深度学习
文章平均质量分 85
leng_yan
以梦为马,不负韶华。
展开
-
caffe安装过程详解linux版本
编者语:如果你想深入研究深度学习,强烈建议你有一块好的显卡。caffe支持cpu、gpu两个版本,强烈建议使用gpu版本训练模型(因为速度真的非常快)。由于gpu版本需要安装cuda和cudnn,所以强烈建议使用的显卡计算能力大于3.0,显卡计算能力请参考https://developer.nvidia.com/cuda-gpus。后续多显卡运行模型需要安装的nccl对于显卡的计算能力也有一定的要原创 2017-05-07 18:57:21 · 7738 阅读 · 1 评论 -
Tensorflow安装教程(Linux+Anaconda2)
Tensorflow的安装相比Caffe的安装要容易很多,真的很多! Tensorflow的安装方式方法有很多种,比如Pip, Docker, Virtualenv, Anaconda 或 源码编译。这里我们推荐Anaconda 安装,本文也主要讲述Anaconda 下Tensorflow的安装。 Anaconda 是一个集成许多第三方科学计算库的 Python 科学计算环境,Anaconda原创 2017-06-23 21:21:36 · 4932 阅读 · 0 评论 -
ImportError: libcusolver.so.8.0: cannot open shared object file: No such file...
import tensorflow as tf ImportError: libcusolver.so.8.0: cannot open shared object file: No such file or directory sloution: sudo ldconfig /usr/local/cuda/lib64原创 2018-08-01 09:56:58 · 2105 阅读 · 1 评论 -
关于深度学习的几个问题(一)
1.关于deep learning(主要指cnn)调参的经验?解析:深度学习整体上是越来越成熟的,不管是框架还是卷积神经网络,关于每个网络初始化参数和超参数的配置虽然有区别,但相似点似乎更多。1)激活函数,首选Relu。2)dropout 。这个从AlexNet延续至今,理由很简单可有效防止过拟合。不宜设置过大,太大的话容易造成网络的不收敛。一般设置0.5。3)数据预处理,做shuffle...原创 2019-02-02 14:40:28 · 885 阅读 · 0 评论 -
基于深度学习的短视频内容分析简介
基于图像的目标检测和语义分割已进入后半程,基于视频的内容分析正在逐渐成为主流,理由很简单视频可以拿到更多有价值可分析的信息。一个视频在它的生命周期内可能涉及到许多处理技术。从摄像头捕获开始,然后是编解码,这个阶段还涉及到传输、存储,然后是编辑与处理,比如剪辑、背景分割。随后是信息提取,包括物体识别、场景检测、人物分析、行为识别、主题提取、事件检测。以上步骤完成后,我们拿到了海量视频,还可做视频的...原创 2019-03-06 09:41:33 · 8831 阅读 · 1 评论 -
关于深度学习几个问题(二)
1.解释过拟合和欠拟合,分别解决方案。上面图中分别体现:左侧为欠拟合中间为平衡态右侧为过拟合欠拟合:模型在训练数据上的性能很糟糕。过拟合:模型在训练数据上表现良好但在评估数据上表现不好。欠拟合产生可能是由于模型太简单 (输入特征表述性不够) 而无法很好地描述目标,可以通过提升模型灵活性来改进性能。具体操作:1)添加新的域特有特征和更多特征笛卡尔积,并更改特征处理所用的类型2) 减少使...原创 2019-03-06 16:00:16 · 278 阅读 · 0 评论 -
深度学习中图像标注工具整理
在某些特定图像处理任务中,开源数据集往往并不能完全满足要求,需要制定数据集,来完成检测或者分割任务,接下来介绍几款用的比较多的标注工具。图像检测标注工具labelImglabelImg支持Windows、macOS、Linux系统。还支持快捷键,方便标注。项目github地址:https://github.com/tzutalin/labelImg通过labelImg标注的数据可在S...原创 2019-03-14 21:38:39 · 2038 阅读 · 0 评论