![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 94
morning_sun_lee
本人为在读大学生,希望通过CSDN这样的平台分享与学习。
展开
-
ModelScope 垂类检测系列模型介绍
ModelScope垂类检测系列模型介绍。原创 2023-02-12 14:29:13 · 1252 阅读 · 1 评论 -
Tensorflow Object Detection API 代码阅读(零)
0 前言这一系列的文章主要是对 Tensorflow Object Detection API (下简称为 TF-OD-API),它属于 tensorflow/models 仓库的一部分,也是基于tensorflow“官方”的检测代码仓库。虽然相比于进来很火的基于pytorch的 mmdetection等检测代码仓库,这个仓库的“知名度”比较低,毕竟众多detection的大牛都在facebook,基于pytorch的检测仓库受欢迎也是意料之中。但是在某一些部署的场景中,可能tensorflow会更加友好原创 2020-06-26 13:35:45 · 392 阅读 · 2 评论 -
‘数字人体’视觉挑战赛 - 算法赛道亚军比赛攻略_LLLLC
‘数字人体’视觉挑战赛 - 算法赛道亚军比赛攻略_LLLLC比赛主页:数字人体”视觉挑战赛——宫颈癌风险智能诊断相关代码:github0 赛题内容本次比赛分为初赛和复赛两个阶段,比赛的任务是对异常细胞进行检测。初赛只需要检测出异常细胞。复赛需要进一步区分六类异常细胞,其中四种为阳性类别:“ASC-H” (AH)、“ASC-US” (AAS)、“HSIL” (HL)、“LSIL” (LL),两种为阴性类别:“Candida” (CA, 念珠菌)、“Trichomonas” (TS, 滴虫),其中阳性类原创 2020-06-23 21:25:07 · 696 阅读 · 1 评论 -
Jetson TK1 caffe 源码版本和 cudnn 版本的匹配问题
最近在最嵌入式的课程设计,跟同学借了一块Jetson TK1开发板,准备做一个嵌入式端的石头剪刀布小游戏,因为之前一直是在台式机和服务器上跑实验,这一次借这门课的机会试一试在嵌入式开发板上跑跑模型。 目前英伟达已经出了Jetson TX1 和 Jetson TX2,所以Jetson TK1已经算是比较老的开发板了,在网上找到的关于Jetson TK1的资料也都是一两年前甚至更久的,所...原创 2018-07-05 00:17:29 · 424 阅读 · 0 评论 -
当电脑有多个版本的CuDNN的时候caffe该如何“抉择”?
前两天,一个师弟问了一个问题,“当电脑里面有多个cudnn的时候,caffe如何使用不同版本的cudnn?”然后还发了下面的链接给我: link。 我觉得这一份笔记写的已经很清楚,但是在路径方面有一点小错误,所以我重新整理了一下,在加上自己的一些理解。 下面先讲怎么处理多个cudnn。从/usr/local/cuda目录下移除cudnn相关的文件(这一步其实不是必须的,因为后面的两个步原创 2017-12-03 22:47:51 · 3100 阅读 · 0 评论 -
多标签分类及其 caffe 实现总结
一直对多标签分类(multi-label)“情有独钟”,因为一直感觉没有完全弄懂它。最近看博客看多了,看着看着突然有点感觉,所以就把目前的理解整理一下写下来。 目前我看到的多标签分类任务有下面的两种情况(如有错误,欢迎交交流指正):每个样本对应多个label,label的值非0即1,最后的损失函数使用SigmoidCrossEntropyLoss,比如:fig1.jpg 0 0 1原创 2017-11-02 19:13:05 · 6210 阅读 · 3 评论 -
分类任务中label取值的注意事项(caffe框架下)
最近在做一个分类任务的实验的时候,对标签的取值产生了一些疑惑,所以看了一点对应的源代码,顺利解决了疑惑,在这里和大家分享,如果有什么理解错误还请大家指出。 之前做分类任务的时候总有听说,标签(label)的取值需要从0开始,按照个人的习惯,我在之前的分类实验中,标签的取值一直也都是从0开始(假如有5类,那么label的取值就是0,1,2,3,4),没有作死取其他值,所以也一直一帆风顺。而在最近的实原创 2017-08-17 11:02:16 · 2904 阅读 · 3 评论 -
用 caffe 做回归(下)
本文紧接着上篇,实现了用 cafe 做回归任务。涉及到源代码的修改。原创 2016-11-13 20:56:29 · 4159 阅读 · 10 评论 -
在 caffe 中 “个性化定制” data_param参数
本文介绍了在train_test.prototxt的data_param中添加自己需要的参数的方法。原创 2017-04-13 16:28:01 · 1554 阅读 · 0 评论 -
通过网络结构估算caffemodel文件的大小
虽然之前有大概想过caffemodel的大小的估算方法,但是一直没有自己亲自算一算,最近心血来潮,把这件事情给干了,下面是我的计算方法,在这里和各位朋友分享交流。 caffemodel是训练过程中产生的文件,里面主要存放的是网络模型中各层的w和b参数,另外还存放网络形状等其它的一些信息。所以我们可以看到,caffemodel的大小主要取决于模型的w和b参数的数量。w和b参数的数量主要由下原创 2017-03-26 18:58:08 · 2276 阅读 · 0 评论 -
用训练好的caffemodel做前向
本文是用C++来调用训练好的caffemodel做前向。原创 2017-03-14 21:21:18 · 2488 阅读 · 1 评论 -
在 caffe 的 data_later.cpp 中做数据增强
在 caffe 的data_layer.cpp做数据增强,避免多次制作lmdb。原创 2016-12-08 17:54:11 · 5266 阅读 · 4 评论 -
用 caffe 做回归 (上)
本文实现了用caffe来做回归任务,涉及到源代码的修改。原创 2016-11-12 21:13:18 · 6452 阅读 · 9 评论