2018年05月_shu_qdHao

原创 python无法导入Cython的.pyx文件？

解决方法：在import相应包之前，添加：import pyximportpyximport.install()如果上面安装完成后运行程序又出现No module named pyximport 此时需要：pip install Cython即可...

2018-05-05 18:11:05 36989 10

转载 tf.nn.softmax_cross_entropy_with_logits的用法

在计算loss的时候，最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits，那么它到底是怎么做的呢？首先明确一点，loss是代价值，也就是我们要最小化的值tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)除去name参数用以指定该操作的name，与方法有关的一共两个参数：第...

2018-05-05 00:02:42 261

原创 R-FCN论文解读

相比较之前的faster-rcnn而言，rfcn比之运行速度更快，效率更高，在准确率上也没有下降。那么rfcn网络到底是什么样的网络呢？其比faster-rcnn的区别在哪里呢？一、rfcn的基本结构：1.一个基本的conv网络：ResNet101--------------->提取基本的特征2.一个RPN网络（Faster Rcnn来的）3.一个position sensitive的pre...

2018-05-04 20:37:40 896

原创基于TF的迁移学习VGG16网络，并进行图片的测试。

vgg16.py文件1.一开始在通过vgg =Vgg16()的调用，会自动初始化，在初始化过程中，会找到目录下的vgg16.npy文件，也就是在imagenet上训练好的权重文件，然后通过np.load()完成权重文件的加载。代码如下：class Vgg16: def __init__(self, vgg16_npy_path=None): if vgg16_npy_pat...

2018-05-04 16:02:44 2550 1

原创提升模型性能的几个方法以及训练集测试集验证集的划分与作用

一、提升模型性能的方法一般在四个方向：1.Data Augmentation2.Weight Initialization3.Transfer learning + Fine-tune4.Ensemble/Model Fusion数据增强、迁移学习与微调这些之前已经学过了。关于权重的正则化约束。因为单纯的不断增强数据量，还是不够的。因为提升过的数据是高度相关的。对抗过拟合应该主要关注模型的“熵容量...

2018-05-03 21:05:02 9216 1

原创 tensorflow训练好的模型怎么调用？

1.首先要将训练好的模型保存下来，保存代码如下：import tensorflow as tf sess = tf.Session()saver = tf.train.Saver()model_path = '/home/../model.ckpt'saver.save(sess,model_path)2.对保存的模型进行调用，代码如下：import tensorflow as tf s...

2018-05-03 20:08:44 15937 5

原创迁移学习与fine-tune

刚开始接触深度学习的时候，迁移学习与fine-tune确实有点搞不清楚。其实迁移学习是一个大的方向，fine-tune是实现迁移学习常用的一个方法。那么：1.什么是迁移学习呢？迁移学习顾名思义就是把已经训练好的模型的参数迁移到新的模型来帮助新模型的训练。考虑到大部分的数据或任务是存在相关性的，所以通过迁移学习我们可以将已经学习到的模型参数，通过某种方式来分享给新的模型，从而加快优化模型的学习效率不...

2018-05-03 16:52:02 5026 1

原创改进现有的通用图像分类算法以适应细粒度分类

关于细粒度图像的分类，就是将一个大类中的图像进行细小的分类。这些小类中具有相似的特征。比如鸟的分类、花朵的分类、蝴蝶的分类等等。所以相比较普通的图像分类，细粒度分类的难度更大。就目前的技术而言，有基于强监督学习的细粒度分类（需要标注信息，以及部位的标注信息，part annotations），虽然准确率高一点，但是对于图像标签的获取具有一定的难度。弱监督图像的分类，就是不要这些标注信息，只需要它所...

2018-05-03 15:22:45 1135 1

格子衫的博客