深度学习
深度学习、计算机视觉
Java英雄之旅
这个作者很懒,什么都没留下…
展开
-
【TensorFlow2.0】手撕前向传播算法
本文介绍如何使用 TensorFlow2.0 实现前向传播,先介绍用 TensorFlow 普通的 API 来实现前向传播,将会介绍:如何加载数据集,如何完成参数初始化和构建前向传播网络,如何计算 accuracy.由于神经网络的训练流程大同小异,就可以使用 tf.keras 封装的 API 来简化模型训练和测试的流程.本文第二部分将会介绍如何使用 tf.keras 来定义神经网络以及优...原创 2019-09-05 09:22:50 · 336 阅读 · 0 评论 -
【Darknet】Darknet实战
Darknet is an open source neural network framework written in C and CUDA. It is fast, easy to install, and supports CPU and GPU computation.—— https://pjreddie.com/darknet/本文是对使用 darknet 进行目标...原创 2019-06-13 06:55:15 · 941 阅读 · 0 评论 -
【Darknet】改进版Darknet
AlexeyAB/darknet 在原版darknet的基础上做了一些改进,用得最舒服的两个点是:可以实时查看 loss 和 mAP;可以自动计算一些模型评估指标。下面是对其 README.md 的翻译。Requirements (and how to install dependecies) Pre-trained models Explanations in issues...翻译 2019-06-13 18:39:13 · 905 阅读 · 0 评论 -
【Caffe】Caffe代码结构
Caffe 安装看 Installation, 第一个例子可以看 Training LeNet on MNIST with caffe 的示例.跟着示例做一遍,精确度能有 98% 左右,做完很有成就感.跑完之后可以跑更多的官方示例,它包括 Notebook Example 和 Command Line Example.Caffe Tutorial介绍了 Caffe 的基础,其中也包括各...原创 2019-06-17 08:12:21 · 147 阅读 · 0 评论 -
【Caffe】Caffe实战手写数字分类
Caffe是优秀的深度学习开源框架,并具有良好的开源生态,我们可以在Model zoo中找到许多模型的实现。本文以 Caffe 提供的 Training LeNet on MNIST with Caffe 为例,介绍 Caffe 使用流程,并且在原文基础上增加可视化 accuracy 和 loss 的内容。本文的目标是能够了解 Caffe 基本的使用流程。准备数据在安装和编...原创 2019-06-17 17:18:20 · 195 阅读 · 1 评论 -
【TensorFlow2.0】TensorFlow的安装
本文的环境是 Ubuntu16.04 + CUDA10 + Anaconda + TensorFlow2.0,现在的 conda 不支持安装 TensorFlow2.0 的包,所以需要用 pip 来安装 TensorFlow2.0。pip install tensorflow-gpu==2.0.0-rc0 numpy matplotlib pandas -i https://pypi.tu...原创 2019-09-05 15:28:20 · 147 阅读 · 0 评论 -
【TensorFlow2.0】实现ResNet
深度残差网络(Deep residual network, ResNet)的提出是CNN图像史上的一件里程碑事件,ResNet取得了5项第一,并又一次刷新了CNN模型在ImageNet上的历史。本文介绍如何用 TensorFlow2.0 来实现 ResNet18,并用其训练 cifar100 的分类模型。ResNet 的实现ResNet 的基本结构如上图所示,为了解决网络层...原创 2019-09-05 18:39:59 · 2192 阅读 · 3 评论 -
【TensorFlow2.0】TensorFlow简介
TensorFlow 里程碑2015.9发布0.1版本 2017.2发布1.0版本 2019春发布2.0版本TensorFlow vs PytorchTensorFlow1.0 上手困难,经常被诟病,都说 Pytorch。现在 TensorFlow2.0 出了,就容易上手多了。学习建议就是 忘掉 TensorFlow1.x PyTorch和Te...原创 2019-09-05 20:09:07 · 257 阅读 · 0 评论 -
计算机视觉学习路线
深度学习算法工程师的基本要求熟练掌握python和c++编程,至少熟悉 Caffe 和 Tensorflow/Pytorch 两种框架。 熟练玩转深度学习各类模型架构使用和设计。 熟练玩转数据的整理和使用,必须深刻理解数据在深度学习任务中的地位。编程语言C/C++C/C++面试基础知识总结 Google 开源项目风格指南 (中文版)PythonPython - ...原创 2019-09-10 06:18:54 · 2711 阅读 · 0 评论 -
如何自建数据集
(1) 学会使用爬虫爬取图像和视频,从视频中提取图片。(2) 对获得的图片数据进行整理,包括重命名,格式统一,去重。爬取图片有些任务没有直接对应的开源数据集,或者开源数据集中的数据比较少,这就需要我们通过搜索引擎自行爬取图片。百度图片爬虫Download images from Google, Bing, Baidu. 谷歌、百度、必应图片下载Google, Nav...原创 2019-09-17 22:38:12 · 2357 阅读 · 1 评论 -
卷积神经网络基础
聊一聊神经网络的前生今世。生物神经元到MP模型人工神经网络(Artificial Neural Network),简称神经网络(Neural Network, NN),是人类模拟生物神经网络的结构和功能提出的数学模型,广泛应用于计算机视觉等领域。人工神经网络与生物神经网络有大量相似之处,例如两者最基础的单元都是神经元。 神经元又称神经细胞,是生物神经网络的基本组成。其外观和大小...原创 2019-09-20 09:00:57 · 1659 阅读 · 0 评论 -
深度学习优化篇
模型要想训得好,参数优化不可少。激活函数一个复杂的神经网络,是有许多层的,其中最基本的单位便是神经元。一个线性神经元不断堆叠下去,永远都是线性关系。这就无法解决非线性问题,而不同的非线性映射函数的选择,就是激活函数的研究课题了。为了解决非线性的问题,在感知机的基础上发展出了多层神经网络的概念。多层神经网络由输入层、多个中间层,以及输出层组成。解决非线性问题的还可以使用非...原创 2019-09-20 20:11:56 · 201 阅读 · 0 评论 -
深度学习模型评估
如何衡量一个模型的质量?分类评测指标图像分类是计算机视觉中最基础的一个任务,也是几乎所有的基准模型进行比较的任务,从最开始比较简单的10分类的灰度图像手写数字识别mnist,到后来更大一点的10分类的cifar10和100分类的cifar100,到后来的imagenet,图像分类任务伴随着数据库的增长,一步一步提升到了今天的水平。现在在Imagenet这样的超过1000万图像,2万...原创 2019-09-21 18:55:38 · 696 阅读 · 0 评论 -
深度学习环境的搭建
一份深度学习环境配置的备忘。安装 Ubuntu16.04推荐使用 Linux 系统,可以少给自己找些麻烦,既然要吃程序员这口饭,使用 Linux 这关是逃不开的。Linux 有许多发行版,具体用哪个版本倒不必过分细究,不过还是推荐使用稳定的、使用人数多的发行版,比如 Ubuntu16.04 LST。首先需要做一个 U 盘启动盘,接着分区。最好上 SSD 用来装系统,再挂一个...原创 2019-09-21 21:06:11 · 412 阅读 · 0 评论 -
计算机视觉中的数据增强
在实际工作中有很大一个难题就是收集到足够的数据,而数据就像是燃料,没有足够的数据训练的模型效果不会太好。所以要保证完美完成任务,有两件事必须要做好:寻找更多的数据 充分利用已有的数据进行数据增强本文就来聊聊数据增强的话题。覆盖主流数据增强算法https://github.com/aleju/imgaug数据增强注意事项:在线使用,不要离线生产样本 不要过度使用,过...原创 2019-09-21 00:40:08 · 876 阅读 · 0 评论 -
【Caffe】caffe的数据层次
Deep networks are compositional models that are naturally represented as a collection of inter-connected layers that work on chunks of data. Caffe defines a net layer-by-layer in its own model sch...原创 2020-01-16 11:03:24 · 314 阅读 · 0 评论