nn1997729的博客

1.sigmod和softmax的区别：二者都是典型的激活函数，sigmod 函数常用于二分类，softmax 函数常用于多分类。两者都起到了压缩的作用（将输出压缩到0-1）。2.sigmod和relu的优劣：Relu优点：（1）relu函数在大于0的部分梯度为常数，所以不会产生梯度弥散现象.。而对于sigmod函数，在正负饱和区的梯度都接近于0，可能会导致梯度消失现象。（2）Relu函数的导数计算更快，所以使用梯度下降时比Sigmod收敛起来要快很多。Relu缺点：Relu死亡问题。当 x 是小于

Lib/mmdetection/mmdet/datasets/pipelines/loading.pyanaconda3/lib/python3.8/site-packages/mmcv/image/io.pyanaconda3/lib/python3.8/site-packages/mmcv/image/photometric.pyLib/mmdetection/mmdet/datasets/pipelines/transforms.pyanaconda3/lib/python3.8/site-p

“完了完了”队算法说明及运行流程1. 算法说明框架选择： 深度学习框架使用pytorch，目标检测框架使用mmdetection。模型选择： 模型选用two-stage的检测模型cascade-rcnn。训练集生成： 将原训练集通过划窗裁剪的方式裁剪并保留包含瑕疵的划窗块，其划窗大小为1024*1024，步长为512，共可生成四万多张图片。测试集生成： 由于cascade-rcnn模型可对多种尺度的输入图像进行处理，所以直接采用原测试集图片作为测试集。Tricks： （1）减小anchor尺寸以

source activatepip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-pythonpip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-pythonhttps://pytorch.org/get-started/locally/

resnet = models.resnet50(pretrained=True)new_state_dict = resnet.state_dict()dd = net.state_dict() #net是自己定义的含有resnet backbone的模型for k in new_state_dict.keys(): print(k) if k in dd.keys() and not k.startswith('fc'): #不使用全连接的参数 print('y