![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 50
itcast_xiaohuer
这个作者很懒,什么都没留下…
展开
-
图像分类任务 要点参考
模型选择服务器部署:ResNet_vd、Res2Net_vd、DenseNet、Xception精度尽可能地高,对模型存储大小或者预测速度的要求不是很高; 移动端部署:MobileNetV3、GhostNet;参数初始化ImageNet-1k训练得到的预训练模型进行初始化(目标数据集不是很大) 自己手动设计的网络: (1) Xavier初始化,针对Sigmoid函数提出的 (2) MSRA初始化, 使用较多RELU激活函数时网络参数冗余(1) 剪枝: 相对不重要的权.原创 2020-11-10 14:43:34 · 443 阅读 · 0 评论 -
windows 运行PaddleClas
windows下 运行PaddleClas版本:python: 3.7.1paddlepaddle: 1.8.4(1) 下载PaddleClas源码https://github.com/PaddlePaddle/PaddleClas(2) 进入工程主目录cd path_to_PaddleClas(3) 下载并解压flowers102数据集cd dataset/flowers102wget https://www.robots.ox.ac.uk/~vgg/data/flowers/原创 2020-11-05 15:06:49 · 465 阅读 · 7 评论 -
keras模型训练 + .h5转变可部署.pb
核对环境:tensorflow版本: 2.0.1keras版本: 2.3.1数据集文件夹结构:模型训练:# -*- coding: utf-8 -*-"""Created on Sat Jun 6 14:28:50 2020@author: USER"""from __future__ import absolute_import,division,print_function,unicode_literalsimport tensorflow as tffrom tenso原创 2020-06-16 20:24:29 · 1175 阅读 · 5 评论 -
区域卷积神经⽹络(R-CNN)系列
R-CNNR-CNN ⾸先对图像选取若⼲提议区域(例如锚框也是⼀种选取⽅法)并标注它们的类别和边界框(例如偏移量)R-CNN 主要由以下四步构成:(1) 对输⼊图像使⽤选择性搜索(selective search)来选取多个⾼质量的提议区域;(2) 选取⼀个预训练的卷积神经⽹络,并将其在输出层之前截断。将每个提议区域变形为⽹络需要的输⼊尺⼨,并通过前向计算输出抽取的提议区域特征;(3) 将每个提议区域的特征连同其标注的类别作为⼀个样本,训练多个⽀持向量机对⽬标分类。其中每个⽀持向量机⽤来判断样本原创 2020-06-09 21:03:26 · 225 阅读 · 0 评论 -
迁移学习:微调
场景:假设我们想从图像中识别不同种类的椅子,然后将购买链接推荐给用户,一种可能的方法是:(1) 先找出100中常见的椅子,然后对椅子从各个角度进行拍照;(2) 通过该数据集训练一个深度学习模型;然而这个数据集的规模会远远小于imageNet样本数,这种情况下会导致适用于ImageNet的模型在现有的数据集上出现过拟合现象,同时由于训练数据集有限,最终得到的模型的精度也不会达到实用的要求,为了解决上述问题,有以下方法:(1) 扩充数据集,成本太贵(2) 迁移学习:从源数据集上学到的知识迁移到目标数原创 2020-06-09 16:47:00 · 1820 阅读 · 1 评论 -
卷积神经网络(多输入通道与多输出通道)
多输入通道:当输入数据含有多个通道时,我们需要构造一个输入通道数与输入数据通道数相同的卷积核,从而能够与含有多个输入数据做互相关运算。例如:阴影部分第一个元素及其计算所使用的输入和核数组元素:多输出通道:通过1乘1卷积核来调整网络层之间的通道数,并控制模型的复杂度。...原创 2020-06-08 19:14:42 · 6323 阅读 · 2 评论 -
optimizer 性能对比
在线性回归或者监督学习中,我们会计算预测值与真实值之间的差距,也就是loss。在计算得出loss之后,通常会使用Optimizer对所构造的数学模型/网络模型进行参数优化,通常情况下,优化的最终目的是使得loss趋向于最小。下面是几种Optimizer模型参数优化算法对比:...原创 2020-05-27 09:21:00 · 223 阅读 · 1 评论 -
redhat7安装caffe
文章来源:原文:https://blog.csdn.net/feinifi/article/details/60326441安装一个软件,基本套路就是先找基础源,然后找额外的源,最后找指定软件源。以caffe安装为例,先准备基础源,可以用安装操作系统的镜像做一个源,这个比较浪费磁盘空间,另外可以考虑使用网络源,基础安装如ifconfig,wget,gcc,git等都可以安装了,再准备epe...原创 2019-03-27 11:14:35 · 190 阅读 · 1 评论 -
数据集划分处理
#* coding:utf-8 *import randomtrain = [] # 训练数据集test = [] # 测试数据集train_val = [] # 验证数据集while (len(train)<41):x = random.randint(63,113)if (x not in train):train.append(x)while ...原创 2019-03-27 09:14:44 · 274 阅读 · 1 评论