- 博客(9)
- 收藏
- 关注
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
原创 pytorch 输出中间层特征
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
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