2018年05月_LEILEI18A

原创完整的pytorch教程（mnist 为例）

'''设置不同层的学习率、更新学习率（对应更新）、输出中间层特征、创建网络、保存网络、测试网络效果、初始化github link: https://github.com/gengyanlei/Pytorch-Tutorial-mnistA whole Pytorch tutorial : set different layer's lr , update lr (One to one ...

2018-05-28 21:47:12 5375 2

原创 tensorflow 恢复模型并测试-2种方法

Tensorflow 保存模型后恢复模型测试-2种方法：1. 保存模型参数，恢复时，先重建网络，再倒入参数。如下以mnist为例子eg：import tensorflow as tffrom tensorflow.contrib import slimfrom tensorflow.examples.tutorials.mnist import input_data#下载mnist...

2018-05-21 19:18:32 2131 2

pytorch 输出中间层特征：tensorflow输出中间特征，2种方式：1. 保存全部模型(包括结构)时，需要之前先add_to_collection 或者用slim模块下的end_points2. 只保存模型参数时，可以读取网络结构，然后按照对应的中间层输出即可。but：Pytorch 论坛给出的答案并不好用，无论是hooks，还是重建网络并去掉某些层，这些方法都不好用（在我看来）。我们可...

2018-05-21 11:20:57 17528 6

原创 Pytorch-HED fine-tune实现

Pytorch HED （VGG16-HED and Res34-HED ）python 3 ； pytorch 0.4基于 fine-tune 的 VGG16 或者 Resnet34 构建HED网络；并且，本人基于pytorch已经写好和训练好的网络基础上，构建属于自己简约风格的网络，例如HED网络。https://github.com/gengyanlei 链接具体情况'''...

2018-05-16 17:01:23 2783 4

原创如何计算百分位数-python实现原理

计算百分位数，一般采用线性插值：linear；numpy 中有百分位函数 np.percentile(a,10,interpolation='linear') 默认线性本文即这种方法。第一步：排序第二步：计算百分位数所在区间上限下限，(数组索引从0开始)，若下限等于本身，则减1第三步：上下限即索引，根据索引求出区间，根据线性插值加下限值即为所求百分位数'''import numpy as n...

2018-05-14 17:11:00 11349

原创深度学习框架之个人见解

目前本人使用过的深度学习框架有4个：按照使用先后顺序：caffe，tensorflow，keras，pytorch，mxnet。从2个方面说一下体验：1）安装体验：caffe：安装及其繁琐，并且网上诸多教程都是瞎写或者转载，没有实际安装过。这里有一篇ubuntu14.04安装caffe的比较好的教程：https://blog.csdn.net/leilei18a/article/de...

2018-05-09 17:21:16 736

原创 tensorflow 选择性fine-tune（微调）

'''多种选择fine-tune部分权重的方法Multiple selection load weights for fine-tune注：slim的fine-tune 适用slim模块conv bn（尽量一致对应模块）第一种没有试验过：个人理解：可以不用管不需要fine-tune的权重直接tf.global_variables_initializer即可（slim模块就是这样实验的）'''...

2018-05-06 15:58:39 5322

原创 tensorflow-slim模块推广

使用slim模块，快速简洁实现VGG16，并且实现基于VGG16 fine-tune（全部fine-tune、只fine-tune fc8层之前的层）注意：由于slim模块slim.learning.train()与slim.learning.create_train_op() 不像平常的feed数据（没有占位符），需要slim模块中的tfrecords 生成并直接feed进去。很难理解，因此，我...

2018-05-04 08:52:37 891

原创图像处理-线性拉伸

图像领域：拉伸即：灰度图拉伸，与直方图均衡化类似，但是也不同！！！线性拉伸：1）直接线性拉伸；2）裁剪线性拉伸；3）分段式拉伸。1）直接线性拉伸：（直接归一化，然后放缩到指定大小范围）代码：import cv2import numpy as npgray=np.float( cv2.imread(**) )gray_new=( gray-gray.min() ) / ( gray.max()-gr...

2018-05-03 16:14:13 23728 2

LEILEI18A的博客