- 博客(8)
- 收藏
- 关注
RSS订阅原创 图像分割7日打卡营
这次图像分割7日打卡营，为我们解释目标检测与各种图像分割（语义分割，实例分割，全景分割）得不同，并详细解释了图像分割领域的一些常用方法和论文。采取与以往不同的做法，在讲解完理论之后，老师还现场跟同学们一起手撸代码，同时解释代码的作用。下课之后，作为作业，同学们被要求复现老师在课堂上实现的代码。这种新的教法，虽然增加了我们完成作业的难度，但是通过对代码的复现和了解，却让我们在深度学习的道路上，能够更好的理解和记住理论知识。同时也给我们提供了一个机会，跨过调包和调参这道坎，尝试去理解各种网络如何可以互联互通，
2020-10-25 00:39:56
244
原创 Few Shot Vid2Vid 论文心得
Few Shot Vid2Vid 论文心得一直以来，我对怎么实现视频里的人物和风格迁移很好奇，觉得能做到这些，简直是太神奇了。因此，当论文复现营进入了论文精读得第二阶段，我就速读了两篇这方面的论文，Few Shot Vid2Vid 和 First Order MotionModel for Image Animation.局限于水平太低，我实在看不出这两篇论文的主要目的有什么不同。只是感觉Few Shot Vid2Vid好像泛化能力要强一点，因为除了人物和表情迁移，它还能被用于街景迁移任务...
2020-08-06 10:46:32
742
原创 AlexNet各子层的输出形状
文章目录AlexNet各子层的输出形状AlexNet的网络结构计算各子层的输出形状打印各子层的输出形状保持滤波器输出形状AlexNet各子层的输出形状在学习利用PaddlePaddle构建AlexNet的时候，看到第一层全连接的输入数目12544，第一反应就是，这么大的数字，是如何得到的？有两种办法：通过计算获得和利用PaddlePaddle 的参数打印功能。AlexNet的网络结构训练营给出的AlexNet 的网络结构：class AlexNet(fluid.dygraph.Layer):
2020-06-28 10:26:41
1219
原创 train()与eval()
文章目录Fluid Model train()与eval()Fluid Model train()与eval()在浏览PaddlePaddle的动态图源码时，一定 会看到在生成train()函数时，首先会调用model.train(),中间每个epoch后会调用model.eval(),一段代码之后，又再调用modle.train().我对PaddlePaddle的架构还不熟悉，一直纳闷为啥用这样做。通过跟一位朋友讨论之后，终于明白了原因。原来利用PaddlePaddle生成的网络，可以实时的在训练和
2020-06-27 12:36:53
1578
原创 飞桨fluid.layers
@[TOC]飞桨fluid.layers因为错过了第一期的训练营，我在完成第二期的作业时碰到好多的问题，费了很大的劲才解决，当时就下定决心一定要去回顾第一期的内容。这几天我学习了第一期第一节到第四节的内容，受益匪浅！原来飞桨的layers层已经实现了许多神经网络的基本函数，飞桨称之为算子，比如relu, sigmoid, tanh, sofmax, fc全连接，线性回归linear，卷积神经网络的卷积层和池化层，各种损失函数和优化方法。 使用飞桨构建神经网路其实就是调用这些已经做好的算子，在网络结构，层
2020-06-19 10:25:21
1980
原创 卷积神经网络重要的辅助函数im2col
卷积神经网络重要的辅助函数***im2col***卷积神经网络里的一重要步骤需要把多维的数据扁平化成一行一行组成矩阵，然后可以快速的跟滤波器权重和偏置进行矩阵点积运算。这个步骤由***im2col***函数实现。虽然大部分的框架都提供了这个函数，我认为非常值得去花点时间去弄明白这个函数是怎么样实现的，至少它能加深了解numpy的多维矩阵赋值功能，已经如何对6维矩阵进行适当的转置以达到必要的目的。#代码1函数的实现一般上都有多种方法，im2col也不例外。最容易让人想到的方法使用多层for循环，把对应的
2020-06-17 11:02:39
153
原创 深度学习的一些重要概念、
#[TOC] 深度学习的一些重要概念、在学习《深度学习入门》的过程中，接触到一些重要概念，先记录如下：感知机：单层感知机只能解决线性问题；要解决复杂的非线性问题，可以通过叠加多层感知机来实现神经网络的权重和偏置的设定也遵循一定的规律：relu函数使用He氏初始值，而sigmoid 和tanh函数使用Xavier初始值各种激活函数： relu, sigmoid, tanh, 阶跃函数输出层的设计：回归问题使用恒等函数，分类问题使用softmax函数学习率，轮数（epoch), 批处理（b
2020-06-16 11:06:57
268
原创 百度架构师手把手教深度学习之心得
<<百度架构师手把手教深度学习>>心得课程内容作业打磨感言祝愿课程链接经过紧张有序的三个星期的学习，终于完成了《百度架构师手把手教深度学习>>！课程内容在这三个星期中，英俊的毕老师用风趣生动的语言，深入浅出的为我们讲解百度PaddlePaddle AI平台的关于计算机视觉，语音识别，自然语言识别和推荐系统核心框架，并通过适当的案例循序渐进地向我们展示如何使用各种工具，进行模型训练，参数配置，二次开发，以及工业部署等多项任务，让我们Paddle Paddle里面各种工
2020-06-15 13:36:09
271
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