算速度是float32运算速度的2倍。nVidia说的,数据不对不要怪我,(≖ ‿ ≖)✧在说一下缺点,也是一句话,精度损失了。(卧槽,废话,(*´Д`*))会损失多少呢?IEEE754(wiki)这里描述各种float的规则,这里鄙视一下百度百科。 눈_눈float32:负数取值范围为 -3.4028235E+38原创 2016-02-24 23:28:12 · 8822 阅读 · 18 评论 -
几篇有趣的DL文章
Fashion Landmark Detection in the Wild 研究基于CNN的Visual Fashion analysishttp://arxiv.org/abs/1608.03049Deep Convolutional Neural Networks for Microscopy-Based Point of Care Diagnostics 研究基于CNN显微观察下的病原创 2016-08-11 14:57:32 · 2751 阅读 · 0 评论 -
Hybrid computing using a neural network with dynamic external memory(可微神经计算机)阅读
1. 利用神经网络与外部动态存储器进行混合计算原文链接Hybrid computing using a neural network with dynamic external memory。文章在Methods章节有着非常非常详细的讲解。我还没完全弄清其机制,欢迎讨论。本人YY了一下它和神经网络加速器。2. 摘要人工神经网络非常擅长感觉处理、 序列学习、 强化学习,而限制来表示变量和数原创 2016-10-14 00:23:43 · 4562 阅读 · 2 评论 -
用ImageNet的数据集训练SSD(Single Shot MultiBox Detector)
简介 资源 Code: https://github.com/weiliu89/caffePaper: http://arxiv.org/abs/1512.02325 和Fast(er) R-CNN(python版)的代码结构不是一种风格,SSD构建的工作环境使得的文件组织略显复杂介绍一下主要文件夹的用途 examples/ssd/,存放了训练,测试的脚本,是主要操作的脚本data/,原创 2016-08-18 09:53:42 · 14054 阅读 · 77 评论 -
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks程序(Python)配置问题总结
目录目录预先浏览QA预先浏览原文:faster-r-cnn源码:py-faster-rcnn接下来列举源码配置过程中我遇到的问题,希望对大家有帮助。若有错误,还望指出。Q&AQ1: error: utils/bbox.c: No such file or directoryx86_64-linux-gnu-gcc: error: utils/bbox.c: No such file o原创 2015-12-21 19:00:48 · 26325 阅读 · 77 评论 -
Caffe学习(未完)
前言Caffe上手Google Protocol Buffer在 Caffe 中如何计算卷积1. 前言Caffe是大神贾扬清在加州伯克利大学博士期间开发的深度学习框架,在学界和工业界得到广泛应用。 Caffe是CNN模型的非常好的框架,方便、易用;torch7是机器学习一个非常好的框架,但是,学习曲线比caffe要陡峭一些。torch7更灵活,能搞定更多的机器学习算法模型。2. Caffe上原创 2016-01-04 16:34:07 · 3055 阅读 · 2 评论 -
语音唤醒技术调研
关键词:Isolate Speech Recognition / detectionEndpoint detection语音特征提取线性预测倒谱参数LPCC感知线性预测参数PLP梅尔频率倒谱系数MFCC相关模型时间规划DTW矢量量化VQ隐马尔可夫HMM小波神经网络神经网络HMM-GMMHMM-DNN原创 2017-09-12 16:45:55 · 3386 阅读 · 0 评论 -
用ImageNet的数据集(ILSVRC2014)训练Faster R-CNN
1. 训练结果第一次训练,ZF,30W张图片,201类,迭代80k40K,mAP: 18.0%第二次训练,ZF,10W张图片,201类,迭代80k40K,mAP: 20.1%某次训练结果,ZF,10W张图片,201类,mAP结果如下 个人认为23.0%还不是faster的极限,所以在研究如何提高mAP。2. 问题汇总2.1 总结ImageNet训练数据集部分标注缺失object标签Imag原创 2016-01-06 18:09:43 · 22522 阅读 · 61 评论 -
Tensorflow多人共享服务器GPU的小技巧
import osimport tensorflow as tfos.environ['CUDA_VISIBLE_DEVICES']='0' #指定GPUconfig = tf.ConfigProto()config.gpu_option.allow_growth = True #开启增量式使用(用多少拿多少)seesion = tf.Seesion(config=config,...)...原创 2018-04-13 16:47:51 · 4209 阅读 · 0 评论 -
Cross Entropy Loss with Softmax的求导
ICO的全称是Initial Coin Offering(也有称作Initial Crypto-Token Offering),中文是首次代币发行。很多人错过AI,错过比特币,错过以太坊,生怕错过ICO,看到ICO犹如饿虎扑食般。在保守投资者的强烈抵触下,被批成ICO就是在炒空气。曾请教过一位在摩根工作的朋友,他说他们圈子对ICO是看空的;股神巴菲特先生怒斥比特币毫无价值。但笔者的观点是,并ICO并原创 2018-05-03 11:11:22 · 6956 阅读 · 0 评论 -
SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <1MB model size阅读笔记
文章链接,http://arxiv.org/abs/1602.07360 代码链接,https://github.com/DeepScale/SqueezeNet 目前文章还是第一版,所以内容上不是很多。摘要先提了在相同精确度下,体积更小的深度神经网络有着以下3点好处。 Smaller DNNs require less communication across servers dur原创 2016-03-03 09:23:31 · 5941 阅读 · 4 评论 -
Matlab一个利用神经网络拟合函数的例子
代码:t=[0 3.9 4.1 7.3 8.4 13.1 14.8 16.4 17.7 19 19.7 20.3 21.2 24.5 26.3 27.8 28.9 29 29.8 31.1 32.8 33.5 34.5 35.6 36.2 37.6 37.8 38.7 39.4 40.3 41 41.4 42.5 43.9 45 45.7 46.9 47.8 49 49.4 51.4 53 54 5原创 2016-01-10 11:59:20 · 29517 阅读 · 4 评论 -
神经网络发展史
1. 机器学习(Machine Learning)机器学习是人工智能(Artificial Intelligence)的核心。它和统计学有着密不可分的关系。作为对比,让我们先来看一看这两个领域的区别。1.1. 传统的统计学的特点:低维数据;数据中有大量噪点(Noise);数据中没有复杂的结构,且所有结构均可以被简化为一个相对简单的模型;面临的主要问题是如何从数据中分辨出正确的结构。1.2.转载 2016-01-10 19:40:11 · 2357 阅读 · 0 评论 -
Caffe中的Makefile.config的一些说明
## Refer to http://caffe.berkeleyvision.org/installation.html# Contributions simplifying and improving our build system are welcome!# cuDNN acceleration switch (uncomment to build with cuDNN).# USE_C原创 2016-07-29 20:05:22 · 22886 阅读 · 2 评论 -
NVIDIA GPU的Compute Capability一览
GPU Compute Capability Tesla K80 3.7 Tesla K40 3.5 Tesla K20 3.5 Tesla C2075 2.0 Tesla C2050/C2070 2.0 Tesla M40 5.2 Tesla K80 3.7 Tesla K40 3.5 Tesla K20 3.5 Tes原创 2016-07-29 19:19:59 · 38594 阅读 · 0 评论 -
祝贺实验室在Low-Power Image Recognition Challenge比赛中获奖
战绩:first prize in Track 1 (highest accuracy, lowest energy in Track 1)second prize in Track 1first prize in Track 3相关链接:http://www.lpirc.net/index.html原创 2016-07-28 16:11:18 · 980 阅读 · 0 评论 -
几种代价函数
SAD(Sum of Absolute Difference)=SAE(Sum of Absolute Error)即绝对误差和 SATD(Sum of Absolute Transformed Difference)即hadamard变换后再绝对值求和 SSD(Sum of Squared Difference)=SSE(Sum of Squared Error)即差值的平方和 MAD原创 2016-04-05 09:49:55 · 2346 阅读 · 0 评论 -
CNN两篇好文章
http://www.csdn.net/article/2015-09-16/2825716 https://www.zhihu.com/question/34681168原创 2016-03-07 17:44:37 · 1842 阅读 · 0 评论 -
人工神经网络框架列表(neural networks library)
直接列举:CaffeKerasCxxnetMxnetTensorflowTheanoJoone, 07年之后不再维护了。目前我能搜罗到就这些,如果还能偶遇,还会继续完善。原创 2016-03-03 09:38:35 · 3531 阅读 · 0 评论 -
Faster R-CNN中ZF Net更换成CaffeNet
对于ZF中的train.prototxt开头的input-data、结尾的loss_ls和loss_box不能改变,这个是Faster RCNN代码框架决定的。layer {name: 'input-data'type: 'Python'top: 'data'top: 'im_info'top: 'gt_boxes'python_param { module: 'roi_data_l原创 2016-03-02 20:28:06 · 5834 阅读 · 7 评论 -
Faster R-CNN是如何添加ROIPoolingLayer和SmoothL1LossLayer的?
ROIPoolingLayer和SmoothL1LossLayer类的声明可以在caffe-fast-rcnn/include/caffe下的fast_rcnn_layers.hpp文件中找到。ROIPoolingLayer和SmoothL1LossLayer的实现在caffe-fast-rcnn/src/caffe/layers下的4个文件中roi_pooling_layer.cpproi_p原创 2016-02-28 12:17:32 · 9013 阅读 · 19 评论 -
初识卷积神经网
卷积神经网络(Convolutional neural networks)是什么 卷积神经网络(简称CNNs)就是一种深度的监督学习下的机器学习模型。卷积核(kernel)是什么? 卷积核就是算子就是权矩阵。卷积核:卷积时使用到的权用一个矩阵表示,该矩阵与使用的图像区域大小相同,其行、列都是奇数,是一个权矩阵。feature map是什么? 在每个卷积层,数据都是以三维形式存在的。你可以把原创 2015-12-23 20:33:42 · 2986 阅读 · 1 评论 -
Hinton的弟子Ilya Sutskever写的一篇深度学习综述
文章来源于: http://yyue.blogspot.comA Brief Overview of Deep Learning(This is a guest post by Ilya Sutskever on the intuition behind deep learning as well as some very useful practical advice转载 2015-12-30 16:20:27 · 1922 阅读 · 0 评论 -
BP神经网络的优缺点
多层前向BP网络的优点:网络实质上实现了一个从输入到输出的映射功能,而数学理论已证明它具有实现任何复杂非线性映射的功能。这使得它特别适合于求解内部机制复杂的问题;网络能通过学习带正确答案的实例集自动提取“合理的”求解规则,即具有自学习能力;网络具有一定的推广、概括能力。多层前向BP网络的问题:BP算法的学习速度很慢,其原因主要有:由于BP算法本质上为梯度下降法,而它所要优化的目标函数又非常复杂转载 2016-01-04 16:42:55 · 42856 阅读 · 0 评论 -
Deep Hashing: A Joint Approach for Image Signature Learning阅读笔记
Deep Hashing: A Joint Approach for Image Signature Learning原创 2016-08-16 10:48:55 · 2596 阅读 · 0 评论