深度学习_Tensorflow学习系列
文章平均质量分 94
ssmixi
这个作者很懒,什么都没留下…
展开
-
Tensorflow Model Optimization (TF模型优化)
TF模型优化一、TF模型优化概述1. 为什么要优化?2. 主要方法1)Quantization2) Sparsity and pruning3) Clustering4) Collaborative optimization二、Weight Pruning1. Trim insignificant weights (修剪无关紧要的权重)三、Quantization1. Quantization aware training2. Post-training quantization四、Weight Clust原创 2021-07-22 17:15:10 · 1002 阅读 · 0 评论 -
深度学习简史
深度学习简史深度学习简史一发展历程二基本概念参考一.发展历程1958年,提出感知机模型(只能解决线性可分问题,无法解决异或问题);20世纪80年代末,研究分布式知识表达和神经网络反向传播算法提出(分布式知识表达加强了模型的表达能力,让神经网络从宽度的方向走向了深度的方向);反向传播算法大大的降低了网络的训练时间;如今的深度卷积神经网络,循环卷积网络等; —— 深度学习是AI的途径之一。原创 2017-09-19 09:04:47 · 883 阅读 · 0 评论 -
Faster Rcnn源码阅读分析(TF+python版)
Faster Rcnn源码阅读分析———源码地址:https://github.com/CharlesShang/TFFRCNN1)直接运行已经训练好的模型The demo performs detection using a VGG16 network trained for detection on PASCAL VOC 2007.python demo.py --model /models/V原创 2017-07-22 21:47:46 · 3560 阅读 · 1 评论 -
Tensorflow运行github上Faste-rcnn各种问题解决方法
环境:1) Tesnsforflow 1.0.1 (查看方式: source activate tensorflow ; python -c 'import tensorflow as tf;print(tf.__version__)')2) python 3.63) 本文调式的faster-rcnn的源码为: https://github.com/CharlesShang/TFFRCNN/原创 2017-07-15 11:12:43 · 1623 阅读 · 0 评论 -
简化激活Tensorflow环境的方法
由于频繁使用虚拟环境,创建一个激活虚拟环境的快捷方式而非每次键入完整的:$ source activate tensorflow方法: 在~/.bashrc 中添加一个bash别名,使在需要启动虚拟环境时只需键入tensorflow:$ sudo printf '\nalias tensorflow="source ~/env/tensorflow/bin/activate"' >>~/.bash原创 2017-04-27 09:55:49 · 10502 阅读 · 3 评论 -
Tensorflow学习系列(2)——MNIST手写识别(多层网络)
Tensorflow版本:1.0.1 查看tensorflow版本(tensorflow)$ python -c 'import tensorflow as tf; print(tf.__version__)' # -*- coding: utf-8 -*- import tensorflow as tf#导入input_data用于自动下载和安装MNIST数据集from tensorflow.原创 2017-05-08 11:21:11 · 561 阅读 · 0 评论 -
Tensorflow学习系列(1)——MNIST手写识别
代码:import tensorflow as tfimport tensorflow.examples.tutorials.mnist.input_data as input_datamnist = input_data.read_data_sets("MNIST_data/",one_hot=True)x =tf.placeholder(tf.float32,[None,784])y_a原创 2017-04-25 16:00:27 · 447 阅读 · 0 评论 -
Anaconda安装tensorflow后,spyder无法调用,终端可以。
问题描述,如图: 解决方法: 参考: http://blog.csdn.net/zhangleaimeiling/article/details/53646503 https://www.reddit.com/r/Python/comments/4tclca/anaconda_environmentsspyder_question/原创 2017-04-25 14:57:36 · 6028 阅读 · 0 评论 -
Joint Deep Learning For Pedestrian Detection(论文笔记-深度学习:行人检测)
一、摘要: 行人检测主要分为四部分:特征提取、形变处理、遮挡处理和分类。现存方法都是四个部分独立进行,本文联合深度学习将四个部分结合在一起,最大化其能力。 二、引言: (1)首先,特征提取的应该是行人最有判别力的特征,比较有名的特征描述子有:Haar-like、SIFT、HOG等等; (2)其次,可变形模型应该可以处理人体的各个部分,如:躯干、头、退原创 2016-11-01 09:50:57 · 6977 阅读 · 2 评论