深度学习
幽冥之花
这个作者很懒,什么都没留下…
展开
-
YOLOV3中Darknet中cfg文件说明和理解
darknet 是由 C 和 CUDA 开发的,不需要配置其他深度学习的框架(如,tensorflow、caffe 等),支持 CPU 和 GPU 运算,而且安装过程非常简单。1、cfg文件说明理解[net] ★ [xxx]开始的行表示网络的一层,其后的内容为该层的参数配置,[net]为特殊的层,配置整个网络# Testing ★ #号开头的行为注释行,在解析cfg的文件时会忽略该行# batch=1# s转载 2020-11-09 14:07:53 · 3819 阅读 · 2 评论 -
YOLOV3学习记录——输入图像前的细节问题
#YOLOV3学习记录——输入图像前的细节问题背景通常,神经网络对输入图像的尺寸是有要求的。YOLOV3要求图像是一个矩形,但往往自定义数据集的图像是不规则尺寸。因此这种情况下需要进行Resize操作。其中Padding不当会导致一定问题。讨论如下图,左面为原图,右面为resize之后的输入图像。以原图像最长边为基准边计算缩放系数,使其变换到长度为设定尺寸,然后整张图像等比缩放。Padding采用灰色背景填充,即(128,128,128).如果采用0填充会导致在推理阶段出现问题。网络的输出张量的输出转载 2020-11-03 11:10:02 · 2780 阅读 · 3 评论 -
YOLO理论
这两天静下心来认真看看YOLO的理论知识:[1] YOLO-V3理论[2] [目标检测] YOLO原理[3] 目标检测之YOLO V2 V3[4] YOLO V3 原理原创 2020-09-07 12:58:15 · 158 阅读 · 0 评论 -
关于GPU(二)
深度学习硬件环境的搭建和配置选择在硬件环境的选择上,并不是一定选择最贵的就会有最好的效果,很多时候可能付出了2倍的成本,但是性能的提升却只有10%。深度学习的计算环境对不同部件的要求不同,因此这里先简要讨论一下硬件的合理搭配。另外,虽然目前有一些云服务供应商提供GPU计算能力,并且一键部署,听起来不错,但是基于云计算的GPU实例受到两个限制:首先,普通的廉价GPU实例内存稍小,比如AWS的G2实例目前只支持单GPU 4GB的显存;其次,支持较大显存的实例费用比较高,性价比不高。比如AWS的P2实例使翻译 2020-09-03 14:18:18 · 961 阅读 · 0 评论 -
03.结构化机器学习项目
第二周 机器学习策略(2)2.6 定位数据不匹配处理训练集与开发集分布不同(数据不匹配)问题可以尝试的方法:①亲自做误差分析尝试了解训练集和开发测试集的具体差异②将训练集变得更像开发集收获更多类似开发集的数据方法:可以人工合成数据人工合成数据存在的问题:可能会对合成部分中的小部分数据过拟合...原创 2020-07-28 12:50:54 · 91 阅读 · 0 评论 -
Darknet评估训练好的网络的性能
训练一个网络,需要评价这个网络,并根据评价的结果想一下为什么是这样,怎样去优化这个网络。这样才是一个闭环,能够有提高,仅仅走一遍训练的流程,是没有意义的。如何评价训练好的网络首先网络有一个参数是loss值,这反应了你训练好的网络得到的结果和真实值之间的差距,具体的公式后续会补充,不过查看loss曲线随着迭代次数的增多,如何变化,有助于查看训练是否过拟合,是否学习率太小。0.Valid命令,将test数据集结果批量生产./darknet detector valid cfg/voc.data cfg/转载 2020-05-29 11:13:05 · 967 阅读 · 0 评论 -
tensorflow升级2.0版本后问题解决
tensorflow官方提供的另外一个神器,可以帮助它代码自动的从v1版本转换到v2版本,可能连tensorflow官方自己也不好意思它跨度这么大的版本更新,所以还算提供了一个贴心的工具。windows直接cmd之后在命令行运行即可实现代码的自动转换:如果你完全不想改动v1版本的代码,怎么办,这么操作即可:import tensorflow.compat.v1 as tftf.disabl...转载 2020-03-30 16:39:25 · 1135 阅读 · 1 评论 -
理解深度可分离卷积
看了几篇别人的文章,记录一下对深度可分离卷积的理解。说到深度可分离卷积前,需要说下分组卷积。1.分组卷积图1:标准卷积操作图2:分组卷积操作2.深度可分离卷积(Depthwise separable convolution)图3:深度可分离卷积操作终于弄懂了深度可分离卷积~~,功夫不负有心人。这里能理解,还要感谢下面两张图:3.参考网址【1】 卷积计算量【2...转载 2020-03-11 10:16:52 · 402 阅读 · 0 评论 -
同样都是调参,为什么人家的神经网络比我牛逼 100 倍?
https://mp.weixin.qq.com/s/dTp7yVt0lP8WtOBe0VX5WQ转载 2020-03-10 10:36:59 · 149 阅读 · 0 评论 -
什么是anchor-based 和anchor free?
https://mp.weixin.qq.com/s/3VQb1cytQw1NWE_LrYP-bQ转载 2020-03-10 10:30:44 · 791 阅读 · 0 评论 -
CNN网络结构的发展:从LeNet到EfficientNet
https://mp.weixin.qq.com/s/Ev0JqBzIVgmHlBjhqUpGUQ转载 2020-03-10 10:27:38 · 232 阅读 · 0 评论 -
Caffe-ssd训练MobileNet模型过程中打印“ Missing true_pos for label:”的提示
模型训练过程中打印出的信息如下:I1118 12:32:38.050251 179535 solver.cpp:259] Train net output #0: mbox_loss = 1.16632 (* 1 = 1.16632 loss)I1118 12:32:38.413388 179535 sgd_solver.cpp:138] Iteration 42990, lr = 0...原创 2019-11-18 13:19:36 · 589 阅读 · 0 评论 -
CentOS7编译Caffe
1、系统基本信息查看操作系统的版本$ cat /etc/redhat-releaseCentOS Linux release 7.7.1908 (Core)查看GPU型号$ nvidia-smi2、安装步骤2.1 安装 Anaconda2Anaconda 官网下载地址:https://www.anaconda.com/distribution/ 下载得到指令安装$ s...原创 2019-10-23 16:27:36 · 781 阅读 · 0 评论 -
安装Caffe_ssd并用自己的数据训练MobileNetSSD模型
安装Caffe_ssd并用自己的数据训练MobileNetSSD模型 0 引言原来那台Dell电脑是Win10和Ubuntu16.04的双系统1 安装Caffe2 配置 MobileNet-ssd下载MobileNet-SSD测试demo参数文件和网络文件的详细说明3 利用自己的数据集训练自己的MobileNetSSD model制作数据集生成索引txt文件生成lmdb格式文件(caffe输入格式...转载 2019-02-17 21:12:28 · 5438 阅读 · 0 评论 -
caffe训练日志 log 可视化分析
之前用过Tensorflow的Tensorboard可视化训练过程,感觉很好。所以在用Caffe时也想对训练的过程进行一下可视化。经过一番了解,简单实现了。现将实现过程记录如下:1、输出训练过程到log 文件在采用 shell 脚本进行 caffe 训练时,可以输出训练过程到log 文件,如$CAFFE_ROOT/build/tools/caffe train -solver="solv...原创 2019-08-14 14:12:48 · 450 阅读 · 0 评论 -
深度学习开源框架知识汇总
深度学习开源框架知识汇总这是一篇总结文,为了帮助自己清楚12大深度学习开源框架而做的小总结。先放一张各大开源框架的一个总览表:除此之外还有tiny-dnn,ConvNetJS,MarVin,Neon等等小众,以及CoreML等移动端框架。在选择开源框架时,要考虑很多原因,比如开源生态的完善性,比如自己项目的需求,比如自己熟悉的语言。当然,** 现在已经有很多开源框架之间进行互转的开源工具如M...转载 2019-08-12 09:36:51 · 349 阅读 · 0 评论 -
从Caffe模型训练中断处继续训练
1、本人的Caffe模型训练中断情况训练进行到38610次迭代时意外中断,状态保存至38600次。系统:linux之前的训练脚本train.sh的内容为:#!/bin/shif ! test -f example/MobileNetSSD_train.prototxt ;then echo "error: example/MobileNetSSD_train.protot...原创 2019-09-20 13:48:27 · 822 阅读 · 0 评论