- 博客(26)
- 资源 (2)
- 收藏
- 关注
转载 移动硬盘插在Mac上不显示
传输数据中电脑自动关机造成移动硬盘强力拔出,再插上就不显示了,插在windows电脑上就正常显示的,硬盘肯定是没坏,看看网友经验是磁盘挂在掉了,重新设置后就正常显示了,具体操作参考博文Mac」硬盘「强制拔掉」后再插上无法检测...
2022-07-11 13:53:54
1516
原创 EfficientNet论文阅读笔记
论文信息链接:http://arxiv.org/pdf/1905.11946v2.pdf发表时间:2019来源:google作者:Mingxing Tan摘要卷积神经网络(ConvNets)通常是在固定的资源预算下开发的,如果有更多的资源,则可以按比例放大以获得更高的准确性。在本文中,系统地研究了模型缩放并确定仔细地平衡网络深度,宽度和分辨率可以带来更好的性能。基于这一观察,提出了一种新的缩放方法,该方法使用简单但高效的复合系数均匀地缩放深度/宽度/分辨率的所有维度。证明了这种方法在
2020-06-04 15:34:55
568
原创 机器学习平台 Alink
Alink是基于Flink的通用算法平台,由阿里巴巴计算平台PAI团队研发。Alink提供了批式的功能和流式的功能,包括上图所示的算法和功能。Alink解决什么问题PyAlink 的设计背景: 在机器学习应用开发过程中,我们经常会先在批式环境进行模型训练,然后在流式的环境应用模型,从批式环境转换到流式环境,往往需要重写代码,无法做到代码的复用。Alink设计之初,就希望尽量将批和流之间的差异变得最小,比如,批上做完后,只需要将Batch字样改成Stream字样就可以运行。 机...
2020-06-03 17:38:51
3435
原创 机器学习——决策树的三种学习方法
目录ID3C4.5CART我们知道决策树学习采用的是自顶向下的递归方法,其基本思想是以信息熵为度量构造一颗熵值下降最快的树,到叶子节点处的熵值为零,此时每个叶子结点中的实例都属于同一类。建立决策树的关键,即在当前状态下选择哪一个属性作为分类依据。根据不同的目标函数,建立决策树主要有以下三种算法。ID3(Iterative Dichotomiser) C4.5 CART(Classification And Regression Tree)ID3ID3算法的核心思想就是以信息
2020-06-01 18:47:10
2098
原创 人脸变形算法——MLS
目录论文信息基础介绍MLSAffine DeformationSimilarity DeformationRigid Deformation论文信息论文链接:《Image Deformation Using Moving Least Squares》基础介绍刚性变换:平移+旋转(只有物体的位置和朝向发生改变,而形状不变,得到的变换成为刚性变形)相似变换:平移+旋转+缩放仿射变换:平移+旋转+缩放+倾斜+翻转MLSMoving Least Squares
2020-05-19 15:24:07
3290
原创 ACNet论文阅读笔记
目录论文信息摘要ACB模块结构实验结果论文信息论文链接:《ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks》发表时间:2019年来源:ICCV2019作者:Xiaohan Ding摘要本文提出非对称卷积块(ACB),这是一种与结构无关的结构,作为CNN构造块,它使用一维非对称卷积来增强平方卷积核。对于现成的体系结构,我们用ACB取
2020-05-15 10:44:48
1507
2
原创 人脸形变算法——液化变形
在PS中,我们可以利用液化工具对人像进行形变处理,例如瘦脸、瘦腿、放大眼睛等一系列的常规操作。今天我们来了解一下这些操作的算法原理,调研该算法我参考了一篇博士毕业论文《Interactive Image Warping》。该论文重点在4.4节介绍了局部平移、局部缩放、局部旋转的实现算法,在局部变化中,作者设置一个点C和rmax作为圆形变化区域的圆心和半径,通过鼠标拖拽C点致使图片变形,在形变过程中遵守在圆形区域内越靠近变形中心C点的点形变越明显,反之亦然。下面我们再详细看一下变形后的像素是怎么计算的。L
2020-05-11 11:31:35
4053
原创 ShuffleNet论文阅读笔记
论文信息:链接:ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices发表时间:2017年来源:Face++摘要:本文引入了一种极具计算效率的CNN架构,名为ShuffleNet,它专门设计用于计算能力非常有限的移动设备。新架构采用了两种新的操作,逐点组卷积和通道整合,大大降低了计算成本,同时保持了精度。由于昂贵的1x1卷积代价,在极小的网络中,最先进的基础架构如Xcepti
2020-05-08 21:18:00
342
原创 MobileNet论文阅读笔记
目录论文链接:摘要:网络结构MobileNet架构MobileNet的两个超参数实验结果论文链接:MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications摘要:本文提出的MobileNets基于流线型架构,使用深度可分离卷积来构建轻量级深度神经网络。介...
2020-05-08 15:01:52
233
原创 Xception论文阅读笔记
原文连接:Xception: Deep Learning with Depthwise Separable Convolutions简介:本文提出了一种叫做xception的架构,该架构受Inception的启发,其中Inception模块被深度可分离卷积代替。Xception架构与Inception V3具有相同的参数量,性能却显著优于Inception V3。网络结构:...
2020-05-07 18:22:18
437
原创 Python图像处理工具——PIL、opencv、matplotlib
PILPIL库支持图像存储、显示和处理,能够处理几乎所有格式的图片Image读取图片为Image类型,可直接显示from PIL import Imageimg = Image.open('youyou.jpeg')#打开图片img.show()#显示图片img.save('youyou.jpg')#保存图片图像转化为numpy类型后shape为[h,w,c],chanel...
2020-03-23 19:50:51
253
转载 矩阵论基础知识——病态矩阵与条件数
1. 病态系统现在有线性系统: Ax = b, 解方程很容易得到解为: x1 = -100, x2 = -200. 如果在样本采集时存在一个微小的误差,比如,将 A 矩阵的系数 400 改变成 401:则得到一个截然不同的解: x1 = 40000, x2 = 79800.当解集 x 对 A 和 b 的系数高度敏感,那么这样的方程组就是病态的 (ill-condi...
2020-03-16 14:25:10
6976
1
原创 一个NVIDIA驱动安装报错——ERROR: The nvidia kernel module was not created.
Ubuntu18系统下,在安装cuda及nvidia驱动时,安装失败,查看日志显示“ERROR: The nvidia kernel module was not created.”指令如下:sudo ./cuda_10.1.168_418.67_linux.run解决办法:nvidia内核模块没有被创建,查看内核终端输入:uname -r输出:5.3.0-28-g...
2020-02-17 15:11:35
12550
原创 Python学习——import语句导入模块顺序
在编写python代码时,我们一般会在代码开头进行模块导入,在用import语句导入模块时最好按照这样的顺序:1、python标准库模块2、python第三方模块3、自定义模块在写代码时多多注意一些代码规范,自己的代码才能写的更优雅呀....
2019-09-09 15:36:44
2989
原创 一个numpy报错——ValueError: Object arrays cannot be loaded when allow_pickle=False
在利用numpy打开文件时报错ValueError: Object arrays cannot be loaded when allow_pickle=False代码:import numpy as npnp.load('xxx.npy')解决办法1:安装的版本是1.16.4,版本太高了,降级为1.16.2conda install numpy==1.16.2解决办法2:点...
2019-08-19 14:05:39
2380
6
原创 一个内存溢出Bug——RuntimeError: CUDA out of memory.
lossVal = 0lossValNorm = 0losstensorMean = 0 for i, (input, target) in enumerate (dataLoader): target = target.cuda(async=True) varInput = torch.autograd.Variable(input, volatile=Tr...
2019-05-20 14:11:05
7490
7
原创 pytorch——torch.backends.cudnn.benchmark = True
问题:torch.backends.cudnn.benchmark = True在利用pytorch进行网络训练时总会见到这行代码,这句有什么用呢?查了一些资料才知道是个非必须项,那加了有什么用呢?有没有什么准则呢?用途:大部分情况下,设置这个 flag 可以让内置的 cuDNN 的 auto-tuner 自动寻找最适合当前配置的高效算法,来达到优化运行效率的问题。准则:...
2019-05-15 09:47:02
3391
原创 一个torch版本报错
lossVal += losstensor.data[0]IndexError: invalid index of a 0-dim tensor. Use tensor.item() to convert a 0-dim tensor to a Python number解释:如果是torch0.3.x版本的代码在torch0.4.x版本环境下跑,会报出如上错误,应作如下修改原...
2019-05-11 09:35:58
361
原创 Faster RCNN中的交替训练
1.stage1_rpn_train.pt 单独训练RPN 网络,训练的模型用ImageNet的模型来初始化,采用end to end的方式来调整参数。 (backbone+rpn+fast rcnn——>backbone1+rpn1+fast rcnn,backbone 、rpn参数更新)2.stage1_fast_rcnn_train.pt ...
2019-04-08 18:17:29
2498
原创 训练网络指定层pytorch实现方法
最近在研究Mask R-CNN,该网络一部分是跟Faster R-CNN(https://arxiv.org/pdf/1506.01497v3.pdf)相似的,同样的,在模型训练实现时,其中一种方法叫做交替训练(Alternating training),想利用该方法就涉及到如何对网络进行指定层的训练,今天就总结一下pytorch中的实现方法,既然写了指定层训练,那就把参数的单独设置也介绍一下,p...
2019-04-08 15:27:59
3106
原创 NMS(Non-Maximum Suppression)非极大值抑制
非极大值抑制概述在目标检测领域,我们经常用到非极大值抑制(NMS),NMS就是在局部范围内抑制不是极大值的目标,只保留极大值。原理在检测任务重,我们会得到一批具有置信度S的bbox列表B,首先根据置信度S对bbox进行排序,选择置信度最高的框M,从B中移除M并加入到最终结果D中,将剩余的框与B分别作交并比运算,IOU大于阈值Nt(通常设为0.3~0.5)的框从B中移除,一轮结...
2019-03-27 18:22:59
199
原创 Python学习笔记——time模块和datatime模块【时间处理】
例子time模块:import timet1 = time.time()#返回当前时间t2 = time.localtime()#返回本地时间以元组的形式表示t3 = time.asctime()#返回时间格式"Tue Mar 19 18:14:33 2019"t4 = time.gmtime()#返回UTC(国际标准时间) 以元组的形式表示t5 = time.altzone...
2019-03-19 18:25:14
384
原创 IPython快捷键及命令
目录IPython常用快捷键IPython常用魔术命令IPython常用快捷键快捷键 功能 Ctrl+P或上箭头 搜索之前命令历史中以当前输入文本开头的命令 Ctrl+N或下箭头 搜索之后命令历史中以当前输入文本开头的命令 Ctrl+Shift+V 粘贴代码或代码块 Ctrl+A 跳转到行头 Ctrl+E 跳转到行尾 ...
2018-10-10 14:10:45
429
原创 Python学习笔记——os模块【文件、目录方法】
例子train_data_path = os.path.join(data_path, 'npy/')解释:os.path.join(path,name) 连接目录和文件名或目录ls = os.listdir(xmlPath)解释:os.listdir(path) 返回path指定的文件夹包含的文件或文件夹的名字的列表if (os.p...
2018-09-29 18:12:31
263
原创 Python学习笔记——glob模块【文件、路径操作】
最近做了一个将dicom文件转化为mhd文件的任务,由于要进行批量转化所以遍历文件夹必不可少,刚开始学习python编程,所以把用过的模块用法记录下来,以加深记忆,方便查阅,最后参考前人的博客做了glob生成器的补充,如有描述不恰当的地方还望大家指出。例子for xmlPath in glob.glob('/media/ai1/DATAPART11/LIDC-IDRI' +...
2018-08-07 20:21:45
5472
Human-level control through deep reinforcement learning.pdf
2018-01-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人