![](https://img-blog.csdnimg.cn/f67babf95ca7471dbc533b330ff547e0.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习基础知识
文章平均质量分 94
深度学习方面的基础知识、基础环境的配置
竹叶青lvye
行走的路上自会有很多精彩,要向前看。。。
展开
-
Tensorflow知识点总结(二)
大部分内容整理自《Tensorflow实战Google深度学习框架》Tensorflow的配置见前面的博文https://blog.csdn.net/jiugeshao/article/details/76370137这里Tensorflow的版本为tensorflow-gpu1.2.0计算图 ...原创 2020-01-19 22:32:31 · 275 阅读 · 0 评论 -
Tensorflow知识点总结(三)
大部分内容整理自《Tensorflow实战Google深度学习框架》在前面计算图、张量、会话、Tensorflow游乐场的基础上转到神经网络,MLP的神经元,层数,参数之前已经了解。从Tensorflow游乐场模型上课看出,使用神经网络解决分类问题主要分为以下4个步骤:1.提取问题中实现实体的特征向量作为神经网络的输入,不同的实体可以提取不同的特征向量。2.定义神经网络的结构,并定义如...原创 2020-01-21 21:52:24 · 708 阅读 · 1 评论 -
Tensorflow知识点总结(一)
整理下零碎的知识点,方便以后查阅。大部分内容整理自《Tensorflow实战Google深度学习框架》数据集介绍1. MNIST是NIST数据集的一个子集,6万张训练数据,1万张测试数据,每一张代表了0~9的数字,图片大小28*28,其来自美国国家标准与技术研究所。http://yann.lecun.com/exdb/mnist/。2. Cifar-10和Cifar-100是图像...原创 2020-01-16 23:58:03 · 506 阅读 · 0 评论 -
3D点云之语义分割(相关官方示例介绍)
之前在中提到,用深度学习来对3D点云进行处理,接下来就考虑深入一些,整几个例子来熟悉它。例子原型来源于官网,博主在其基础上做了一些代码修改。一. 例子参考1. Keras中的资源二. 例子实现。原创 2023-05-15 22:18:50 · 2212 阅读 · 1 评论 -
SSD系列、Retinanet、Efficientdet、RCNN系列知识点整理
接着前面的YOLO系列继续做一些简单的关键点整理1.SSD(2016)https://arxiv.org/pdf/1512.02325.pdf原创 2022-04-28 22:07:57 · 4009 阅读 · 1 评论 -
YOLO系列知识点整理
之前系列博客中,各类深度学习的框架,一些新东西的接触都是从官网去接触的,好的东西必然有详尽的资料去阐述,很多都是外文网站,老外讲一些东西不是那么抽象,逻辑也很清楚,能理解的更为透彻,也可以去看看一些帖子,看看和自己的实现是不是差不多。对于各类算法,主要还是要去读读原作者的paper,理解不清楚的看看一些帖子,效果会更好。深度学习在目标检测领域有很多的算法了,博主会有系列博客来记录,下面浅谈下博主的一个理解基调。卷积神经网络,我们大概知道就是给输入(比如图像),给输出(打好的标签),然后拿预测出来的结原创 2022-04-23 20:18:21 · 8005 阅读 · 1 评论 -
深度学习常用资料整理
一. 数据集方面1. 关于深度学习数据集的介绍可以参见此博客Tensorflow知识点总结(一)_竹叶青lvye的博客-CSDN博客2.mnist数据集获取的三种方式见博客Tensorflow知识点总结(二)_竹叶青lvye的博客-CSDN博客3.对于一些深度学习框架,已经包含了常用的数据集,如下博客的最后有相关代码获取Ubuntu配置TensorRT及验证_竹叶青lvye的博客-CSDN博客获取示例代码如下:import torchimport torchvisio..原创 2022-04-04 21:39:57 · 3146 阅读 · 0 评论 -
深度学习中常用的网络层及Tensor RT支持的网络层
Tensorflow知识点总结(三)_jiugeshao的专栏-CSDN博客博客中提到,一个卷积神经网络中主要由以下5中结构组成:输入层,卷积层,池化层,全连接层,softmax层。博主先总结下常用的网络层,然后再介绍下tensor rt支持的网络层,后面要探究下通过tensor rt来加速模型inference阶段的速度。一. 常用的网络层输入层、卷积层、激活函数、池化层、全连接层、BN层、dropout层、flaten层的相关知识点可以参考如下博客卷积神经网络——输入层、卷积层、激活函数、池原创 2022-02-12 15:55:19 · 2329 阅读 · 0 评论 -
显卡compute capability7.5 Python3.5.2环境下编译配置caffe
之前的一篇的博客windows下vs2013配置caffe及基本使用(一)也提到caffe的配置,但使用的是微软的Windows版本caffe配置的,其自带了一个VS的Solution项目,这个版本同样支持基于CPU和CUDA的算法实现,如何配置参见我之前的博客。下面介绍源码编译 官方版本:伯克利BVLC(Berkeley Vision And Learning Center) 版,生成s...原创 2019-12-15 10:55:21 · 1447 阅读 · 0 评论 -
Caffe训练预测自己的数据集
在win10 vs2015 显卡compute capability7.5 Python3.5.2环境下配置caffe及基本使用(一)介绍了如何编译生成caffe工程及python、matlab接口。下面介绍通过命令行方式使用caffe训练预测mnist数据集、训练预测cifar10数据集,训练预测自己的数据集。(1) 训练mnist数据集在主目录下的examples/minst文件夹下放...原创 2020-01-22 20:29:31 · 831 阅读 · 0 评论 -
Caffe使用Matlab接口、python接口、c++接口训练网络和预测
需要结合我之前的博客做参考,相关配置文件在文末有链接可以下载1.使用Matlab接口训练自己的数据集(MATLAB2017b)Caffe源码编译后将主目录下的matlab\+caffe\private\Release文件夹内的caffe_.mexw64拷贝至上一层文件夹内,即matlab\+caffe\private文件夹内 ...原创 2020-01-26 23:12:01 · 687 阅读 · 0 评论 -
传统算法目标检测知识点整理
1.直方图均衡化、滤波编码、阈值分割(峰谷法、灰度阈值法)、区域增长、分裂合并https://wenku.baidu.com/view/6341c428a36925c52cc58bd63186bceb18e8ed02.html2.区域生长、区域分离合并、使用分水岭变化(来源:Matlab(冈萨雷斯)3. PCA主成分分析方法(来源大论文)主成分分析[39](PCA)方法是一种数学变...原创 2020-06-14 22:19:11 · 762 阅读 · 0 评论 -
windows下vs2013配置caffe及基本使用
目前已经用python代码搭建了CNN来做目标分类、检测、分割(用python搭建速度快,非常方便)。之后又转用tensorflow的C++ API来搭建CNN重新实现一遍目标分类、检测、分割(执行效率高)。现在再转用caffe实现一遍。先从配置说起。1.准备环境 (1) VS2013(2) cuda8.0+cudnnv5.1(如何安装配置验证参考我的之前博文)点击打开链接...原创 2018-02-01 13:51:16 · 3471 阅读 · 1 评论 -
win7下VS2015编译tensorflow源码教程(在线和离线)及调用配置
这段时间一直用python代码import tensorflow和keras的库,来搭建CNN框架进行图像的训练和预测,现在想用tensorflow的c++版来改写实现。故想自己编译一份tensroflow的lib和dll文件,创建工程调用其来实现相同的功能。本博客主要讲编译过程和一个简单的sample例子。一.编译详细过程:1.下载tensorflow源码,链接:点击打开链接,选择1.3原创 2018-01-31 23:38:48 · 10403 阅读 · 35 评论 -
win7下cuda8.0安装跑gpu版tensorflow
要用深度学习做目标检测,先尝试了caffe,这会又要熟悉tensorflow了,简单写下配置过程吧,挺简单的:0.win7 X64系统1.安装vs20132.安装Anaconda3(需要里面的python环境)3.下载CUDA8.0(https://developer.nvidia.com/cuda-downloads),下面两个exe文件都下载 补充说...原创 2017-07-30 09:55:54 · 11685 阅读 · 3 评论 -
CNN中感受野(receptive field)计算及一层输入和输出size之间的关系计算
之前有段时间偏向于工程实现,用CNN做classification,Detection,Segmentation都已经玩过,且在项目上有过应用,过程中也看了很多理论知识,但较浅。现在有时间再回头过下理论知识吧。 一.感受野的计算 点击打开链接该博客中做了完备数学公式的推导,在此引用一下: 假设第i层上对第j层的局部感受野为F(i,j...原创 2018-04-01 14:02:44 · 2787 阅读 · 0 评论 -
win10+cuda9.0.176+cuddnv7.5.0.56+tensorflow-gpu 1.10 + keras 2.1.2配置
最近按如上程序配置成功,Mark下!原创 2019-07-01 18:27:06 · 411 阅读 · 0 评论