北溟客的博客

这里记录几个需要注意的问题，以后备查：更新python版本在更新python版本以后，会出现终端失效、software updater失效等问题。尤其是会出现：Traceback (most recent call last): File "/usr/lib/cnf-update-db", line 8, in <module> from CommandNotFound.db.creator import DbCreator File "/usr/local/python

UEFI启动模式下安装Window10和Ubuntu 16.04双系统踩坑要点共存安装独立引导分区安装总结UEFI启动模式下安装Window10和Ubuntu 16.04双系统与传统BIOS启动模式下存在很大的不同，不同系统需要专门设置boot引导空间。网上大多数安装方法存在一定的问题，导致安装完系统后只能进入直接进入Window，而且由于使用UEFI引导模式，导致使用easyBCD失效。其实，双系统安装存在两种模式，一种是共存安装，一种是独立分区安装，U盘启动进入Ubuntu系统后可以看到共存安装

在使用paddlepaddle时，需要导入paddleimport paddle然后立马报错：beimingke@beimingke:~/padtest$ python3 tensor.py/home/beimingke/anaconda3/lib/python3.7/site-packages/socks.py:58: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'colle

YOLOv3反向传播原理 之 源码分析1.YOLOv3网络训练中反向传播主体流程1.1 初始化1.2 batch内梯度累加1.3 network和layer 中的关键变量2.YOLO层反向传播源码分析3.卷积层（CNN）反向传播源码分析3.1反向传播主函数backward_convolutional_layer源码分析3.2重排和矩阵相乘函数源码分析4.标准化层（batch_normalize层）反向传播源码分析5.残差层（shortcut层）反向传播源码分析6.路由层（route层）反向传播源码分析7.激

YOLOv3反向传播原理 之 公式推导YOLOv3反向传播和所有的神经网络反向传播道理都一样，都是通过求LOSS对神经元仿射变换权重的导数，计算出一个权重变化的方向和步长，最终计算出更新的权重。传播的是LOSS，计算的是权重变化的梯度，最终求得的是更新的权重。YOLOv3为卷积神经网络，但是卷积和全连接原理相同，都是仿射变换，区别是卷积层再实际计算过程中需要通过feature map矩阵的重排和矩阵计算完成梯度计算。所以卷积神经网络的反向传播求导计算原理可以完全参考全连接，作为不能回避的内容，本文首先对

voc_eval.py源码解读1.mAP基本计算原理2.源码分析voc_eval函数parse_rec函数voc_ap函数3.precision-recall图分析我们在上一篇文章《YOLOv3计算自己数据集训练模型的mAP》中介绍了使用valid计算出来验证集的检测结果结果，存于results文件，然后voc_eval函数计算mAP的操作方法。但是voc_eval函数的计算原理是什么？作者是如何通过代码实现的呢？本文尝试进行一个分析介绍。1.mAP基本计算原理mAP是mean Average Pre

深度学习模型评估指标：accuracy、precision、recall1. 准确率（accuracy）、精确率（precision）、召回率（recall）1.1基本概念1.2二元分类模型的定义1.3多分类模型的定义1.4举例说明1.5 YOLOv3中recall的计算2. 关于精确率和召回率的关系1. 准确率（accuracy）、精确率（precision）、召回率（recall）1.1基本概念准确率（accuracy）、精确率（precision）、召回率（recall）三个指标的定义是有一定条