深度学习
my-GRIT
Keep living or Keep dying
展开
-
U-Net
转自点击打开链接U-Net:恢复图像的位置信息在深度学习应用到计算机视觉领域之前,人们使用 TextonForest 和 随机森林分类器进行语义分割。卷积神经网络(CNN)不仅对图像识别有所帮助,也对语义分割领域的发展起到巨大的促进作用。语义分割任务最初流行的深度学习方法是图像块分类(patch classification),即利用像素周围的图像块对每一个像素进行独立的分类。使用图像块分类的主要...转载 2018-06-25 20:26:34 · 591 阅读 · 0 评论 -
BatchNormalization
文章转自:https://blog.csdn.net/hjimce/article/details/50866313一、背景意义本篇博文主要讲解2015年深度学习领域,非常值得学习的一篇文献:《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》,这个...转载 2018-08-18 20:17:16 · 269 阅读 · 0 评论 -
PyTorch之transforms
本文转自:https://zhuanlan.zhihu.com/p/27382990为了方便进行数据的操作,pytorch团队提供了一个torchvision.transforms包,我们可以用transforms进行以下操作:PIL.Image/numpy.ndarray与Tensor的相互转化; 归一化,即0均值,1方差; 对PIL.Image进行裁剪、缩放等操作。 通常...转载 2018-08-19 14:56:51 · 963 阅读 · 0 评论 -
PyTorch之Tensor
之前看过tensor的操作,不过对tensor中的squeeze和unsqueeze不太明白,今天看到一篇博客,理解更深了些,这里只截取有关squeeze和unsqueeze的部分。本文转自:https://blog.csdn.net/zyn0318/article/details/802993791. torch.squeeze(input, dim = None, out = None...转载 2018-08-19 21:18:02 · 1058 阅读 · 0 评论 -
PyTorch之Variable的detach和detach_
本文源自:https://blog.csdn.net/u012436149/article/details/76714349这里加入自己的一点实践。pytorch 的 Variable 对象中有两个方法,detach和 detach_ 本文主要介绍这两个方法的效果和 能用这两个方法干什么。detach官方文档中,对这个方法是这么介绍的。返回一个新的 从当前图中分离的 Varia...转载 2018-08-20 10:23:57 · 1664 阅读 · 0 评论