- 博客(17)
- 收藏
- 关注
RSS订阅原创 AttributeError: ‘DistributedDataParallel‘ object has no attribute ‘XXXX‘
AttributeError: 'DistributedDataParallel' object has no attribute 'xxxx'
2022-06-16 20:00:54
6040
3
原创 TypeError: torch.nn.modules.batchnorm.BatchNorm2d is not a Module subclass
改网络时遇到的问题：TypeError: torch.nn.modules.batchnorm.BatchNorm2d is not a Module subclasstorch.nn.modules.batchnorm.BatchNorm2d
2022-06-10 11:51:11
751
原创 TensorFlow中相关的维度处理函数
TensorFlow中相关的维度处理函数1——tf.tile(input, multiples, name=None)input: 定义好的的张量对象列表；multiples: 不同维度的复制次数，从第一个维度开始；name: 此操作的名称(可选)。a = tf.constant([[1,2],[3,4]],name='a') 输出：<tf.Tensor: shape=(2, 2), dtype=int32, numpy=array([[1, 2],[3, 4]], dtyp
2021-11-30 14:07:45
164
原创 python中[-1]、[:-1]、[::-1]、[1::-1]分别代表取哪些元素？
进入python，输入以下语句：import numpy as nna=[1,2,3,4,5]b=a[-1]，相当于取最后一个元素>>> b=a[-1]>>> b5c=a[:-1]，返回去除掉最后一个元素的其他值>>> c=a[:-1]>>> c[1, 2, 3, 4]d=a[::-1]，返回numpy的元素倒序>>> d=a[::-1]>>> d[
2020-06-15 17:08:32
4283
原创 Linux下命令行找不到光标的情况
可以通过以下命令使得输入数据时，光标出现：echo -e "\033[?25h"想要隐藏光标的话：echo -e "\033[?25l"
2020-06-01 10:27:42
1366
原创 残差网络——Resnet的关键信息
Deep Residual Learning for Image Recognition论文链接：https://arxiv.org/abs/1512.03385残差块示意图：优点：1.引入残差后的映射对输出的变化更敏感；2.在前向传播时，输入信号可以从任意低层直接传播到高层。它包含了一个天然的恒等映射，一定程度上可以解决网络退化问题。错误信号可以不经过任何中间权重矩阵变换直接传播到低层，一定程度上可以缓解梯度弥散问题（即便中间层矩阵权重很小，梯度基本上也不会消失）。综上可以认为
2020-05-20 22:09:37
231
原创 如何判断张量（tensor）的维度呢？
利用python随机生成一个张量a=torch.randn(2,3,1)输出：基于上述数据可以得到以下观察，首先确定这是一个三维向量，这个可以根据最左边方括号([ )的数量来确定。那么它的形状必然是（a，b，c）的形式。看左边的第一个方括号（[ ）里面包含了几个元素，这里的元素是以([ ])为一组，因此a=2；再看第二个方括号（[ ）里包含了几个元素，这里的元素是以([ ])为一组，因此b=3；最后看第三个方括号（[ ）里面的元素个数，由于这是最后一维数据了，因此直接数这组括号里.
2020-05-13 10:50:26
6932
6
原创 深度学习——激活函数ReLu
通常意义下，线性整流函数指代数学中的斜坡函数，即其中是输入特征，经过线性变化之后的输出结果，比较其与0之间的大小关系，作为ReLu函数的输出优点：1. 解决了gradient vanishing问题 (在正区间)；2.计算速度非常快，只需要判断输入是否大于0；3.收敛速度远快于sigmoid和tanh.缺点：1.ReLU的输出不是zero-centered;2.某些神经元可能永远不会被激活(Dead ReLU Problem)，导致相应的参数永远不能被更新。有两个主要原因可
2020-05-12 18:24:03
481
原创 深度学习——激活函数sigmoid
激活函数是神经网络中能够产生非线性特质的一个根源，如果没有激活函数的存在，那么整个网络只剩下线性运算，线性运算的复合还仍然线性运算，最终的效果只相当于单层的线性模型。因此，激活函数是拟合一个预期数据分布的关键。1.sigmoid函数数学表达式如下：函数图像如下所示：特征：输入：正负均可（图示为-10~+10）输出（0,1）当输入极大或极小时，可以取到实数0和实数1.缺点：1.在深度神经网络中梯度反向传递时导致梯度爆炸或梯度消失，其中梯度爆炸发生的概率非常小，而梯度消失
2020-05-12 17:56:22
2003
原创 深度学习中关于过拟合问题的解决方案
防止过拟合的方法?定义：overfitting是指在模型参数拟合的过程中，由于训练数据包含抽样误差，训练时复杂的模型把抽样误差也考虑在内，对这些抽样误差也做了很好的拟合。表现：最终模型在训练集上表现好，在测试集上表现差。模型泛化能力弱。解决方案：1.获取更多的数据，让模型接触到尽可能多的可能性，模型在经过不断的修正之后，就会得到一个比较好的效果。（获取数据可以通过数据增强的方法，比如针对同一张图，进行镜像、缩放、平移和切割等方法）2.改进网络结构，减少网络层数、神经元的个数。3.选取
2020-05-11 15:20:26
295
原创 跑Yolo v3（pytorch）时遇到的问题
（1）RuntimeError: copy_if failed to synchronize: device-side assert triggered在yolo v3的代码中，没有背景类，去检查自己的数据集是否存在标签从1开始的情况，因此需要将起始类别标签设置为0（2）RuntimeError: CUDA error: device-side assert triggered检查数据集里面...
2019-11-21 18:51:18
466
原创 交叉熵、二分类损失函数的区别——nn.CrossEntropyLoss()、nn.BCELoss()和 nn.BCEWithLogitsLoss()
import torchimport torch.nn as nnimport mathentroy=nn.CrossEntropyLoss()input=torch.Tensor([[-0.7715, -0.6205,-0.2562]])target = torch.tensor([0])print(target)tensor([0])output = entroy(input...
2019-11-21 17:23:59
3787
原创 Cornernet中关于解码函数（def _decode()）的分析
#关于Cornernet当中解码的代码分析#def _decode( tl_heat, br_heat, tl_tag, br_tag, tl_regr, br_regr, K=100, kernel = 1, ae_threshold = 1, num_dets = 1000):#batch为batch_size，cat为训练集的类别数，height为用于预测的feat...
2019-10-30 17:09:34
446
转载 xml格式的数据集转coco格式的代码
原文链接在这里：https://blog.csdn.net/w113691/article/details/80817186?utm_source=blogxgwz2对部分信息进行了改动，希望能有帮助# -*- coding:utf-8 -*-# !/usr/bin/env pythonimport argparseimport jsonimport matplotlib.pyplo...
2019-10-30 17:05:21
2468
原创 python中关于数组的shape、size、ndim等信息
在这里，首先定义一个简单的二维数组，如下：>>> import numpy as np>>> a=np.array([[1,2],[3,4],[5,6]])>>> type(a)<type 'numpy.ndarray'>>>> a.shape(3, 2)>>> a.size6&...
2019-05-26 16:39:37
4327
原创 python--x.shape中（4，）与（4，1）的区别
进入python，我们输入以下语句import numpy as npa=np.array([0,1,2,3])b=np.array([[0],[1],[2],[3]])c=np.array([[0,1,2,3]])a.shape(4,)b.shape(4, 1)c.shape(1, 4)分析：a.shape说明数组a的维数是1，其中有4个元素...
2019-05-26 16:00:29
14584
8
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人