mdjxy63的博客

这一章主要讲的是：模型融合模型融合的概念是：每一次迭代产生一个model,最终结果是对于这些model取平均值，因为每次迭代产生的模型对于特征提取的侧重点不同，因此平均的model的结果会有一些提升 主要涉及到两部分代码1）5个epoch，产生5个model，并对于这5个model进行单个测试2）对于这5个model进行融合，并且测试融合之后的效果part1:train_m...

看了DL4CV的第三卷的15章faster rcnn之后，收获很多，特此做一下记录一.RCNNRCNN一共分为四步：step1:输入图片step2:采用selective search的方法获取潜在的roi,一共提取了2000个潜在roi，然后放入conv当中进行训练step3:使用迁移学习【用到了conv层】方法，提取step2的特征，从而获得最终的roiste...

转载自：https://blog.csdn.net/u010402786/article/details/78051647https://blog.csdn.net/qq_28132591/article/details/73549560 ========================================================================...

googlenet首次提出了inception的概念，这里主要注意keras当中的concatenate函数，该函数用来实现inception结构，是横向拼接各级网路结构的函数一.网络结构的说明基于keras实现了minigooglenet,和原版googlenet相比少了inception 5a和inception 5b# -*- coding:utf-8 -*- __autho...

本章主要介绍如何用python手撸前向传播和反向传播，激活函数是基于sigmoid的前向传播：计算出来预测值，然后与target Y做差值计算出来误差反向传播：根据前向传播得到的输出，得到delta值，用来更新权重值直接上代码：# -*- coding:utf-8 -*-__author__ = 'xuy'import numpy as np"""这个是10.1.3反向传...

本章主要讲优化函数以及正则化一.Vanilla gradient descent与SGD梯度下降方法是opt【优化函数】之一1.1Vanilla gradient descent与SGD概念Vanilla gradient descent是原版的梯度下降，SGD对于原版进行了改进，添加了batch_size从而使得：Vanilla gradient descent每个epoch...

转自：https://blog.csdn.net/u012193416/article/details/79479935在网络结构的设计上，经常说DenseNet和Inception中更多采用的是concatenate操作，而ResNet更多采用的add操作，那么这两个操作有什么异同呢？concatenate操作是网络结构设计中很重要的一种操作，经常用于将特征联合，多个卷积特征提取框架提取...

何凯明大神在2015年提出了Resnet结构，于2016年对于该结构进行了优化，提出了Resnet-bottlenet结构，本文代码基于Resnet-bottlenet结构进行实现,本文主要实现pre-activation residual module # -*- coding:utf-8 -*- __author__ = 'xuy'from keras.layers.no...

这一章主要讲的是如何进行结果的优化，是纯理论，没有具体的代码一.对于数据集的划分：引用NG（吴恩达）的数据集划分方式在这里我们60%作为train set,40%作为测试集60%的train-set当中划分为：training,training-val.training set用来确定bias偏置40%的test-set当中，validation,testing，用来确定...

前言：发现了一本写的超赞的书《deep learning for computer vision with python》，是微软大神Adrian Rosebrock写的,基于keras深度学习框架，这篇文章主要记录一下keras+tensorflow-gpu的环境搭建一。需要注意的问题：1）由于keras默认是将tensorflow作为后台，因此我们需要首先安装tensorflow-...