个人笔记
狼刀流
这个作者很懒,什么都没留下…
展开
-
batch norm记录
推理阶段的均值和方差就不是根据推理的输入进行计算的,是通过训练时候的均值和方差进行滑动平均得到的。(面试的时候没回答上来)均值和方差是为了归一化,两个可学习的参数gamma,beta是为了将归一化后的值拉回到原来的尺度以拟合原始数据。均值和标准差的计算过程 就是把一个batch中相同的通道的feature map拿出来计算。最后得到新的feature map的值还需要 经过gamma和beta两个值的反变换。推荐一下b站up: Enzo_Mi。原创 2024-07-24 11:52:48 · 343 阅读 · 0 评论 -
精确率(precision)、准确率(accuracy)和召回率(recall)
TP:正样本预测为正样本,对了,真正例FP: 负样本预测为正样本,错了,假正例FN: 正样本预测为负样本,错了,假负例TN:负样本预测为负样本,对了,真反例Accuracy,表示你有多少比例的样本预测对了,公式如下:...原创 2021-09-02 18:05:26 · 396 阅读 · 0 评论 -
IOU计算
def box_iou(boxes1, boxes2): area1 = (boxes1[:, 2] - boxes1[:, 0]) * (boxes1[:, 3] - boxes1[:, 1]) area2 = (boxes2[:, 2] - boxes2[:, 0]) * (boxes2[:, 3] - boxes2[:, 1]) lt = torch.max(boxes1[:, None, :2], boxes2[:, :2]) # left-top [N,M,2] r原创 2021-08-18 00:58:06 · 258 阅读 · 0 评论 -
聊一聊CV中的局部连接与参数共享
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、局部连接是什么?二、参数共享是什么?三、为啥要进行这两个操作?四、为啥这两个操作可以work?五、一些额外的思考?前言无意间思考了一下这个问题。为啥局部连接和参数共享在CNN中可以work?一、局部连接是什么?不多废话,一张图清晰明了的解释了啥是局部连接二、参数共享是什么?上图中显然参数是不共享的。这张图也清晰的解释了啥是参数共享。三、为啥要进行这两个操作?两者的一个关键作用就是减少参数数量。四、为原创 2021-07-09 00:06:09 · 613 阅读 · 0 评论 -
numpy 获取最大值索引
直接上代码吧import numpy as npaa = [1,2,3,4,5]arr_aa = np.array(aa)maxindex = np.argmax(arr_aa)print(maxindex)大意了,面试问到这个问题居然没回到上来原创 2021-06-15 16:45:38 · 2847 阅读 · 1 评论 -
阿里笔试:python随机shuffle数组
项目场景:给定一个数组,将其进行随机shuffle算法实现import randomdef shuffel(x): for i in reversed(range(1, len(x))): p = int(random.random() * i) x[i], x[p] = x[p], x[i] print("i:",i," p:",p) print(x) return xshuffel([1, 2, 2, 3,原创 2021-05-11 10:08:00 · 330 阅读 · 0 评论 -
对concat和add的一点想法
前言提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考总结提示:这里对文章进行总结:例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。...原创 2021-05-25 17:05:50 · 2088 阅读 · 0 评论 -
pytorch训练Class-Balanced Loss
1.提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录1.pytorch版Class-Balanced Loss训练模型一、数据准备二、模型训练三、模型预测总结pytorch版Class-Balanced Loss训练模型论文地址:https://arxiv.org/pdf/1901.05555.pdf一、数据准备将自己的数据集按照一下格式进行准备执行以下代码进行数据集划分执行以下代码进行数据集划分def split_dataset(dataset, split转载 2021-05-12 11:21:23 · 2139 阅读 · 2 评论 -
图像域泛化总结
项目场景:近3个月的折磨 终于差不多结题了。进行一个小总结。问题描述:域泛化问题感觉是一个工业上很常见的问题。比如说在医疗图像上,你的数据可能来自多家医院,多个扫描仪。或者说你的训练集是高清图像进行训练,实际的测试集却是较为模糊的图片。很多情况会导致训练域与实际的测试域不match的问题。原因分析:个人对于这个问题的定义是网络的鲁棒性和提高泛化能力。训练集的域与测试集的域的不匹配,不是完全的不匹配。而是两者的分布有一定的偏差,导师网络的泛化能力的降低。一个显而易见的方案就是通过数据增强的方法来进原创 2021-05-06 00:03:15 · 1990 阅读 · 3 评论