- 博客(6)
- 收藏
- 关注
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。![在这里插入图片描述](https://img-blog.csdnimg.cn/20201
2020-12-04 10:29:58 21338 4
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