![](https://img-blog.csdnimg.cn/f90d7c3ffca7417cb0c35670fb30da6a.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
model
文章平均质量分 80
人工智能模型
吃水果不削皮
这个作者很懒,什么都没留下…
展开
-
keras GAN训练是loss不发生变化,accuracy一直为0.5
可能是激活层的激活方式与损失函数不匹配。一般使用sigmoid,损失函数使用binary_crossentropy ;使用softmax,损失函数使用categorical_crossentropy。作者:Yohanna链接:https://www.zhihu.com/question/36307214/answer/364963552来源:知乎著作权归作者所有。商业转载请联系作者获...原创 2018-08-30 15:38:28 · 12918 阅读 · 2 评论 -
KinFaceW-I和KinFaceW-II的亲属关系图片及性别数据处理
import numpy as npimport shutilimport osdef fuc1(src, dir): c = 0 f = open(src) lines = f.readlines() f.close() l = len(lines) f = open(dir, 'a') for line in lines: ...原创 2018-10-31 16:38:43 · 650 阅读 · 0 评论 -
PyTorch可视化工具Visdom教程
Pytoch训练模型可视化原创 2022-12-16 13:44:34 · 417 阅读 · 0 评论 -
使用已有模型初始化caffe网络
import caffeimport numpy as npimport math# 加载预训练网络net_ = caffe.Net("deploy.prototxt", "test.caffemodel", caffe.TEST)caffe.set_device(0)caffe.set_mode_gpu()# 设置自己要训练的网络solver = caffe.SGDSolve...原创 2018-06-05 13:03:02 · 1080 阅读 · 0 评论 -
主流的深度学习推理架构
以深度学习为主的人工智能算法模型在日常AI应用中逐渐占据主流方向,相关的各类产品也是层出不穷。我们平时所看到的AI产品,像刷脸支付、智能语音、银行的客服机器人等,都是AI算法的具体落地应用。AI技术在具体落地应用方面,和其他软件技术一样,也需要具体的部署和实施的。既然要做部署,那就会有不同平台设备上的各种不同的部署方法和相关的部署架构工具,目前在人工智能的落地部署方面,各大平台机构也都是大展身手,纷纷推出自家的部署平台。转载 2023-01-03 10:14:54 · 726 阅读 · 0 评论 -
batch_size与梯度下降
转载:https://blog.csdn.net/llx1990rl/article/details/44001921一、回归函数及目标函数以均方误差作为目标函数(损失函数),目的是使其值最小化,用于优化上式。二、优化方式(Gradient Descent)1、最速梯度下降法也叫批量梯度下降法Batch Gradient Descent,BSDa、对目标函数求导b、沿导数相反方向移动theta原因...转载 2018-04-13 19:15:06 · 1729 阅读 · 0 评论 -
Git上传文件到远程码云仓库的特定文件夹
最近在做一个项目,需要将我本地写好的代码文件上传至Gitee码云远程仓库的指定文件夹,因为在远程码云已经建立好对应的项目的路径分支,所以要想上传到它对应的文件夹下。如果直接进行Git远程地址的话,会将文件推到最外层的项目目录,也无法在码云网页版移动文件。利用码云自带上传功能速度过慢。可以采用git命令将本地文件PUSH到码云某个仓库的特66666666定文件夹下。将码云上的仓库下载到本地机器$ git clone 你的仓库连接clone 之后,在本地上会有相应的文件夹,将需要上传的文件移动原创 2020-08-13 10:35:21 · 1133 阅读 · 0 评论 -
卷积与反卷积
反卷积(Deconvolution)的概念第一次出现是Zeiler在2010年发表的论文Deconvolutional networks中,但是并没有指定反卷积这个名字,反卷积这个术语正式的使用是在其之后的工作中(Adaptive deconvolutional networks for mid and high level feature learning)。随着反卷积在神经网络可视化上的...转载 2018-08-31 19:39:56 · 338 阅读 · 0 评论 -
caffe训练设置base_ir
转载:https://blog.csdn.net/mao_feng/article/details/52902666学习率是深度学习中的一个重要的超参,如何调整学习率是训练出好模型的关键要素之一。在通过SGD求解问题的极小值时,梯度不能太大,也不能太小。太大容易出现超调现象,即在极值点两端不断发散,或是剧烈震荡,总之随着迭代次数增大loss没有减小的趋势;太小会导致无法快速地找到好的下降的方向,随...转载 2018-04-13 20:12:05 · 652 阅读 · 0 评论 -
caffe模型训练batch_size设置
Batch_Size(批尺寸)是机器学习中一个重要参数,涉及诸多矛盾,下面逐一展开。首先,为什么需要有 Batch_Size 这个参数?Batch 的选择,首先决定的是下降的方向。如果数据集比较小,完全可以采用全数据集 ( Full Batch Learning )的形式,这样做至少有 2 个好处:其一,由全数据集确定的方向能够更好地代表样本总体,从而更准确地朝向极值所在的方向。其二,由于不同权重...转载 2018-04-13 19:04:57 · 4338 阅读 · 0 评论 -
VOC格式数据增强
在进行目标检测中,常常会因为数据少,标注检测框困难而烦恼,总想着去将手里的数据扩充起来,后来读到一片博客深度学习数据增强(Data Augmentation)–VOC数据集,这篇博客提到利用python自带的库imaug,imgaug是一个用于机器学习实验中图像增强的python库,支持python2.7和3.4以上的版本。 它支持多种增强技术,允许轻松组合这些技术,具有简单但功能强大的随机界面,可以在这些界面上增加图像和关键点/界标,并在后台进程中提供增强功能以提高性能。我在这里给大家提供一下相关代码au原创 2020-08-24 17:41:25 · 1126 阅读 · 1 评论 -
caffe训练技巧总结
一 数据集的制作我们经常用到的原始数据是图片文件,如jpg,jpeg,png,tif等格式的,而且有可能图片的大小还不一致,而在caffe中经常使用的数据类型是lmdb或leveldb。1. 数据集的准备。手中有4万多张人脸照片,将人脸照片按照年龄分成6组:10~20岁,20~30岁,30~40岁,40~50岁,50~60岁和大于60岁的。其中选取4万张作为训练集,剩余的作为测试集。为了保证测试的...原创 2018-06-03 11:46:35 · 1956 阅读 · 1 评论 -
windows11安装cuda+cudnn
Windows安装cuda +cudnn原创 2022-12-13 11:11:14 · 884 阅读 · 0 评论