2016年12月_zbxzc

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创 Siamese 网络

深度学习（十六）基于2-channel network的图片相似度判别-CVPR 2015

2016-12-30 23:05:00 1561

原创 caffe画loss曲线

用图形画出caffe输出数据的python程序&&git基础命令 Caffe如何画出训练中的loss曲线图和accuracy曲线图如何绘制caffe训练过程中的loss和accurary的曲线

2016-12-26 23:58:39 1155

原创网络可视化

faster rcnn修改demo.py保存网络中间结果学习笔记：深度学习网络特征逐层可视化神经网络：caffe特征可视化的代码样例

2016-12-26 23:26:58 1232

原创 python绘制precision-recall曲线、ROC曲线

基础知识 TP（True Positive）：指正确分类的正样本数，即预测为正样本，实际也是正样本。FP（False Positive）：指被错误的标记为正样本的负样本数，即实际为负样本而被预测为正样本，所以是False。TN（True Negative）：指正确分类的负样本数，即预测为负样本，实际也是负样本。FN（False Negative）：指被错误的标记为负样本的正样本数，即...

2016-12-23 20:04:07 59841 8

原创 ResNets、HighwayNets、DenseNets

ResNets、HighwayNets、DenseNets：用 TensorFlow 实现超深度神经网络

2016-12-15 23:35:29 2385

原创 faster rcnn源码理解

理解faster rcnn的源码有几个关键点1.算法原理、网络结构、训练过程这是基本2.要弄懂源码里训练数据数据是怎么组织起来的，imdb，roidb，blob很关键，弄清它们的数据结构以及各个阶段是如何产生的3.一定的python、numpy基础知识rpn_train.pt#stage 1训练RPN时用的网络结构name: "ZF"layer {

2016-12-12 23:07:19 20090 4

原创 caffe利用snapshot从断点恢复训练

训练网络时迭代次数往往需要数万次，需要训练几天，如果突发什么意外（断电）训练停止了岂不要从头训练。其实借用snapshot机制，比如每隔1万次迭代保存一下网络参数，然后下次训练判断有无snapshot，有的话从snapshot恢复参数就可以了。下面是一个例子#coding:utf-8import caffeimport numpy as npimport osfrom

2016-12-10 21:51:26 5011

原创 opencv静态编译

这是为了在没有配置opencv的电脑上运行依赖opencv的程序Opencv246+vs2012生成不依赖编译环境的exe文件静态编译与动态编译的区别

2016-12-09 16:51:47 660

原创 Maxout & Network in Network

Network in Network -- 论文笔记

2016-12-07 15:23:22 1067 1

原创神经网络压缩加速

深度学习模型压缩方法综述（一）深度网络模型压缩 - CNN Compression神经网络压缩：Deep Compression神经网络压缩（1）：Deep CompressionDeep Learning（深度学习）之（六）【深度神经网络压缩】Deep Compression （ICLR2016 Best Paper）CNN 模型压缩与加速

2016-12-06 22:11:14 4007