![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
然雪
慢慢做代码,慢慢走人生
展开
-
pip 豆瓣源
pip 豆瓣源:-i https://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com原创 2020-12-17 19:21:27 · 246 阅读 · 0 评论 -
语义分割后处理——消除杂波
使用opencv处理语义分割产生的杂波,也可以说是误捡。原创 2020-11-24 21:30:07 · 3058 阅读 · 6 评论 -
深度学习小结
目录1.BatchNormalization的作用2.梯度消失1.BatchNormalization的作用神经网络在训练的时候随着网络层数的加深,激活函数的输入值的整体分布逐渐往激活函数的取值区间上下限靠近,从而导致在反向传播时底层的神经网络的梯度消失。而Batch Normalization的作用是通过规范化的手段,将越来越偏的分布拉回到标准化的分布,使得激活函数的输入值落在激活函数对输入比较敏感的区域,从而使梯度变大,加速学习收敛速度,避免梯度消失的问题。2.梯度消失在神经网络原创 2020-07-07 15:51:50 · 225 阅读 · 0 评论 -
基于TensorRt的TensorFlow1.x和TensorFlow2.x的推理加速
tensorflow不知不觉已经升级到2.1版本啦,这对于我们开发人员有些干扰。使用tensorRt对模型加速也有不同的区别,我写的这篇博客,记录了如何使用TensorRt对tf1.x版本和tf2.x版本的模型加速原创 2020-06-11 11:23:39 · 2473 阅读 · 6 评论 -
基于TensorRt的TensorFlow模型前向推理过程
本文详细介绍了tensorrt安装过程,模型转换具体操作,以及最后的模型测试原创 2020-04-25 22:05:08 · 2503 阅读 · 31 评论 -
TensorFlow2.0模型格式转换为.pb格式
本文主要介绍如何将tensorflow2.0模型转化为.pb格式。原创 2020-04-24 18:14:59 · 10790 阅读 · 6 评论 -
基于TensorFlow2.0的YOLOV2训练过程
本文主要讲解YOLOV2的训练过程,包含数据集准备,训练集预处理,损失函数编写,模型搭建,反向传播梯度求解等,包含基于Tensorflow2.0源码。原创 2020-04-11 15:37:23 · 2770 阅读 · 26 评论 -
目标检测YOLOV3-训练集真实标注label预处理(三)
将标注信息格式转化为需要的适当的格式,并制作数据生成器原创 2020-04-01 11:02:55 · 1976 阅读 · 0 评论 -
目标检测YOLOV2-训练集数据预处理(二)
读取图片信息,将图片数据与标签信息加载到tensorflow队列中,方便训练时读取原创 2020-03-31 21:46:44 · 543 阅读 · 0 评论 -
目标检测YOLOV2-Xml文件解析(一)
读取xml文件,返回原图片路径,标注目标的坐标与类别信息原创 2020-03-29 09:32:42 · 1000 阅读 · 0 评论 -
基于TensorFlow2.0 的MobileNet-V1模型
基于TensorFlow2.0 搭建MobileNetV1模型结构。使用CIFAR-10数据集进行训练原创 2020-03-28 17:05:14 · 1200 阅读 · 3 评论