![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
px_cmd
这个作者很懒,什么都没留下…
展开
-
TensorFlow Object Detection API教程——制作自己的数据集
参考文献https://blog.csdn.net/w5688414/article/details/78970874原创 2018-06-05 11:20:23 · 381 阅读 · 0 评论 -
Mask RCNN
semantic segmentation:语义分割instance segmentation: 实例分割bounding-box object detecton:候选框目标检测person keypoint detection:人关键点检测实例分割和语义分割(semantic segmentation)的区别:实例分割需要将属于同一类的不同实例用不同的颜色标明;语义将属于...原创 2018-11-15 14:52:35 · 141 阅读 · 0 评论 -
window10 + GPU + caffe + py-faster-rcnn跑通demo.py
目录一、安装显卡驱动二、安装VS2013三、安装Anaconda2四、安装CUDA8.0五、安装cuDNN5六、安装Caffe七、配置Faster RCNN八、测试----跑通demo.py环境:系统:windows10 64bitGPU: NNIFIA GTX1080Ti框架:caffe语言:python 一、安装显卡驱动1.下载...原创 2018-11-15 08:54:42 · 1322 阅读 · 1 评论 -
deep-visualization-toolbox可视化工具安装
网站:https://github.com/yosinski/deep-visualization-toolbox网站上有详细的安装教程。因为在安装deep-visualization-toolbox这个工具之前,已经安装编译过caffe,所以直接从以下开始。如果你没有编译过caffe,就跟着安装教程一步一步做。Step 2: Install prerequisites$ sudo...原创 2018-12-04 19:42:52 · 1660 阅读 · 1 评论 -
深入浅出--梯度下降法及其实现
梯度下降法:介绍非常清楚的一篇文章:深入浅出--梯度下降法及其实现如果不理解梯度和方向导数的关系:可以看看:如何直观形象的理解方向导数与梯度以及它们之间的关系梯度下降法还可能看看:梯度下降(Gradient Descent)小结反向传播法:依次看以下的文章:小白也能看懂的BP反向传播算法之Towards-Backpropagation 小白也能看懂的BP反向传播算法之Into-B...原创 2018-12-02 21:19:04 · 396 阅读 · 0 评论 -
均方误差和交叉熵代价函数
均方误差函数:交叉熵代价函数:参考:交叉熵代价函数(损失函数)及其求导推导原创 2018-12-12 16:01:15 · 763 阅读 · 0 评论 -
深度学习-目标检测评估指标P-R曲线、AP、mAP
重点看看:深度学习-目标检测评估指标P-R曲线、AP、mAP原创 2018-12-06 11:12:32 · 1866 阅读 · 0 评论 -
Caffe版Faster R-CNN可视化——网络模型,图像特征,Loss图,PR曲线
一、指标的介绍如果你对机器学习中性能的指标很熟悉,这一部分可以不看PR曲线,ROC曲线,AUC指标等,Accuracy vs Precision可参考:PR曲线,ROC曲线,AUC指标等,Accuracy vs Precision一般来说,提高二分类的 threshold 就能提高 precision,降低 threshold 就能提高 recall,这时便可观察 PR 曲线,...原创 2018-12-03 23:15:08 · 1655 阅读 · 5 评论 -
CNN中细节处理
对于卷积来说,如果除以stride,得不到整数,就向下取整,比如,对于(8,8)的输入,我们用(3,3)的filter, 如果stride=1,则输出为(6,6); 如果stride=2,则输出为(3,3);(1 + (8-3)/2)向下取整就是3对于pooling来说,如果除以stride,得不到整数,就向上取整,比如,对于(8,8)的输入,我们用(3,3)的filter, 如果st...原创 2018-12-20 11:00:37 · 244 阅读 · 0 评论 -
深度学习的的问题
L2与weight_decay的联系?w = w - lr*grad - wd*wloss + lambd*L2原创 2018-12-17 11:42:58 · 136 阅读 · 0 评论 -
VOC2007格式数据集制作
1.VOC2007格式数据集介绍解压VOC2007数据集后可以看到VOC2007文件夹下有以下5个文件夹:Annotations文件夹 该文件下存放的是xml格式的标签文件,每个xml文件都对应于JPEGImages文件夹的一张图片。 JPEGImages文件夹 改文件夹下存放的是数据集图片,包括训练和测试图片。 ImageSets文件夹 该文件夹下存放了三个文件,分别是L...原创 2018-11-05 19:50:05 · 1491 阅读 · 0 评论 -
Pascal Voc数据集详细介绍
1.首先了解VOC2012数据集的内容数据集下载后解压得到一个名为VOCdevkit的文件夹,该文件夹结构如下: .└── 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,...原创 2018-11-05 17:05:20 · 2551 阅读 · 1 评论 -
caffe in_place 操作
参考:caffe inplace 操作原创 2018-11-03 16:02:06 · 389 阅读 · 0 评论 -
图像标注工具labelImg安装方法及使用方法(win10 + Python3.5)
一、安装环境win10Python3.5其它的环境我没有试过二、安装步骤下载或者clone源码:https://github.com/tzutalin/labelImg将源码存放在D:\labelImg(根据个人喜好放置即可)安装PyQt5库。pip install PyQt5 安装PyQt5_tools库。 pip install pyqt5_tools安装lxml库。pip install l...原创 2018-06-06 09:22:22 · 17516 阅读 · 4 评论 -
TensorFlow Object Detection API—— 训练自己的数据集(win10 + Python3.5 + CPU)
一、训练环境win10pyCharm带Python3.5CPU无GPU二、训练自己的数据集标记自己的数据集如何标注自己数据集 ,具体可参考我另一篇博客:https://blog.csdn.net/qq_34809033/article/details/80589868将标记完的数据集转换为TFRecord格式将注释的xml文件转换为csv格式,使用xml_to_csv.py,将生成train.cs...原创 2018-06-06 21:52:38 · 2407 阅读 · 4 评论 -
机器学习常见概念
范数:L0范数是指向量中非零元素的个数,如果用L0规则化一个参数矩阵W,就是希望W中大部分元素为0,实现稀疏L1范数是指向量中各个元素的绝对值之和L2范数是指向量各元素的平方和然后开方正则化是指我们修改学习算法,使其降低泛化误差而非训练误差。 ...原创 2018-09-08 16:04:42 · 105 阅读 · 0 评论 -
py-faster-rcnn代码阅读-config.py
参考:py-faster-rcnn代码阅读2-config.py原创 2018-10-11 14:17:51 · 398 阅读 · 0 评论 -
查看 linux系统中的 CUDA,CUDNN 版本 号
查看 CUDA 版本:cat /usr/local/cuda/version.txt查看 CUDNN 版本:cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 参考:查看 linux系统中的 CUDA,CUDNN 版本 号...原创 2018-09-29 00:18:03 · 1379 阅读 · 0 评论 -
GPU,CUDA,cuDNN的理解
参考:GPU,CUDA,cuDNN的理解原创 2018-10-17 09:22:24 · 162 阅读 · 0 评论 -
深度学习中的优化算法
优化算法重点推荐参考[2]标准梯度下降法:标准梯度下降先计算所有样本汇总误差,然后根据总误差来更新权值缺点:当训练样本比较大时,更新一次权值需要的时间比较长,因为要将所有的样本都训练一次才更新权值。随机梯度下降法:随机梯度下降随机抽取一个样本来计算误差,然后更新权值缺点:更新权值虽然非常快,但可能引入比较多的噪声,因为重新的更新方向可能是错误的方向。批量梯度下降法:批量梯度下降算...原创 2018-10-29 09:10:56 · 229 阅读 · 0 评论 -
可视化 Caffe 网络结构
参考:在线网页绘制可视化 Caffe 网络结构原创 2018-10-31 09:23:07 · 115 阅读 · 0 评论 -
Caffe-Python接口常用API参考
1、io.py源码解读主要是定义了一个transformer,preprocess和deprocess操作,完成caffe和python之间数据的格式转换等,注意caffe: BGR,0-255,C*H*W,而python是RGB, 0-1,H*W*C的数据格式,所以一般python读取的图片数据要转换成适合caffe用的数据。 python接口可以重点看[2][3]net.pa...原创 2018-10-31 20:18:38 · 259 阅读 · 0 评论 -
NVIDIA 显卡介绍
1. 常见名称gpu架构:Tesla、Fermi、Kepler、Maxwell、Pascal、Volta 芯片型号:GT200、GK210、GM104、GF104等 显卡系列:GeForce、Quadro、Tesla GeForce显卡型号:G/GS、GT、GTS、GTX、RTX显卡系列在本质上并没有什么区别,只是NVIDIA希望区分成三种选择,GeFore用于家庭娱乐,Quadro用...原创 2018-12-18 18:42:27 · 5557 阅读 · 0 评论