- 博客(6)
- 收藏
- 关注
RSS订阅原创 2020-12-19
1.OSError: [WinError 126] 找不到指定的模块。 Error loading “C:\ProgramData\Anaconda3\lib\site-packages\torch\lib\asmjit.dll” or one of its dependencies.2.
2020-12-19 14:14:31
393
2
原创 池化层
在卷积神经网络中，进行卷积之后，通常会跟着一个池 化层，池化层是对上一层的特征图进行下采样处理，代表着 对统计信息的提取过程。在深度学习中最常见的池化方式 有两种，分别是最大值子池化和均值子池化。其中，最大值 池化是选取小区域内像素的最大值，而均值子池化是选取小 区域内像素总和再求平均值。 池化层的引入只是对输入的 特征图进行降维处理，不改变特征图的个数，具有不变性。...
2020-12-11 16:37:35
804
原创 卷积层
与普通神经网络相比较，卷积神经网络不同的地方在于 其包含了一个由卷积层和池化层构成的特征提取器。通常 把卷积神经网络中的卷积层叫作 C 层(特征提取层)，卷 积层的输入来源于输入层或者池化层，在卷积层中，每个神 经元与上一层的输入(特征图)中的神经元仅仅只是部分连 接的。 通常对卷积神经网络的任何一个卷积层来说，其里面 均包含若干个由一些矩形排列的神经元组成的特征平面，拥 有同一特征平面的神经元权值共享，而卷积核就是这里所说 的共享的权值。一般用随机小数矩阵的形式初始化卷积核，卷积核在网络的训练过程中
2020-12-11 16:28:48
629
原创 data from cuda to cpu
最近在做人脸识别，老是对数据类型不清楚。数据本来在cuda上面，当本地要对数据进行操作时，需要将数据转到本地。一下是获取人的面部特征，并将其保存在字典中model.encode(person[None, …]).cpu().numpy().reshape(-1).tolist()...
2020-12-11 16:06:50
1217
原创 MTCNN流程总结
文章目录流程总结网络结构1、P-Net2、R-Net3、O-Net影响人脸检测的因素：样本制作损失函数设计IOUNMS非极大值抑制训练训练流程总结 首先对MTCNN的整个流程做一个大致的总结： 以上总结是我基于这几天重新预习MTCNN相关知识做的一个归纳，个人一直有点没搞清楚P网络的一些细节。以上总结可能还是有错误，可是学习知识就是一个不断犯错不断更正学习的过程，没有错误就没有进步。如有疏漏，还原纠正。网络结构 MTCNN人脸检测是一种多级联的人脸检测模型，采用串联的方式级联，通过层层筛选
2020-12-08 15:02:33
753
1
原创 菜鸟进阶:(11）with torch.no_grad() 详解
最近在看别人写的代码，遇到经常使用with torch.no_grad()。一直对这个一知半解，特各方查资料，对其进行一个简短的总结。不使用with torch.no_grad():此时有grad_fn=<AddmmBackward>属性，表示，计算的结果在一计算图当中，可以进行梯度反传等操作。只是想要网络结果的话就不需要后向传播 ，如果你想通过网络输出的结果去进一步优化网络的话 就需要后向传播了。
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