- 博客(16)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 ThunderNet | 轻量级实时检测网络
旷视科技：据我们所知，ThunderNet实现了ARM平台上的第一个实时检测器和最快的单线程速度。论文地址代码即将开源一：网络整体介绍ThunderNet的整体架构如下图所示。 ThunderNet使用320×320像素作为网络的输入分辨率。整体的网络结构分为两部分：Backbone部分和Detection部分。网络的骨干部分为SNet，SNet是基于ShuffleNetV2进行修改得...
2019-03-29 22:57:42
14033
5
原创 C++ | 命名空间_namespace
C语言中是不存在命名空间的概念的，因为整个C语言工程就是一个大型的命名空间。当工程规模小时，不会产生大问题；但是一旦工程的规模大，会用到大量的动态库，尤其是第三方开发的动态库时往往就会遇到命名冲突的问题。因为不同的厂家开发的动态库中全局变量的命名很可能重复，为了避免这个问题，C++中新增了命名空间这一概念，使得通过命名空间的限定从而使用相同名称的全局变量。命名空间的用法：方法一：using n...
2019-03-24 18:47:40
441
原创 GPU编程 | 如何使得CUDA编写的GPU程序变得更高效？
在上一篇文章《那么CUDA是如何进行并行编程的？》中，为了让GPU的并行计算更加高效，本篇文章从高效的内存策略和屏障和同步机制下的编程规则这两个角度来建议CUDA编程者更加高效的利用GPU。高效的内存策略所谓的高效的内存策略，其实就是两个原则：第一保证每个线程的计算量大，第二每个线程计算时对内存的读取速度快。本篇文章主要展开讨论下如何使得线程计算时对内存的读取速度快。直白来说就是如下两种策...
2019-03-24 16:21:43
1299
原创 GPU编程 | 并行计算的helloworld！
在上一篇文章《你了解CUDA，了解GPU吗？》中，我们介绍了什么是CUDA，什么是GPU。那么接下来我们就要来讲解下GPU到底是如何实现并行计算的，以及CUDA是如何通过编程调用GPU的并行计算力的。1.GPU是如何实现并行计算从软件层面来说，GPU在进行并行计算时，是以核（kernel）为单位进行的。如下图所示，每个核相当于一个功能函数。每个核由若干线程块（thread block）负责运算...
2019-03-22 23:36:37
2947
3
原创 GPU编程 | 你了解CUDA，了解GPU吗？
前段时间有同学问我CUDA到底是什么东西，Caffe源码中的.cu文件又是什么东西？我发现我没办法很有系统的回答这个问题，当时就觉得在想：哇，搞深度学习这么久了，居然没办法很好的回答这个问题，所以在充满愧疚感之下，抽空恶补了一下~CUDA的产生就是英伟达公司为拥有并行计算需求的从业者能够使用GPU而提供的工具，因此我们先来讲讲什么是GPU，它和CPU之间的有什么异同。首先要明确一点，CPU和...
2019-03-22 23:35:46
1901
原创 目标检测 | YOLOv3训练自己的数据全流程
1.构建YOLOv3网络的cfg文件该文件表示的是你的检测网络的结构，类似caffe的prototxt文件。YOLOv3的cfg文件上篇介绍YOLOv3网络中提到的去掉上采样操作的YOLOv3cfg文件2.准备hs.data文件如下文件中规定了当前目标检测网络中的类别数量为4。训练数据的路径train.txt的位置，hs.names的路径的位置，以及最终训练得到的网络模型保存的位置。c...
2019-03-10 16:17:00
3076
1
原创 深度学习 | 分类任务中类别不均衡解决策略
0.前言在解决一个分类问题时，遇到样本不平衡问题。查找CSDN后，以及知乎后，发现网上有很多类似于欠采样 ，重复采样，换模型等等宏观的概念，并没有太多可实际应用（代码）的策略。经过一番查找和调试和修改，最终找到3个相对靠谱的策略，故总结此文给有需要同志，策略均来自网络，本人只是进行了部分代码修改和可用性测试。以下将简单介绍各个策略的机制以及对应代码（亲测能跑通）。NOTE：下述代码均是基于c...
2019-03-10 11:49:23
2916
1
原创 目标检测 | YOLOv3开启的回归网络下的多尺度策略
1.简介通过文章目标检测 | 让YOLOv1算法告诉你回归网络的能力和目标检测 | 让YOLOv2告诉你Trick的力量讲述了YOLO算法的原理和部分改进策略。YOLO系列算法在刚被提出时其目的在于提升检测网络的速度，因此其算法的召回率和检测率相对于Faster RCNN系列算法会要低一些。作者为了提升YOLO算法的实用性，提出了YOLOv2，在不损失速度的情况下提升了网络精度。但从下图的左图中...
2019-03-09 22:25:10
8826
14
原创 C++ | 调用动态库——静态链接
1.创建Windows控制台应用程序2.将DLL库和引导文件Lib以及头文件拷贝到调用目录下将创建好的动态库，动态库的引导Lib文件，以及头文件拷贝到工程目录下。3.插入动态库头文件动态库的头文件作为接口，是一个API。4.把动态库导引文件链接上右击项目，点击属性点击链接器，输入，附加依赖项，编辑把导引文件写入5.调用动态库成功如下图所示，上...
2019-03-08 21:48:29
763
原创 C++ | 构建动态库
1.新建动态库点击文件——>新建——>项目点击Windows桌面——>选择静态库——>选择保存位置与静态库不同的是，创建完动态库会有一个如下图所示的dllmain.cpp函数。那么动态库为什么会多出这个文件呢？我们都知道动态库不同于静态库，动态库是可以独立运行的文件，和可执行文件相当类似，所以当其他文件（exe或者其他动态库）调用当前动态库时，就...
2019-03-08 21:47:58
572
原创 C++| 调用静态库
1.创建Windows控制台应用程序2.将Lib库和头文件拷贝到调用目录下将创建好的静态库，拷贝到工程目录下。3.插入静态库头文件静态库的头文件作为接口，是一个API。4.链接Lib库右击项目，点击属性点击链接器，输入，附加依赖项，编辑把静态库添加进去5.调用静态库成功如下图所示，上述准备工作完成后，就可以使用静态库中的函数了，至此静态库调用...
2019-03-07 01:08:28
10515
1
原创 C++ | 构建静态库
1.新建静态库点击文件——>新建——>项目点击Windows桌面——>选择静态库——>选择保存位置2.为静态库添加类右击项目名称——>选择添加——>类——>添加TestLIb类3.实现静态库函数编写静态库的头文件和源文件（实现类函数）编写静态库的头文件和源文件（也可以实现外部函数）4.编译生成静态库编译成...
2019-03-07 01:06:57
482
原创 机器学习中用来防止过拟合的方法有哪些？
1.什么是过拟合首先用我自己的语言来解释下什么是过拟合：由于模型过于复杂，学习能力过强，而用于训练的数据相对于复杂模型来说比较简单，所有模型会去学习数据中隐含的噪声，导致模型学不到真正数据集的分布，如下图所示，红色线就是由于模型过分的拟合了训练数据集，导致泛化能力过差。而蓝色线才是真正的数据集的分布。2.抑制过拟合的策略简单浏览了下网络上的各种总结抑制过拟合的策略，大概有如下几点：数据...
2019-03-06 23:39:29
1000
原创 深度学习 | 训练网络trick——知识蒸馏
1.原理介绍知识蒸馏论文地址Hinton的文章"Distilling the Knowledge in a Neural Network"首次提出了知识蒸馏的概念，通过引入教师网络用以诱导学生网络的训练，实现知识迁移。所以其本质上和迁移学习有点像，但实现方式是不一样的。用“蒸馏”这个词来形容这个过程是相当形象的。用下图来解释这个过程。教师网络：大规模，参数量大的复杂网络模型。难以应用到设...
2019-03-03 10:51:00
3987
原创 深度学习 | 训练网络trick——mixup
1.mixup原理介绍mixup 论文地址mixup是一种非常规的数据增强方法，一个和数据无关的简单数据增强原则，其以线性插值的方式来构建新的训练样本和标签。最终对标签的处理如下公式所示，这很简单但对于增强策略来说又很不一般。(xi,yi)\left ( x_{i},y_{i} \right )(xi,yi)，(xj,yj)\left ( x_{j},y_{j} \right )(xj...
2019-03-02 10:30:35
5002
3
python调用C语言动态库例程
2023-06-20
windows下离线查看caffe网络（prototxt）
2018-08-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人