DeepLearning
文章平均质量分 77
卡列宁在睡觉
这个作者很懒,什么都没留下…
展开
-
Deep Learning的案例-YoloV5中的数据增强
hyp参数列表lr0: 0.01 # initial learning rate (SGD=1E-2, Adam=1E-3)lrf: 0.2 # final OneCycleLR learning rate (lr0 * lrf)momentum: 0.937 # SGD momentum/Adam beta1weight_decay: 0.0005 # optimizer weight decay 5e-4warmup_epochs: 3.0 # warmup epochs (frac原创 2021-08-09 11:40:29 · 2942 阅读 · 1 评论 -
Deep Learning的案例FasterRCNN(二)
FasterRCNN前言从RCNN到Faster-RCNN当我们谈论Faster-RCNN的时候,我们在谈论什么.训练流训练步骤到底在学习什么东西?LossFunction在caffe中的数据流Faster-RCNN的定制与那些特殊的层.后记前言当年参考的从rcnn到faster-rcnn系列的文章链接失效了,充分说明自己记录一份的重要性,虽然现在有更多从rcnn到maskrcnn的解析文章,但是很难再有那时候晚上睡觉,满脑子的共享卷积层上的小窗口随着心跳像贪吃蛇一样动态滑动的感觉了。(对,就是失眠了。原创 2020-06-25 21:36:22 · 252 阅读 · 0 评论 -
Deep Learning的案例FasterRCNN(一)
一前言从RCNN到Faster-RCNN前言当年参考的从rcnn到faster-rcnn系列的文章链接失效了,充分说明自己记录一份的重要性,虽然现在有更多从rcnn到maskrcnn的解析文章,但是很难再有那时候晚上睡觉,满脑子的共享卷积层上的小窗口随着心跳像贪吃蛇一样动态滑动的感觉了。(对,就是失眠了。。。。。。)从RCNN到Faster-RCNN目标需求:如何检测出不同物体?任务分解:识别+分类RCNNFast-RCNNFaster-RCNN本来想多贴几张图,发现这个链接原创 2020-06-25 20:39:32 · 406 阅读 · 0 评论 -
Deep Learning从入门到出世(四)
Deep Learning 圣经四. 后记1. 蒙特卡洛方法(Monte Carlo)四. 后记据说现在如果对外宣称自己是做Deep Learning或者人工智能方面的,都会被认为是骗子。当人工智能经历三起三落,后借着Deep Learning的东风又强势崛起时,人们赋予了它极大的厚望,但是当产品不能如人们期望的那样智能的时候,也许它就会第四次跌落谷底。1. 蒙特卡洛方法(Monte Carlo)Las Vegas和Monte Carlo这两个词本身是两座著名赌城,因为赌博中体现了许多随机算法,所以原创 2020-06-20 20:33:00 · 149 阅读 · 0 评论 -
Deep Learning从入门到出世(三)
Deep Learning 圣经三. 深度研究1. 蒙特卡洛方法(Monte Carlo)2. 采样3. todo三. 深度研究这一部分介绍了当时比较前沿的主题和一些其它技术。在致敬Hinton的深度信念网络之后,推销自己的生成对抗模型,后来果然大火。1. 蒙特卡洛方法(Monte Carlo)Las Vegas和Monte Carlo这两个词本身是两座著名赌城,因为赌博中体现了许多随机算法,所以借过来命名。Las Vegas 总是精确地返回一个正确答案,但不保证能找到。假如有一把锁,给我100原创 2020-06-20 11:42:05 · 185 阅读 · 0 评论 -
Deep Learning从入门到出世(二)
Deep Learning 圣经二. 深度网络:现代实践1. 深度学习的模型2. 深度学习的正则化3. 深度学习的优化二. 深度网络:现代实践这一部分是炼丹师需要掌握的核心知识,介绍了深度前馈网络,卷积网络, 循环和递归网络,实践性很强的调参技巧如深度学习的正则化,深度模型中的优化方法等等。对于长时间耕耘炼丹这一领域,是需要反复研读实践的。每个点都是可以深入坑。1. 深度学习的模型前馈网络卷积网络循环网络递归网络生成对抗网络2. 深度学习的正则化L1L^1L1和L2L^2L2范数的原创 2020-06-13 20:43:11 · 291 阅读 · 0 评论 -
Deep Learning从入门到出世(一)
邓布利多的冥想盆有时候还是要拿出来用用从OpenCV到Deep LearningDeep Learning 圣经一.应用数学与机器学习基础1.监督学习如LogisticMarkDown工具保留从OpenCV到Deep Learning如前所言看到了Deep Learning微微扬起的嘴角以后,就像突然发现了一片海洋。Caffe & MxNet & Tensorflow & PyTorchRCNN & FastRCNN & FasterRCNN & M原创 2020-06-13 12:08:23 · 319 阅读 · 0 评论 -
从OpenCV到DeepLearning(一)
关于OpenCVOpenCV使用小历史离机械越来越远从机械臂到OpenCV从OpenCV到DeepLearning从DeepLearning到RobotLearning从RobotLearning到Humanoid从Humanoid回到视觉SLAMOpenCV使用小历史现在OpenCV都已经出到了opencv4,想想最早使用opencv的时候还是用的opencv1.0 如在昨日啊,虽然相识已久...原创 2020-06-13 10:26:56 · 425 阅读 · 1 评论 -
Deep Learning 工具
伸手党的福音,工具真的有好多呀。。。。。后之视今,亦犹今之视昔Caffe概览Caffe的反向传播推导Caffe的反向传播代码Caffe的手动添加一个自己的层后记后之视今,亦犹今之视昔在风口的时候,可以亲眼见证各种变化,于是才有机会体验什么是瞬息万变。当年以目标识别为切入点,依据网上有的各种资料,各种填坑安装,重装,兵分几路,尝试caffe, mxnet, tensorflow,torch, cntk, darknet。cntk用的太少,基本被放弃。darknet仅仅是对yolo的专属,难以扩展,也原创 2020-06-25 16:22:16 · 199 阅读 · 0 评论