TensorFlow
无人不智能,机器不学习
AI及算法爱好者 -上海交通大学在读研究生
展开
-
大白话讲解MobileNet-v3
大白话讲解MobileNet-v3MobileNet-v3可以说是轻量化网络的集大成者,所以在介绍MobileNet-v3之前我们有必要了解一下目前的一些轻量化网络及特点。1.轻量化网络在移动端部署深度卷积网络,无论什么视觉任务,选择高精度的计算量少和参数少的骨干网是必经之路。轻量化网络是移动端的研究重点,目前的一些主要的轻量化网络及特点如下:SqueezeNet:提出Fire Modul...原创 2019-12-09 21:33:41 · 22568 阅读 · 2 评论 -
谷歌团队告诉你如何选择目标检测的架构!!!
谷歌团队告诉你如何选择目标检测的架构!!!Github已有60k个star(太多技巧可以学习)谷歌团队在2017年CVPR上发表了一篇论文,主要讲述了从业者该如何选择目标检测的架构。以及根据应用场合及需要的条件进行速度及精度的权衡。本文主要是原论文的翻译。原论文链接现代卷积目标检测器的速度/精度权衡摘要本文的目的是作为选择一种检测架构的指南,该架构能够为给定的应用程序和平台实现正确的速度...原创 2019-12-04 17:21:34 · 660 阅读 · 0 评论 -
你想要的最新的目标检测算法在这里!
你想要的最新的目标检测算法在这里!自从2012年以来,基于深度学习的目标检测技术发展了很多,主要思想也发生了很大变化。下图展示了基于深度学习卷积神经网络的目标检测技术的主要里程碑。技术发展趋势是基于 anchor-free 的目标检测器(红色线)和 AutoML 技术(绿色线),这两项技术可能成为未来重要的研究方向。基于关键点的目标检测算法1.什么是基于关键点的目标检测算法(free-a...原创 2019-11-21 15:56:43 · 1799 阅读 · 0 评论 -
EfficientNet的细节理解及解读
Efficientnet网络学习源码论文第三方PyTorch代码一、总览卷积神经网络通常都是先在固定资源预算下开发设计,然后如果资源有多余的话再将模型结构放大以便获得更好的精度。在本篇论文中,我们系统地研究了模型缩放并且仔细验证了网络深度、宽度和分辨率之间的平衡可以导致更好的性能表现。基于这样的观察,我们提出了一种新的缩放方法——使用一个简单高效的复合系数来完成对深度/宽度/分辨率所有维...原创 2019-11-08 11:13:45 · 6061 阅读 · 0 评论 -
TensorFlow在MacOS和Windows下安装,史上最全问题解决方法(包括Mac OS系统自带Python2.7和安装的python3.7共存问题)
tensorflow 安装步骤及问题(Windows和Mac OS)史上最全,完美解决TensorFlow安装的所有问题对于Mac OS系统步骤及出现的问题1.首先Mac系统会自带的有一个Python,所以在使用时系统会首先默认利用系统的Python。这里第一步要查看OS系统带的Python版本是多少可以通过在terminal里面输入 Python来查看版本,可以输入which Python...原创 2019-02-02 11:08:01 · 1559 阅读 · 2 评论 -
TensorFlow的基本框架和理解-初学者通过这一篇文章就够了
tensorflow 的基本框架一个TensorFlow框架的示例我们首先通过一个示例来大致看一下TensorFlow的整体框架。import tensorflow as tfimport numpy as np# create data x_data=np.random.rand(100).astype(np.float32)y_data=x_data*0.5 + 0.8##...原创 2019-02-07 18:00:37 · 19499 阅读 · 0 评论 -
Ubuntu和Windows系统 tensorflow训练提示no module named nets问题,最全解决方案
Ubuntu和Windows系统 tensorflow训练提示no module named nets问题,最全解决方案首先明确此net是自己定义的的文件夹nets还是tensorflow中slim下面的nets。对待不同的问题采取不同的解决方法不能一概而论。经常是这样我们训练其他的算法,比如我们使用tensorflow训练east算法是可以训练的,但是在训练ctpn时就提示no module...原创 2019-07-03 18:10:19 · 4547 阅读 · 0 评论 -
大白话讲解三元组triplet损失函数及源码(FaceNet)
大白话讲解三元组triplet损失函数(FaceNet)对于Facenet进行人脸特征提取,算法内容较为核心和比较难以理解的地方在于三元损失函数Triplet-loss。此损失函数原理比较简单,但是如何实施及操作就有点难以理解,本篇博客希望能够以大白话讲解此损失函数,使得刚接触此损失函数的人能够更好的理解。首先我们需要明确一下几点:(1)在深度学习训练中,我们需要尽可能的学习训练难样本,...原创 2019-10-05 10:31:39 · 12150 阅读 · 2 评论