深度学习
文章平均质量分 54
一个小猴子`
天道酬勤-厚积薄发。
展开
-
xml转换成txt (VOC转换为YOLO)
【代码】xml转换成txt (VOC转换为YOLO)原创 2023-10-13 12:22:41 · 169 阅读 · 1 评论 -
SE、CBAM、ECA 、CA注意力机制
之后对平均池化和最大池化的结果,利用共享的全连接层进行处理,我们会对处理后的两个结果进行相加,然后取一个sigmoid,此时我们获得了输入特征层每一个通道的权值(0-1之间)。假设输入进来的特征层的形状为[C, H, W],在经过宽方向的平均池化后,获得的特征层shape为[C, H, 1],此时我们将特征映射到了高维度上;用更专业的名词就是跨通道交互的覆盖率。SE注意力机制只考虑了通道维度上的注意力,无法捕捉空间维度上的注意力,适用于通道数较多的场景,但对于通道数较少的情况可能不如其他注意力机制。原创 2023-10-04 19:40:27 · 5745 阅读 · 0 评论 -
IoU、GIoU、DIoU、CIoU、EIoU、αIoU
如下图,三个红框的面积相同,但是长宽比不一样,红框与绿框中心点重合,这时三种情况的DIoU相同,证明DIoU不能很好的区分这种情况。DIoU损失是同时考虑包围盒的重叠面积和中心点距离,但没有考虑包围框的纵横比,因此CIoU在DIOU的基础上,考虑边界框宽高比的尺度信息。通过合并预测框和目标框之间的归一化距离来实现,它在训练中的收敛速度比IoU和GIoU损失快得多。EIoU是在CIoU的惩罚项基础上将预测和真实框的纵横比的影响因子拆开,分别计算预测框和真实框的长和宽,来解决CIoU存在的问题。原创 2023-10-02 19:43:48 · 452 阅读 · 0 评论 -
pytorch复现ShuffleNetV2
【代码】pytorch复现ShuffleNetV2。原创 2023-08-30 20:16:00 · 121 阅读 · 0 评论 -
pytorch复现MobieNetV2
【代码】pytorch复现MobieNetV2。原创 2023-08-19 14:14:35 · 385 阅读 · 0 评论 -
pytorch复现VGG
【代码】pytorch复现VGG。原创 2023-08-18 10:46:23 · 115 阅读 · 0 评论 -
pytorch复现AlexNet
【代码】pytorch复现AlexNet。原创 2023-08-18 10:45:29 · 61 阅读 · 0 评论 -
pytorch复现LeNet
【代码】pytorch复现LeNet。原创 2023-08-18 10:44:37 · 42 阅读 · 0 评论 -
pytorch复现ResNet
【代码】pytorch复现ResNet。原创 2023-08-16 13:00:13 · 399 阅读 · 0 评论 -
Anaconda虚拟环境的基础操作
conda create --prefix=安装路径\环境名 python=版本号。创建虚拟环境,指定环境的名称、路径并设置python 的版本号。conda create -n 环境名 python=版本号。创建虚拟环境,指定环境的名称并设置python版本号。conda remove -n 环境名 --all。安装Pandas库,并指定版本号为1.2.4。删除名为“环境名”的虚拟环境。进入名为“环境名”的虚拟环境。查看当前环境下的某个库版本。列出当前环境下的所有库。原创 2023-08-11 18:00:44 · 283 阅读 · 0 评论 -
Kaggle:树叶分类(使用Jupyter)
【代码】Kaggle:树叶分类(使用Jupyter)原创 2023-07-19 15:36:33 · 846 阅读 · 0 评论 -
Jupyter notebook 安装代码提示和补全
打开Anaconda Prompt 终端。打开Jupyter notebook。原创 2023-07-08 12:16:39 · 259 阅读 · 0 评论 -
colab使用教程(小白入门)
创建一个文件夹放自己的数据集(不创建也可以)在“修改–>笔记本设置–>GPU”原创 2023-07-18 09:13:12 · 378 阅读 · 0 评论 -
李沐动手学深度学习:softmax回归的从零开始实现
【代码】李沐动手学深度学习:softmax回归的从零开始实现。原创 2023-07-08 16:15:56 · 364 阅读 · 0 评论 -
李沐动手学深度学习: 手写线性回归
李沐动手学原创 2023-07-07 15:45:57 · 195 阅读 · 0 评论 -
R-CNN论文精读(论文翻译)
文章目录摘要介绍摘要Object detection performance, as measured on the canonical PASCAL VOC dataset, has plateaued in the lastfew years.在PASCAL VOC数据集上测量的目标检测性能在过去几年已经趋于稳定。The best-performing methods are complex ensemble systems that typically combine multiple low原创 2021-08-25 16:36:51 · 3372 阅读 · 1 评论 -
代价函数(cost function)
文章目录1.什么是代价函数2. 代价函数的常见形式2.1 均方误差2.2交叉熵2.3神经网络中的代价函数3. 代价函数与参数4.代价函数与梯度4.1 线性回归模型的代价函数对参数的偏导数4.2 逻辑回归模型的代价函数对参数的偏导数代价函数(有的地方也叫损失函数:Loss Function)在机器学习中的每一种算法中都很重要,因为训练模型的过程就是优化代价函数的过程,代价函数对每个参数的偏导数就是梯度下降中提到的梯度,防止过拟和时添加的正则化项也是加在代价函数后面的。1.什么是代价函数假设有训练样本(x转载 2021-04-11 21:02:09 · 22091 阅读 · 1 评论 -
机器学习:线性回归
文章目录1.什么是线性回归1.什么是线性回归在我们开始讨论技术原理之前,先看一些帮组我们直观理解的例子:给你一下的X,Y值(1,1), (2,2), (4,4), (100,100), (20, 20),当X=5时,Y是多少?答案是5,很简单,对吧?现在,让我们看一个难一点的例子。给你一下的X,Y值(1,1), (2,4), (4,16), (100,10000), (20, 400),当X=5时,Y是多少?答案是25.让我们来理解一下上面的两个例子。当我们做第一个例子时,首先通过给定的数据原创 2021-04-13 08:02:43 · 987 阅读 · 0 评论 -
机器学习:逻辑回归
文章目录什么是逻辑回归什么是逻辑回归Logistic回归与多重线性回归实际上有很多相同之处,最大的区别就是在于他们的因变量不同,其他的基本都差不多。正是因为如此,这两种回归可以归于同一个家族:...原创 2021-04-13 09:11:32 · 311 阅读 · 0 评论 -
机器学习之正则化(吴恩达课程总结)
文章目录1.过拟合问题1.过拟合问题(1) 这是一个预房价的例子,原创 2021-04-12 13:05:39 · 257 阅读 · 0 评论 -
画混淆矩阵,并根据矩阵计算准确率、每个类别的精确率和召回率
TP(True Positives):实际为正例并且预测为正例FP(False Postives):实际为反例但是预测为正例TN(True Negatives):实际为反例并且预测为反例FN(False Negatives):实际为正例但是预测为反例精确率=TP/(TP+FP)召回率=(TP)/(TP+FN)# coding=utf-8import matplotlib.pyplot as pltimport numpy as npconfusion = np.array(([200,0原创 2021-10-27 16:33:21 · 6870 阅读 · 4 评论 -
解决pycocotools下载错误的问题
遇到的问题应该是VS版本不符合,因此直接从清华镜像源下载pycocotools安装包。首先查看自己的python版本号,我的是3.8因此选择cp38的:然后Anaconda Prompt(也可以使用CMD)中找到安装包路径:pip install C:\Users\haoli\Downloads\pycocotools_windows-2.0.0.2-cp38-cp38-win_amd64.whl大功告成:...原创 2021-10-01 16:52:19 · 757 阅读 · 0 评论 -
将训练好的Pytorch模型修改为可以在Android部署的样式
最近想要把训练好的Pytorch模型在Android端上部署,发现如果将直接训练好的模型直接运用到Android上会出现闪退的情况,所以需要将转模型进行转换。查找了很多博客,都不能直接解决我的问题,所以经过一天的试错,终于把模型转换搞好了。参考:将Pytorch模型部署到Android端pytorch官方教程import torchimport torchvisionfrom torch.utils.mobile_optimizer import optimize_for_mobileimp原创 2021-07-17 15:34:21 · 2266 阅读 · 7 评论 -
Win10深度学习环境安装
文章目录Anaconda的安装Anaconda的安装直接进入官网下载:anconda下载(真的很慢。。。。)如果你不追求最新版,想要快速下载的话去:清华镜像源选择添加到环境变量中,省事。如果安装的时候遇到:due to incompatibility with several python libraries, ‘Destination Floder’ cannot … 就把路径中的中文全部换成英文。在Anaconda Prompt中输入conda list出现来了内容说明安装成功。原创 2021-07-11 14:19:07 · 836 阅读 · 0 评论 -
ubuntu安装Anaconda3和PyCharm、Pytorch
文章目录Anaconda3的下载和安装PyCharm的下载和安装Anaconda3的下载和安装下载官网进行安装可能或有些慢安装地址:https://www.anaconda.com/products/individual#Downloads选择对应版本安装即可,我这里安装的是:Linux—64-Bit(x86) Install安装在这里我已经把语言改为英文了。因为在安装的时候,如果设置为中文可能出现一些不必要的错误。1)打开下载文件的位置cd Downloads/2)运行.原创 2021-06-04 11:10:06 · 867 阅读 · 1 评论 -
Ubuntu16.04下安装NVIDIA显卡驱动和CUDA
文章目录安装Nvidia安装CUDA安装Nvidia这里需要你的显卡是Nvidia显卡。禁用nouveauubuntu默认安装了第三方开源的驱动程序nouveau,安装nvidia显卡驱动首先需要禁用nouveau,不然会碰到冲突的问题,导致无法安装nvidia显卡驱动。打开blacklist.conf文件sudo gedit /etc/modprobe.d/blacklist.conf在文件最后添加两行:blacklist nouveauoptions nouveau modes原创 2021-06-04 10:17:44 · 616 阅读 · 2 评论 -
Ubuntu系统的安装
文章目录1.准备2.分区3.BIOS设置4.安装Ubuntu1.准备首先准备一个U盘,最好进行备份,当把镜像烧入U盘的时,会把U盘进行清空。准备一个Ubuntu的镜像,这里我使用的是16.04LTS镜像文件。制作工具:rufus,选择好你的U盘,然后选择镜像文件,点击开始即可。2.分区为Ubuntu腾出空间。右击此电脑——管理——磁盘管理。对相应磁盘进行压缩,分出空间。我分出了500G左右的空间:固态硬盘分出33.5GB,机械硬盘分出465GB。通常系统根目录装在固态硬盘中(速度原创 2021-06-04 08:37:13 · 1041 阅读 · 0 评论 -
pytorch搭建训练自己数据集的模型(预处理、读取自己的图片、进行训练和测试、保存模型、加载模型和测试)
文章目录第一阶段:图片预处理代码讲解第二阶段:读取图片并保存为.txt第三阶段:改写Dataset,保证下阶段读取自己的数据集第四阶段:读取自己的数据集并训练和测试模型加载并进行测试第一阶段:图片预处理'''获取图像的路径获取图像的高和宽进行循环判断图像是否存在'''import osimport os.path# import cv2from PIL import Imagezhongyao_list=['白勺','薄荷','车前草','垂盆草','当归','何首乌','红花'原创 2021-06-02 17:17:42 · 11133 阅读 · 8 评论 -
pytorch实现ResNet50模型(小白学习,详细讲解)
参考资料作为新手学习难免会有很多不懂的地方,以下是我参考的一些资料:ResNet源码:https://github.com/pytorch/vision/blob/master/torchvision/models/resnet.py源码讲解:https://www.jianshu.com/p/ec0967460d08ResNet论文:https://arxiv.org/pdf/1512.03385.pdfResNet50复现:https://note.youdao.com/ynoteshare1原创 2021-05-23 21:29:29 · 40520 阅读 · 13 评论 -
pytorch实现InceptionV1模型(小白学习,详细讲解)
Incepti## InceptionV1的模型首先我们需要把流程图和表中数据对应起来,后续我们实现InceptionV1的时候,需要用到表中的数据。代码实现import torchimport torch.nn as nnimport torch.nn.functional as Fclass GlobalAvgPool2d(nn.Module): def __init__(self): super(GlobalAvgPool2d, self).__init__()原创 2021-05-21 16:12:26 · 1285 阅读 · 0 评论 -
pytorch实现VGG16 (2)
VGG16Net.pyfrom torch import nnclass Vgg16_net(nn.Module): def __init__(self): super(Vgg16_net, self).__init__() self.layer1=nn.Sequential( nn.Conv2d(in_channels=3,out_channels=64,kernel_size=3,stride=1,padding=1), #(32原创 2021-05-19 21:28:33 · 1347 阅读 · 0 评论 -
使用pytorch实现VGG16模型(小白学习,详细注释)
VGG16的模型首先我们可以看到VGG一共有六个模型,每个模型根据卷积层和全连接层的层数进行分类,第二张图就是VGG16的基本模型.代码实现Vgg16Net.pyfrom torch import nnclass Vgg16_net(nn.Module): def __init__(self): super(Vgg16_net, self).__init__() self.layer1=nn.Sequential( nn.C原创 2021-05-19 20:38:35 · 29595 阅读 · 30 评论