![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 54
暮丶凉
这个作者很懒,什么都没留下…
展开
-
常见的优化算法
前言本文主要是对动手学深度学习中第7章优化算法的总结,对常见的几种优化算法用pytorch做了简单实现,包括SGD,momentum, AdaGrad, RMSProp, AdaDelta, Adam和学习率衰减策略warmup, 余弦退火(Cosine Annealing)用到的数据集为:飞机机翼噪音数据集https://archive.ics.uci.edu/ml/datasets/Airfoil+Self-Noise参考文档:https://zh.d2l.ai/chapter_optimiza原创 2021-02-03 16:28:28 · 545 阅读 · 0 评论 -
YOLOV5源码解读(数据集加载和增强)
YOLOV5源码解读系列文章目录数据集加载和增强loss计算前言此篇为yolov5 3.1 版本,官方地址[https://github.com/ultralytics/yolov5]看源代码之前有必要先大致了解实现原理和流程,强推这篇文章https://blog.csdn.net/nan355655600/article/details/107852353(https://github.com/amdegroot/ssd.pytorch)数据加载器由utils/datasets.py文原创 2021-01-26 21:39:31 · 6843 阅读 · 5 评论 -
YOLOV5源码解读(loss计算)
YOLOV5源码解读系列文章目录数据集加载和增强前言此篇为yolov5 3.1 版本,官方地址[https://github.com/ultralytics/yolov5]看源代码之前有必要先大致了解实现原理和流程,强推这篇文章https://blog.csdn.net/nan355655600/article/details/107852353(https://github.com/amdegroot/ssd.pytorch)创建数据加载器,由utils/datasets.py的crea原创 2021-01-25 13:48:27 · 6397 阅读 · 2 评论 -
PyTorch-YOLOV3(loss计算)
系列文章目录数据集加载和预处理网络结构loss计算前言源代码连接https://github.com/eriklindernoren/PyTorch-YOLOv3当前代码用到的数据集为coco2014,这里提供官网地址https://cocodataset.org/YOLOLayer,loss计算和预测class YOLOLayer(nn.Module): """Detection layer""" def __init__(self, anchors, num_c原创 2021-01-14 20:49:08 · 987 阅读 · 0 评论 -
PyTorch-YOLOV3源码解读(网络结构)
系列文章目录数据集加载和预处理网络结构loss计算文章目录系列文章目录前言构建网络模型models.py前言源代码连接https://github.com/eriklindernoren/PyTorch-YOLOv3当前代码用到的数据集为coco2014,这里提供官网地址https://cocodataset.org/构建网络模型models.py代码中构建模型的方法是通过读取config/yolov3.cfg的配置文件,进行搭建的这里可以通过Netron查看网络结构,由于网原创 2021-01-14 20:41:31 · 813 阅读 · 1 评论 -
Pytorch-YOLOv3源码解读(数据集加载和预处理)
# 图像填充为等宽等高def pad_to_square(img, pad_value): c, h, w = img.shape dim_diff = np.abs(h - w) # (upper / left) padding and (lower / right) padding # 高宽之差为2的整数倍时 pad1, pad2 = dim_diff // 2, dim_diff - dim_diff // 2 # 两边填充等长宽度,不同时右边比左边多一原创 2021-01-14 20:06:45 · 614 阅读 · 1 评论 -
gluoncv之源码解析
gluoncv之voc格式的mAP计算源码解析一、数据集预处理.二、voc格式的mAP计算源码解析.文章目录gluoncv之voc格式的mAP计算源码解析前言二、voc格式的mAP计算源码解析前言本项为gluoncv官方源码解析二、voc格式的mAP计算源码解析先介绍如何使用:根据网络的输出和label压入数组中保存,通过调用eval_metric.update()函数,来更新mAP值。eval_metric.get()函数返回mAP的计算结果。# 声明一个评价函数对象,传入之后原创 2020-10-16 16:44:15 · 292 阅读 · 0 评论 -
常用的numpy函数
1. numpy.flatx = np.array([[[1,2],[3,4]], [[5,6],[7,8]]])print(x.flat[4])print(x.flat)>>>5><numpy.flatiter object at 0x000001A03B2CB340>可知numpy.flat将多维的数组转化成一维数组,并返回numpy.flatiter类型的迭代器而x.flatten()直接返回一维的数组x = x.flatten()print(原创 2020-10-15 21:02:52 · 175 阅读 · 0 评论 -
mxnet复现SSD之损失、评价函数
mxnet复现SSD系列文章目录一、数据集的导入.二、SSD模型架构.三、训练脚本的实现.四、损失、评价函数.五、预测结果.文章目录mxnet复现SSD系列文章目录前言一、损失函数代码实现二、评价函数代码实现参考链接前言本项目是按照pascal voc的格式读取数据集,数据集为kaggle官网提供的口罩检测数据集,地址:Face Mask Detection,模型架构参考自gluoncv ssd_300_vgg16_atrous_voc源码一、损失函数类别损失函数采用Softma原创 2020-09-20 17:19:28 · 270 阅读 · 0 评论 -
mxnet复现SSD之预测结果
mxnet复现SSD系列文章目录一、数据集的导入.二、SSD模型架构.三、训练脚本的实现.四、损失、评价函数.五、预测结果.文章目录mxnet复现SSD系列文章目录前言一、读取单张图片进行预测代码实现结果展示二、实时检测1.代码实现前言本项目是按照pascal voc的格式读取数据集,数据集为kaggle官网提供的口罩检测数据集,地址:Face Mask Detection,模型架构参考自gluoncv ssd_300_vgg16_atrous_voc源码一、读取单张图片进行预测原创 2020-09-19 17:09:44 · 391 阅读 · 0 评论 -
mxnet复现SSD之训练脚本的实现
mxnet复现SSD系列文章目录一、数据集的导入.二、SSD模型架构.三、训练脚本的实现.四、损失、评价函数.五、预测结果.文章目录mxnet复现SSD系列文章目录前言一、代码实现前言本项目是按照pascal voc的格式读取数据集,数据集为kaggle官网提供的口罩检测数据集,地址:Face Mask Detection,模型架构参考自gluoncv ssd_300_vgg16_atrous_voc源码一、代码实现import mxnet as mxfrom mxnet im原创 2020-09-19 16:58:29 · 293 阅读 · 0 评论 -
mxnet复现SSD之模型架构
mxnet复现SSD系列文章目录一、数据集的导入.二、SSD模型架构.三、训练脚本的实现.四、损失、评价函数.五、预测结果.文章目录mxnet复现SSD系列文章目录前言一、模型架构二、实现代码参考链接前言本项目是按照pascal voc的格式读取数据集,数据集为kaggle官网提供的口罩检测数据集,地址:Face Mask Detection,模型架构参考自gluoncv ssd_300_vgg16_atrous_voc源码一、模型架构SSD( (features): VGG原创 2020-09-19 15:49:22 · 326 阅读 · 0 评论 -
mxnet复现SSD之数据集的导入
.└── VOCdevkit #根目录 └── VOC2012 #不同年份的数据集,这里只下载了2012的,还有2007等其它年份的 ├── Annotations #存放xml文件,与JPEGImages中的图片一一对应,解释图片的内容等等 ├── ImageSets #该目录下存放的都是txt文件,txt文件中每一行包含一个图片的名称,末尾会加上±1表示正负样本 │ ├── Action原创 2020-09-19 15:33:31 · 376 阅读 · 0 评论 -
PaddlePaddle学习心得
图像分类中常见的模型LeNetLeNet是最早的卷积神经网络之一[1]。1998年,Yan LeCun第一次将LeNet卷积神经网络应用到图像分类上,在手写数字识别任务中取得了巨大成功。LeNet通过连续使用卷积和池化层的组合提取图像特征,其架构如 图1 所示,这里展示的是作者论文中的LeNet-5模型:第一模块:包含5×5的6通道卷积和2×2的池化。卷积提取图像中包含的特征模式(激活函数使用sigmoid),图像尺寸从32减小到28。经过池化层可以降低输出特征图对空间位置的敏感性,图像尺寸减到14转载 2020-08-29 18:30:14 · 193 阅读 · 0 评论 -
mxnet安装环境配置
一、安装Miniconda官方网址:https://conda.io/en/latest/miniconda.html本人选择python3.7版本Windows64位安装完成后打开Anaconda Prompt创建虚拟环境conda create –n env python=3.7这里的env为自定义环境名激活环境conda activate env退出环境:conda deactivate查看当前miniconda版本conda info添加 conda 的镜像服务原创 2020-07-01 23:38:41 · 1453 阅读 · 0 评论 -
mxnet中的MultiBoxPrior、MultiBoxTarget、MultiBoxDetection函数理解
三个函数的参数和输出mxnet.contrib.ndarray.MultiBoxPrior (生成锚框)参数:data=输入图像样本(批量大小,通道数,高,宽)sizes=包含多个锚框大小的数组ratios=包含多个锚框的宽高比的数组输出: 多个锚框mxnet.contrib.ndarray.MultiBoxTarget (标注锚框类别和偏移量,生成掩码)参数:anchor...原创 2020-04-29 23:27:30 · 1451 阅读 · 0 评论 -
mxnet复现vgg11
vgg11vgg11网络使用了8个卷积层和3个全连接层,所以经常被称为VGG-11。VGG块的组成规律是:连续使用数个相同的填充为1、窗口形状为 3×3 的卷积层后接上一个步幅为2、窗口形状为 2×2 的最大池化层。卷积层保持输入的高和宽不变,而池化层则对其减半。网络结构Sequential( (0): Sequential( (0): Conv2D(None -> 64...原创 2020-04-26 22:23:42 · 206 阅读 · 0 评论 -
mxnet复现AlexNet
网络结构Sequential( (0): Conv2D(1 -> 96, kernel_size=(11, 11), stride=(4, 4), Activation(relu)) (1): MaxPool2D(size=(3, 3), stride=(2, 2), padding=(0, 0), ceil_mode=False, global_pool=False, pool_...原创 2020-04-23 23:49:49 · 147 阅读 · 0 评论 -
mxnet复现ResNet-18
ResNet-18网络结构:其中的Residual为残差块每个Sequential模块里有4个卷积层(不计算 1×1 卷积层),加上最开始的卷积层和最后的全连接层,共计18层Sequential( (0): Conv2D(1 -> 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3)) (1): BatchNorm(axis...原创 2020-04-21 21:00:33 · 515 阅读 · 0 评论 -
深度学习中常用的优化算法
参考《动手学深度学习》 https://zh.d2l.ai/chapter_optimization/index.html一维梯度下降我们先以简单的一维梯度下降为例,解释梯度下降算法可能降低目标函数值的原因。假设连续可导的函数 f:R→R 的输入和输出都是标量。给定绝对值足够小的数 ϵ ,根据泰勒展开公式,我们得到以下的近似:f(x+ϵ)≈f(x)+ϵf′(x).这里 f′(x) 是函数 ...转载 2020-04-19 14:16:12 · 658 阅读 · 0 评论