dl学习
用技术仰望星空
怕什么真理无穷,进一寸有进一寸的欢喜!
展开
-
解决使用tensorflow-GPU版本时缺dll文件问题
2020-10-17 23:30:49.780839: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library ‘cublas64_10.dll’; dlerror: cublas64_10.dll not found2020-10-17 23:30:49.784439: W tensorflow/stream_executor/platform/default/dso_l原创 2020-10-17 23:40:02 · 2592 阅读 · 1 评论 -
We recommend you use --use-feature=2020-resolver to test your packages with the new resolver before
解决pip安装版本依赖性问题在需要安装的包语句后面加 --use-feature=2020-resolver例如:pip install tensorflow-gpu==2.1.0 --use-feature=2020-resolver原创 2020-10-17 22:59:01 · 5194 阅读 · 0 评论 -
tensorflow安装cuda及cudnn版本对应
原创 2020-10-17 22:54:21 · 125 阅读 · 0 评论 -
深度学习参数初始化
Xavier初始化Kaiming初始化原创 2020-04-12 23:05:28 · 93 阅读 · 0 评论 -
SSD存在的问题及改进
DSSD:改进SSD算法对于小目标不够鲁棒(原因:浅层FeatureMap表征能力不够强)1、使用ResNet,采用skip连接2、使用Deconvolution层强化浅层FeatureMapDSOD:1、从零开始训练模型、不需要预训练模型2、DenseNet+SSDFSSDRSSD...原创 2019-12-16 19:54:43 · 2016 阅读 · 0 评论 -
预训练模型优缺点
此处预训练模型指分类模型,将预训练模型作为检测模型主干网络优点:1、开源模型多,可以直接用于目标检测2、可以快速地得到最终模型,需要的训练数据少缺点:1、预训练模型大、参数多、模型结构灵活性差、难以改变网络结构,计算量大,限制应用场景2、分类和检测任务损失函数和类别分布不同,优化空间存在差异3、尽管微调可以减少不同目标类别分布差异性,差异太大时,微调效果不明显...原创 2019-12-16 19:38:26 · 10500 阅读 · 0 评论 -
图像质量评价指标之 PSNR 和 SSIM
图像质量评价指标之 PSNR 和 SSIM转载 2019-12-14 16:20:10 · 226 阅读 · 0 评论 -
卷积的集中不同模式
full modesame modevalid modehttps://blog.csdn.net/leviopku/article/details/80327478转载 2019-12-14 14:24:25 · 76 阅读 · 0 评论 -
Inception V系列(谷歌出品)
Inception V1 https://www.jianshu.com/p/57cccc799277Inception V2/3 https://www.jianshu.com/p/d6ca52105cb5原创 2019-12-12 19:07:47 · 85 阅读 · 0 评论 -
网络轻量化
常用轻量化网络SqueezeNet ICLR-2017 https://arxiv.org/abs/1602.07360mobileNet cvpr-2017 https://arxiv.org/abs/1704.04861SuffleNet https://arxiv.org/abs/1707.01083Xexception https://arxiv.org/a...原创 2019-12-12 14:06:22 · 967 阅读 · 0 评论 -
目标检测最近发展
目标检测近几年形成如下发展趋势:参考前段时间一个文章总结发现目标检测由两阶段向一阶段转移,2018CVPR、ECCV、ICCV和2019年近期开源文章看一阶段是接下来重点方向。而目前在模型结构上基本形成如下稳定的趋势:1、二维方向一、Backbone特征提取器从新设计感受野和分类器,因为过多的下采用导致特征图很小而这种小的特征图具有丰富的语义信息丢失来浅层的高分辨信息小目标容易漏检。在特征...转载 2019-12-12 14:02:27 · 340 阅读 · 0 评论 -
single crop和muti-crop
训练的时候当然随机剪裁,但测试的时候有技巧:单纯将测试图像resize到某个尺度(例如256xN),选择其中centor crop(即图像正中间区域,比如224x224),作为CNN的输入,去评估该模型Multiple Crop的话具体形式有多种,可自行指定,比如:10个crops: 取(左上,左下,右上,右下,正中)以及它们的水平翻转。这10个crops在CNN下的预测输出取平均作为最终...原创 2019-12-04 11:56:48 · 527 阅读 · 0 评论 -
simple Scale和Multi-Scale
Single-Scale:是指把一张图片送到 CNN ;Multi-Scale:一般会送到 CNN 十张图片:比如高宽是 256 Χ 256 的图片,Multi-Scale会在它的四个角以及中心裁剪 5 张 224 Χ 224 的图片,然后再进行翻转,总共得到十张图片,最后全部送到 CNN。...原创 2019-12-04 10:20:53 · 541 阅读 · 0 评论 -
receptive field(感受野)
基本定义:定义:感受野用来表示网络内部的不同神经元对原图像的感受范围的大小,或者说,convNets(cnn)每一层输出的特征图(feature map)上的像素点在原始图像上映射的区域大小。神经元之所以无法对原始图像的所有信息进行感知,是因为在这些网络结构中普遍使用卷积层和pooling层,在层与层之间均为局部连接。神经元感受野的值越大表示其能接触到的原始图像范围就越大,也意味着它可能蕴...转载 2019-12-04 09:09:54 · 184 阅读 · 0 评论 -
upsampling
cs231n 分割一课中unsampling的几种方法原创 2019-12-02 11:48:32 · 247 阅读 · 0 评论 -
rnn
一层rnn多层rnn,一般使用的rnn不会太深对于长时间序列rnn,容易出现梯度消失和梯度爆炸现象于是改变rnn结构,出现LSTM仅使用numpy实现时间截断反向传播rnnhttps://gist.github.com/karpathy/d4dee566867f8291f086"""Minimal character-level Vanilla RNN model. Wri...原创 2019-12-02 11:07:12 · 179 阅读 · 0 评论 -
CGAN
CGAN生成符合特定描述的输出,如图:给定描述,生成相应内容图片CGAN中的negetive情况包含两种,(正确的描述,不清晰的图片)和(不正确的描述,清晰的图片),positive情况为(正确的描述,清晰的图片)CGAN的训练过程区别于GAN的训练stack GAN: 用于生成尺寸较大的图片,先生成小图,再生成大图patch-GAN: image to image,discr...原创 2019-11-28 11:21:51 · 1374 阅读 · 0 评论 -
JS散度
JS散度1、 香农信息熵2、信息熵3、kl散度(相对熵)4、JS散度原创 2019-11-27 16:03:19 · 497 阅读 · 0 评论 -
GAN学习
GAN学习生成模型与判别模型生成模型与判别模型生成模型需要大量数据学习模型中的联合概率p(x,y), 根据p(y|x)=p(x,y)/p(y)计算条件概率,生成模型可以成为判别模型,判别模型不能成为生成模型。...原创 2019-11-27 11:52:30 · 195 阅读 · 0 评论