自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(3)
  • 资源 (2)
  • 收藏
  • 关注

原创 深度学习中角度估计

1.3D Bounding Box Estimation Using Deep Learning and Geometry(CVPR 2017)We show that a novel MultiBin discretecontinuous formulation of the orientation regression significantly outperforms a more traditional L2 loss(1)L2 loss在很多回归问题中并不好用,它预测结果倾向平均值: L2

2020-07-21 22:27:33 5325 2

原创 pytorch中变量的可微分性

1.detach的用法参考https://www.cnblogs.com/wanghui-garcia/p/10677071.html总结:这么一看其实detach()和detach_()很像,两个的区别就是detach_()是对本身的更改,detach()则是生成了一个新的variable比如x -> m -> y中如果对m进行detach(),后面如果反悔想还是对原来的计算图进行操作还是可以的但是如果是进行了detach_(),那么原来的计算图也发生了变化,就不能反悔了...

2020-07-20 17:30:37 443

原创 pytorch中的F.grid_sample解释

1.一般用法首先构造一个恒等采样的矩阵(左上角是(-1,-1),右下角是(1,1),记为grid),然后在该矩阵的基础上加上x,y方向的offset,构成一个新的采样矩阵(flow_grid),然后使用F.grid_sample和flow_grid对原图做采样,得到trans_feature。#构造恒等变换的采样矩阵,左上角是(-1,-1),右下角是(1,1),中间是(0,0)gridY = torch.linspace(-1, 1, steps = featSize).view(1, -1, 1,

2020-07-11 11:21:25 25698 8

caffe的Makefile.config和Makefile.tar.gz

caffe编译所使用的Makefile.config和Makefile.tar.gz 参考博客:https://mp.csdn.net/postedit/100109529

2019-08-28

google.tar.gz

使用caffe的draw_net.py时(caffe是使用python3.6的),首先发现protobuf的版本不对,需要3.00以下的版本。安装protobuf2.6.1时,发现该版本是采用python2.7编写的,和当前的python3.6的环境有很多的不同。于是,讲里面不符合python3.6语法规则的地方全部更改,更改后的版本可以在Python3.6的环境下使用caffe所带的drew_net.py作图。讲所下载的文件解压后直接放入python3.6/site-packages下即可

2019-07-11

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除