![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 62
Tony
这个作者很懒,什么都没留下…
展开
-
class accuracy、 instance accuracy、overall accuracy和average accuracy的区别
class accuracy、 instance accuracy、overall accuracy、mean accuracy和average accuracy的区别原创 2022-03-23 19:48:53 · 6280 阅读 · 1 评论 -
K近邻算法 (KNN)和最远点采样(FPS)实现--python+pytorch
KNN K近邻算法和FPS最远点采样的代码示例原创 2022-03-21 16:27:42 · 4085 阅读 · 0 评论 -
论文笔记 Walk in the Cloud: Learning Curves for Point Clouds Shape Analysis
CurveNet论文笔记1. 介绍2. 方法2.1 预定义ICCV 20211. 介绍很多之前的工作将目光聚焦在局部结构特征的提取上,忽略了长程点关系,而作者认为点云形状分析的远程点的特征也是有意义的,可以作为局部特征的一种补充。我们建议通过生成连续的点段序列,也就是可以看成是点连接起来的曲线,来描述一种远程点特征。这个曲线(curve)可以看作是一种在点云上的漫游(walk),所以就有了题目中的walk。如下图:Local aggregation:经典的pointnet++那种类型,选择n个采原创 2022-03-19 13:51:18 · 1679 阅读 · 0 评论 -
【论文】RfD-Net: Point Scene Understanding by Semantic Instance Reconstruction
CVPR2021Semantic Instance Reconstruction任务包括恢复场景几何,目标定位和重建。It focuses on recovering the object labels, poses and geometries of objects in a 3D scene from partial observations (e.g. images or 3D scans).RfD模型是端到端的模型,直接从raw point clouds进行detect和reconstruct原创 2021-12-24 14:15:52 · 2450 阅读 · 0 评论 -
yolo v3训练过程中报错 non-finite loss的解决方法
报错WARNING: non-finite loss, ending training {'box_loss': tensor([nan], device='cuda:0', grad_fn=<MulBackward0>), 'obj_loss': tensor([nan], device='cuda:0', grad_fn=<MulBackward0>), 'class_loss': tensor([nan], device='cuda:0', grad_fn=<MulBa原创 2021-11-12 15:24:01 · 1917 阅读 · 0 评论 -
1、GAN(Generative Adversarial Networks)论文及pytorch实现
论文1、Introduction实现二级标题三级标题四级标题五级标题六级标题原创 2021-10-22 21:17:32 · 1102 阅读 · 0 评论 -
pytorch实现LeNet-MNIST数据集
LeNet实现代码运行结果代码#完整的训练模型LeNet#导入库import torchimport torchvisionfrom torchvision import transforms as tffrom torch.utils.data import DataLoaderfrom torch import nn, optimfrom tensorboardX import SummaryWriterfrom PIL import Imagewriter = Summary原创 2021-10-07 15:50:31 · 366 阅读 · 1 评论 -
pytorch学习笔记--nn.Module、nn.Sequential的搭建模型、损失函数、反向传播和训练器
nn.Module和nn.equential的搭建模型一、nn.Module二、nn.equentialnn.Module和nn.equential都是pytorch中container的方法,用于保存深度学习层信息,即容器、模型一、nn.Module#使用nn.Module模块构建一个LeNetimport torchimport torch.nn as nnimport torch.nn.functional as funclass LeNet(nn.Module): #初始化即创建模原创 2021-09-30 12:44:53 · 981 阅读 · 0 评论 -
pytorch学习笔记--trochvision.datasets和DataLoader的使用
trochvision.datasets和DataLoader的使用一、datasets二、DataLoader本文为学习笔记,感谢PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】一、datasetsdatasets工具在trochvision中import torchvisionfrom torchvision import transforms as tffrom tensorboardX import SummaryWritertrain_dataset = torchv原创 2021-09-30 09:47:24 · 873 阅读 · 0 评论 -
pytorch学习笔记--tensorboard和transform的使用
tensorboard和transform的使用一、tensorboard二、transform的使用本文为学习笔记,感谢PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】一、tensorboardtensorboard是一种可视化工具,可以但不仅限于图片显示和函数显示。一般是from torch.utils.tensorboard import SummaryWriter,但是如果tensorboard有问题可以使用from tensorboardX import SummaryWri原创 2021-09-29 13:25:57 · 563 阅读 · 0 评论 -
tensorboard显示无数据解决方法No scalar data was found 以及终端命令tensorboard --logdir logs无反应
本文记录在学习tensorboard时遇到的坑,tensorboard显示无数据解决方法No scalar data was found 以及终端命令tensorboard --logdir logs无反应1、这边是可视化一个图片的代码部分from tensorboardX import SummaryWriterfrom torchvision import transformsfrom PIL import Imagewriter = SummaryWriter('logs')img_原创 2021-09-29 12:28:48 · 6651 阅读 · 5 评论 -
torch常用操作
torch常用操作一级目录一级目录原创 2021-09-27 14:26:51 · 1552 阅读 · 0 评论 -
卷积神经网络LeNet的实现--mxnet
#卷积神经网络LeNet的实现#1导入库from mxnet import autograd,nd,gluon,initfrom mxnet.gluon import loss as gloss ,nn ,data as gdataimport mxnet as mximport timeimport d2l.mxnet as d2l#2模型创建net = nn.Sequential()net.add( nn.Conv2D(channels=6,kernel_size=5,ac原创 2021-09-25 12:55:41 · 175 阅读 · 0 评论 -
mxnet中ndarra基础用法
from mxnet import ndx = nd.arange(12)x[ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11.]<NDArray 12 @cpu(0)>x.shape(12,)x.size12x = x.reshape(3,4)x[[ 0. 1. 2. 3.] [ 4. 5. 6. 7.] [ 8. 9. 10. 11.]]<NDArray 3x4 @cpu(0)>原创 2021-09-17 15:48:21 · 155 阅读 · 0 评论 -
深度学习入门--阅读感悟
书籍:深度学习入门–基于python的理论与实现 ( 斋藤康毅著 )初读感受:通过各种层的叠加,尽管不知道为什么经过这些处理,会对图像 ( MNIST集 )产生这么高的辨识能力,能够通过梯度这一数理上的概念使各层不断学习以提高准确度。是图形通过像素和数学发生关系吗?但是毫无疑问的是,准确度确实在一步步的提升,这些层的作用对于初读之后的我还像黑盒一样。还需要不断研读,搞清楚他们的作用。或者本来深度学习的层叠加产生的效果就是让人脑无法理解的?再读感受...原创 2021-07-19 19:43:13 · 305 阅读 · 0 评论 -
深度学习入门笔记--神经网络
1原创 2021-07-01 14:36:26 · 251 阅读 · 0 评论