小白的博客

本文假设你已经看过yolo论文，故不在贴图原论文解释。虽然都是框框（box），但是实际上区别还是很大的，在yolo算法中，Y的输出形式为例如：那么，在这里,ancher box（以下称为abox）的种类为2，而bounding box（以下称为bbox）的种类为3。为什么要这么设计呢？假如现在有一个任务，需要预测男人，女人，汽车，那么根据他们的形状，你会想到两种框来预测，（长条的，扁平的），这是在形状的角度来描述，而你还需要预测目标的类别，即c1=男人，c2=女人，c3=汽车。如果c

先把论文中这部分描述摘抄过来，如下图所示：假设我们不适用smooth_L1,考虑L2函数其梯度为那么会出现一个原文描述的问题，when the regression targets are unbounded,既x很大的时候，会发生梯度爆炸，再考虑L1函数此时会出现另外一个问题，当x变化很小的时候，梯度依旧很大，此时函数很有可能无法收敛（除非你控制学习率降低的更多，但是这样手工智能显然有点蠢。）既然L2和L1都有缺点，那么我们各取其优点，结合起来会怎么样呢？..

pytorch官方文档中提到了Xavier初始化，不解，查之。weights = torch.randn(784, 10) / math.sqrt(784) “Xavier”初始化方法是一种很有效的神经网络初始化方法，方法来源于2010年的一篇论文《Understanding the difficulty of training deep feedforward neural networks》。 文章主要的目标就是使得每一层输出的方差应该尽量相等。下面进行...

接上一篇文章首先给出pytorch官方文档对tensorboard的教程https://pytorch.apachecn.org/docs/1.4/6.html目录7 画损失函数（writer.add_scalar）8 画pr曲线图(writer.add_pr_curve)7 画损失函数（writer.add_scalar）writer.add_scalar('training loss', runnin...

from torch.utils.tensorboard import SummaryWriter# default `log_dir` is "runs" - we'll be more specific herewriter = SummaryWriter('runs/fashion_mnist_experimwriter.add_embedding(features, metadata=class_labels,

本文为对其他博客的总结，我们都站在巨人的肩上，微不足道。1.win10装ubuntu双系统 1.1双系统win+ubuntu下卸载ubuntu2.18.04修改镜像源，16.04修改镜像源3.搜狗输入法的安装4谷歌浏览器下载5链接: https://pan.baidu.com/s/1jmlApijDK0fipIm5C5gnRw 提取码: v8iy6ubuntu改mac风格美化（gnome-tweak-tool)7ubuntu下安装QQ,网盘等软件（wine）