- 博客(27)
- 收藏
- 关注
原创 windows环境下YOLOV4源码训练自己的数据集
YOLOV4源码对自己的数据训练,除了数据集,其他主要核心修改文件是.data .names .cfg三个文件,对应源码里面的coco.data,coco.names,yolov4.cfg。最后再加一个预训练权重yolov4.conv.137,这些准备好,就可以开始训练了。为了方便训练和管理,后续将所有的文件放在our_data文件夹。如下图1 数据集准备我采取的是VOC数据集的格式。主要以Annotations,ImageSets,JPEGImages三个文件为主。为了方便,将trai
2020-08-17 09:11:54
3619
原创 Windows环境下使用VS2015对YOLOV4源码的两种编译方式并测试
什么是编译?因为机器是只能做数字计算的,能够让机器去运算的,数字的语言就是机器语言。除此之外的所有计算机语言都是非机器语言。为了让机器可理解,相对于机器语言的高级语言都需要一个转换,从高级、机器不可理解,转换为机器可理解的机器语言,这样的一个转换过程就叫做编译。目前对YOLOV4的运用,大多方式都是以指令的形式,例如darknet.exe detector test cfg/coco.data yolov4.cfg yolov4.weights -ext_output dog.jpg,这就是在cmd
2020-08-14 16:50:57
2053
3
原创 Anaconda中分别对conda和pip安装加速
conda安装加速加载清华镜像源,只需要初次加载,之后每次使用conda默认从清华镜像源下载安装conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --add channe
2020-06-20 11:28:24
1861
翻译 强化学习:深度Q-学习
将构建一个可以通过强化学习学会玩游戏的神经网络。具体而言,将使用Q-学习训练智能体玩一个叫做Cart-Pole的游戏。在此游戏中,小车上有一个可以自由摆动的杆子。小车可以向左和向右移动,目标是尽量长时间地使杆子保持笔直。代码链接:https://pan.baidu.com/s/1pnH31nRzr5zENaeawTm7wA提取码:mk13import gymimport...
2019-09-10 12:16:35
533
翻译 强化学习:时间差分法代码(悬崖)
相关代码链接:https://pan.baidu.com/s/1otkNz0QeqzYbKD9ON2Xy5A提取码:brus第0部分:探索CliffWalkingEnv请使用以下代码单元格创建CliffWalking环境的实例。import gymenv = gym.make('CliffWalking-v0')智能体会在4×124×12网格世界中移动,状态编号如下...
2019-09-06 11:18:08
1376
翻译 强化学习:时间差分法总结(悬崖)
相关代码链接:https://pan.baidu.com/s/1otkNz0QeqzYbKD9ON2Xy5A提取码:brusTD预测:TD(0):虽然蒙特卡洛 (MC) 预测方法必须等到阶段结束时才能更新值函数估值,但是时间差分 (TD) 方法在每个时间步之后都会更新值函数。 对于任何固定策略,一步 TD(或TD(0))保证会收敛于真状态值函数,只要步长参数足够小。 在实践...
2019-09-06 11:09:24
783
翻译 Anaconda安装opencv3
要想在 notebook 中安装和使用 OpenCV,请打开终端窗口(也被称为 Windows 用户的命令提示符窗口),并使用以下命令通过 conda 安装最新版本 (v3):conda install opencv3接下来你应该会收到安装提示,询问你是否继续安装 (y/n)?请选择是来继续安装。如果上述安装命令对你的计算机不起作用,请尝试通过特定源访问 opencv3 ,并使用以下命...
2019-09-06 09:29:20
4569
翻译 强化学习:蒙特卡洛方法代码(21点)
21点代码链接:https://pan.baidu.com/s/1T0Ev8KJy2tcGIFiB3ddyyQ提取码:提取码:6ft9第0部分:探索BlackEnvimport gymenv = gym.make('Blackjack-v0')每个状态都是包含以下三个元素的 3 元组:玩家的当前点数之和∈{0,1,…,31}∈{0,1,…,31}, 庄家朝上的牌点数之...
2019-09-04 11:17:23
4159
3
翻译 强化学习:蒙特卡洛方法总结(21点)
21点代码链接:https://pan.baidu.com/s/1T0Ev8KJy2tcGIFiB3ddyyQ提取码:提取码:6ft9MC预测:状态值解决预测问题的算法会确定策略对应的值函数(或)。 通过与环境互动评估策略的方法分为两大类别: 在线策略方法使智能体与环境互动时遵守的策略与要评估(或改进)的策略相同。 离线策略方法使智能体与环境互动时遵守的...
2019-09-04 09:55:27
2816
翻译 强化学习基础:动态规划代码
在 FrozenLake 环境中,智能体探索的是 4x4 网格世界。相关代码链接:https://pan.baidu.com/s/1GjV1sWn2Ajp3uB9iMOYEOw提取码:09a1第0部分:探索FrozenLakeEnv请使用以下代码单元格创建FrozenLake环境的实例。from frozenlake import FrozenLakeEnvenv =...
2019-09-02 11:35:43
1154
1
翻译 强化学习:动态规划总结
代码链接:https://pan.baidu.com/s/1GjV1sWn2Ajp3uB9iMOYEOw 。提取码:09a1 。简介在动态规划设置中,智能体完全了解 MDP(这比强化学习设置简单多了。在强化学习设置中,智能体一开始完全不了解环境如何确定状态和动作,必须完全通过互动来了解如何选择动作。)迭代方法为了获得策略对应的状态值函数,只需求解的贝尔曼预期方程对应...
2019-09-02 11:13:50
324
翻译 强化学习:jupyter notebook出现“No module named gym”
在Python3下安装了gym,在PyCharm下可以正常运行,但是在jupyter notebook出现“No module named gym”,不能正常工作。这是openai-gym的一个众所周知的问题,可能是因为jupyter notebook的默认内核不正确。我的解决方案如下:source activate <myenv>conda install pippip i...
2019-08-24 17:37:05
7676
翻译 (Udacity)深度强化学习框架:解决方案
策略确定性策略是从的映射。对于每个状态,它都生成智能体在状态时将选择的动作。 随机性策略是从的映射。对于每个状态和动作,它都生成智能体在状态时选择动作的概率。状态值函数策略的状态值函数表示为。对于每个状态,它都生成智能体从状态开始,然后在所有时间步根据策略选择动作的预期回报。即。我们将称之为在策略下的状态的值。 记法来自推荐的教科书,...
2019-08-24 11:35:24
244
翻译 (Udacity)强化学习框架:问题
回收机器人 MDP,high和low表示机器人的电量。设置,重新经历强化学习 (RL) 框架包含学习与其环境互动的智能体。 在每个时间步,智能体都收到环境的状态(环境向智能体呈现一种情况),智能体必须选择相应的响应动作。一个时间步后,智能体获得一个奖励(环境表示智能体是否对该状态做出了正确的响应)和新的状态。 所有智能体的目标都是最大化预期累积奖励,或在所有时间步获得的预期奖励...
2019-08-22 11:10:54
306
翻译 C++:简单优化编程语言
程序优化不仅包括编程语言,还涉及其他方面。程序运行速度还取决于硬件、编译器以及所选的计算机算法。无用代码在编写一个解决方案时,你沿着一个逻辑分支写下去,发现最终行不通。或者你出于调试的目的添加了额外代码,但这段代码并不是解决方案的一部分。无用代码虽然是程序的一部分,但不影响程序实现。它可能拖慢程序。这些代码虽然不会使用,但仍然会在 CPU 上执行,并且可能涉及内存读写操作。还有两个问题...
2019-08-20 15:53:27
395
翻译 Tensorflow:实现Deep Convolutional GANs
使用Street View House Numbers(SVHN)数据集训练DCGAN。加载模块%matplotlib inlineimport pickle as pklimport matplotlib.pyplot as pltimport numpy as npfrom scipy.io import loadmatimport tensorflow as t...
2019-08-15 20:53:10
247
翻译 Tensorflow:简单GAN生成MNIST
GANs有两个网络,生成器G和辨别器D,两个网络相互竞争。生成器生成假数据传递给鉴别器。辨别器能接收真实数据,并预测接收到的数据是真实的还是虚假的。生成器被训练用来欺骗辨别器,它希望输出尽可能接近真实数据的数据。辨别器被训练来分辨哪些数据是真实的,哪些是假的。最终结果是,生成器生成的数据,无法让辨别器分辨出是假数据,达到以假乱真。GAN的一般结构如图所示,使用MNIST图像作为数据。潜在...
2019-08-13 15:48:16
543
翻译 C++:输出到文本文件
就像从文件输入数据一样,可以将数据输出到文件。假设有一个矩阵,想把结果保存到一个文本文件中。可以看到,将矩阵输出到文件的代码和将矩阵输出到终端的代码非常相似。#include <iostream>#include <fstream>#include <vector>using namespace std;int main() { //...
2019-08-09 10:58:00
8517
翻译 C++:读入文本文件
读取数字和逗号表示一个 3x4 的矩阵:1, 6, 2, 10.511, 15.2, 2, 213, 9, 1, 7.5读入这个文件,并创建一个二维矢量来表示矩阵。#include <iostream>#include <fstream>#include <string>#include <sstream>#include...
2019-08-09 10:44:06
986
翻译 Pytorch实现Word2Vec
如何在 PyTorch 中使用 skip-gram 结构实现 Word2Vec算法。将学习自然语言处理中用到的词嵌入概念。词嵌入对于机器翻译来说很有用。词嵌入在处理文本中的字词时,需要分析数千个字词类别;词汇表中的每个字词对应一个类别。对这些字词进行独热编码效率很低,因为独热向量中的大多数值将为 0。如果对独热输入向量与第一个隐藏层进行矩阵乘法运算,结果将生成一个有多个值为 0 的隐藏输出...
2019-08-08 19:48:51
5369
4
翻译 Pytorch实现简单RNN
加载资源和生成数据import torchfrom torch import nnimport numpy as npimport matplotlib.pyplot as plt%matplotlib inlineplt.figure(figsize=(8,5))# how many time steps/data pts are in one batch of data...
2019-08-08 19:18:35
3303
1
翻译 Pytorch实现字符级LSTM
加载资源import numpy as npimport torchfrom torch import nnimport torch.nn.functional as F加载数据:加载《安娜·卡列尼娜》文本文件并将其转换为整数(根据自己的需求,上传文件)。# open text file and read in data as `text`with open('data/a...
2019-08-08 19:13:12
776
翻译 Pytorch迁移学习-花朵
下载数据import osimport numpy as npimport torchimport torchvisionfrom torchvision import datasets, models, transformsimport matplotlib.pyplot as plt%matplotlib inline# check if CUDA is avail...
2019-07-29 19:53:57
484
翻译 Pytorch基础-CITAR图像分类CNN
测试CUDAimport torchimport numpy as np# check if CUDA is availabletrain_on_gpu = torch.cuda.is_available()if not train_on_gpu: print('CUDA is not available. Training on CPU ...')else: ...
2019-07-18 21:13:19
1288
翻译 Pytorch基本练习MLP-MNIST
训练MLP对MNIST手写数字数据库中的图像进行分类。训练分为几步:1.加载和可视化数据 2.定义神经网络 3.训练模型 4.评估已训练模型在测试数据集上的性能!模块导入# import librariesimport torchimport numpy as npfrom torchvision import datasetsimport torchvision.transfo...
2019-07-18 11:01:51
1416
翻译 Pytorch迁移学习(GPU)- Dogs vs. Cats
迁移学习:使用torchvision.models,可以下载预训练的网络。猫狗照片数据集(从 Kaggle 上可以获得):https://www.kaggle.com/c/dogs-vs-cats模块加载%matplotlib inline%config InlineBackend.figure_format = 'retina'import matplotlib.pyplot ...
2019-07-18 10:48:46
536
翻译 Pytorch基本练习-Fashion
数据准备:import torchfrom torchvision import datasets, transforms# Define a transform to normalize the datatransform = transforms.Compose([transforms.ToTensor(), tra...
2019-07-18 10:22:01
609
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人