- 博客(8)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 深度学习损失函数原理分析（四）
本章节主要介绍深度学习中损失函数。2分类的logistic损失 SoftMarginLoss、多标签分类损失 MultiLabelMarginLoss、多标签 one-versus-all 损失 MultiLabelSoftMarginLoss2.10 SoftMarginLossSoftMarginLoss用于计算二分类logistic损失功能：创建一个优化器用来做二分类逻辑回归，输入X与标签y(含有1 or -1).nn.SoftMarginLoss（size_average=None,
2021-12-13 20:03:21
2388
原创 深度学习损失函数原理分析（三）
上一章主要介绍了L1_loss、L2_loss、SmoothL1三个函数，本章主要介绍二进制交叉熵损失 BCELoss、BCEWithLogitsLoss、HingeEmbeddingLoss三个损失函数2.7 二分类交叉熵损失BCELossBCELoss主要用于二分类的损失函数，先对参数进行sigmod函数归一化，在采用交叉熵求损失，过程Sigmoid-BCELoss。sigmod函数：sigmod函数也叫Logistic函数，用于隐层神经单元输出，取值范围（0,1），他可将一个实数映射到（0,1
2021-12-06 15:29:53
1841
原创 深度学习损失函数原理分析（二）
上一章节主要介绍了均方误差（MSELoss）与交叉熵损失（CrossEntropyLoss）两个损失函数原理及应用，本章将介绍L1范数损失。2.4 L1范数损失(L1_loss)L1_loss表示预测值与真实值之差的绝对值；也被称为最小绝对值偏差（LAD）,绝对值损失函数（LAE）。总的来说，它是把目标值y与估计值f(x)的绝对差值的总和最小化。代码：import numpy as npimport torchimport torch.nn as nn#数学公式y=np.array([0
2021-12-03 17:06:38
1699
1
原创 深度学习损失函数原理解析（一）
在深度学习中，我们经常用到损失函数，损失函数选择使用情况直接决定我们模型训练效果。1.前言损失函数是深度学习与机器学习里面的重要函数。从字面意思可确定，损失函数（Loss Function）反应的是模型对数据的拟合程度。损失函数越小，说明模型对数据拟合程度越好，反之拟合程度越差。损失函数是用来估量模型的预测值prediction(x)与真值Y之间的不一致问题，非负值函数，通常L(Y,prediction(x))表示损失函数公式，损失函数越好，鲁棒性越好，损失函数是经验风险函数的核心部分，也是结构风险函
2021-12-02 18:07:10
2219
原创 梯度值与参数更新optimizer.zero_grad(),loss.backward、和optimizer.step()、lr_scheduler.step原理解析
在用pytorch训练模型时，通常会在遍历epochs的过程中依次用到optimizer.zero_grad(),loss.backward、和optimizer.step()、lr_scheduler.step()四个函数，使用如下所示：train_loader=DataLoader( train_dataset, batch_size=2, shuffle=True)model=myModel() criterion=nn.CrossEntropyLoss()
2021-11-30 20:03:16
6745
2
原创 maskrcnn制作自己数据集
数据集准备数据集图片放入一个文件夹中，如下图够人与狗两张图片。数据集标注1：进入Anconda Prompt命令窗口（默认安装anconda3）2: 进入labelme环境（命令：activate labelme）3：启动labelme软件（启动命令：labeme）4: 点击openDir打开数据集开启标注：出现同一类多个实例时请使用dog1 dog2 …dogn标注。如下图所示：标注完成数据集标注完成每张图片产生一个对应json文件，如下图所示：生成mask样本json文件
2021-11-17 16:08:59
1923
8
原创 2021-02-25
基于windows10系统的c++与darknet联合推理部署基于windows的c++与darknet部署推理提供两种方式：基于opencv dnn模块推理方式和基于darknet模块推理方式。1）基于opencv dnn模块推理 系统要求：Windows10系统 软件及库文件下载: vs2015(社区个人免费版本镜像：[http://download.microsoft.com/download/B/4/8/B4870509-05CB-447C-878F-2F80E4CB464C/vs201
2021-02-25 15:17:45
130
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人