- 博客(16)
- 收藏
- 关注
RSS订阅
原创 《深度学习之PyTorch实战计算机视觉》学习笔记（11）
这部分是利用pytorch 进行实战，利用RNN（循环神经网络）来实现手写字体的识别问题代码基于python3.7， pytorch 1.0，cuda 10.0 .PyTorch之循环神经网络实战利用循环神经网络中的LSTM搭建网络实现手写字体的识别import torchimport torchvisionfrom torchvision import datasets, trans...
2019-04-10 15:48:51
987
原创 《深度学习之PyTorch实战计算机视觉》学习笔记（10）
这部分是利用pytorch 进行实战，利用迁移vgg16、resnet50 来实现多模型融合，实现猫狗的分类代码基于python3.7， pytorch 1.0，cuda 10.0 .PyTorch之多模型融合实战基于PyTorch实现一个多模型的融合，使用的是多模型融合方法中的结果加权平均，其思路是首先构建两个卷积神经网络模型，然后使用我们的训练数据集分别对这两个模型进行训练和对参数进行优...
2019-04-09 18:12:56
11887
19
原创 《深度学习之PyTorch实战计算机视觉》学习笔记（9）
这部分是利用pytorch 进行实战，利用迁移vgg16 来实现图片的风格迁移代码基于python3.7， pytorch 1.0，cuda 10.0 .pytorch图像风格迁移实战获取一张内容图片和一张风格图片；定义两个度量值，一个度量叫作内容度量值，另一个度量叫作风格度量值，其中的内容度量值用于衡量图片之间的内容差异程度，风格度量值用于衡量图片之间的风格差异程度；最后，建立神经网络模...
2019-04-08 14:50:40
704
3
原创 A Biomechanically Inspired Recurrent Neural Network for 3-D Pedestrian Pose and Gait Prediction 学习笔记
Bio-LSTM:A Biomechanically Inspired Recurrent Neural Network for 3-D Pedestrian Pose and Gait Prediction作者：Xiaoxiao Du , Ram Vasudevan, and Matthew Johnson-Roberson论文地址：https://arxiv.org/pdf/1809....
2019-03-14 21:58:12
529
1
原创 Linux下安装Anaconda，pytorch-0.4.1-GPU，tensorboard
Linux下安装Anaconda，pytorch-0.4.1-GPU，tensorboard首先：查看cuda的版本：cat /usr/local/cuda/version.txt去官网下载对应版本的Anaconda，这里我要用的时python 3.6.4，因此我下载的安装包为：anaconda3-5.0.1-Linux-x86_64.shpython版本对应的Anaconda如下：...
2019-05-18 12:23:57
4024
原创 《深度学习之PyTorch实战计算机视觉》学习笔记（13）
这部分是利用pytorch 进行实战，利用自动编码器来实现手写字体的降噪问题代码基于python3.7， pytorch 1.0，cuda 10.0 .PyTorch之自动编码实战(卷积神经网络模型)¶所谓的自动编码器通俗点讲就是通过线性模型或卷积模型将具有噪声的图像输入进行提取特征，然后通过相同的操作进行解码还原，这就是编码解码的过程和思想。 这部分实现的是利用自动编码器模型解决的是一个去...
2019-04-11 15:58:20
573
原创 《深度学习之PyTorch实战计算机视觉》学习笔记（12）
这部分是利用pytorch 进行实战，利用自动编码器来实现手写字体的降噪问题代码基于python3.7， pytorch 1.0，cuda 10.0 .PyTorch之自动编码实战(线性模型)所谓的自动编码器通俗点讲就是通过线性模型或卷积模型将具有噪声的图像输入进行提取特征，然后通过相同的操作进行解码还原，这就是编码解码的过程和思想。这部分实现的是利用自动编码器模型解决的是一个去除图片马赛...
2019-04-11 15:54:11
418
原创 《深度学习之PyTorch实战计算机视觉》学习笔记（8）
这部分是利用pytorch 进行Resnet50的迁移学习代码基于python3.7， pytorch 1.0，cuda 10.0 .import torchimport torchvisionfrom torch.autograd import Variablefrom torchvision import datasets, transforms, modelsimport os ...
2019-04-04 11:40:57
485
原创 《深度学习之PyTorch实战计算机视觉》学习笔记（7）
这部分是利用pytorch进行迁移学习，迁移的是VGG16代码基于python3.7， pytorch 1.0，cuda 10.0 .import torchimport torchvisionfrom torch.autograd import Variablefrom torchvision import datasets, transforms, modelsimport os ...
2019-04-04 11:28:54
976
9
原创 《深度学习之PyTorch实战计算机视觉》学习笔记（6）
这部分利用pytorch手动实现一个简化版的Vgg网络模型，用来对猫狗进行分类由于CPU计算太慢，改用GPU来计算。代码基于python3.7， pytorch 1.0，cuda 10.0 .import torchimport torchvisionfrom torch.autograd import Variablefrom torchvision import datasets, ...
2019-04-04 11:02:57
1761
3
原创 《深度学习之PyTorch实战计算机视觉》学习笔记（5）
这部分利用pytorch搭建一个神经网络模型来实现书写数字识别代码基于python3.7， pytorch 1.0，cuda 10.0 .手写数字识别先使用已经提供的训练数据对搭建好的神经网络模型进行训练并完成参数优化；然后使用优化好的模型对测试数据进行预测，对比预测值和真实值之间的损失值，同时计算出结果预测的准确率。在将要搭建的模型中会用到卷积神经网络模型，下面让我们开始吧。imp...
2019-04-04 10:42:29
2347
3
原创 《深度学习之PyTorch实战计算机视觉》学习笔记（4）
这部分利用pytorch, 分别用两种方式定义神经网络模型代码基于python3.7， pytorch 1.0，cuda 10.0 .import torchfrom torch.autograd import Variablebatch_n = 100hidden_layer = 100input_data = 1000output_data = 10x = Variable...
2019-04-04 10:38:23
422
1
原创 《深度学习之PyTorch实战计算机视觉》学习笔记（3）
这部分开始利用pytorch手动搭建一个模型代码基于python3.7， pytorch 1.0，cuda 10.0 .import torchbatch_n = 100hidden_layer = 100input_data = 1000output_data = 10x = torch.randn(batch_n, input_data) #100*1000y = to...
2019-04-04 10:34:08
500
原创 《深度学习之PyTorch实战计算机视觉》学习笔记（2）
这部分是关于pytorch的基本知识。代码基于python3.7， pytorch 1.0，cuda 10.0 .import torcha = torch.FloatTensor(2,3) # pytorch 定义数据类型的方式，可以输入一个维度值或者列表b = torch.FloatTensor([2,3,4,5])# print(a)# print(b)c = torch....
2019-04-04 10:26:38
659
原创 《深度学习之PyTorch实战计算机视觉》学习笔记（1）
《深度学习之PyTorch实战计算机视觉》学习笔记（1）这部分的笔记包括python的基本知识，同时还介绍了jupyter notebook 的使用，numpy包的使用等。代码基于python3.7， pytorch 1.0，cuda 10.0 .print('hello world!!!')for i in range(3): print(i) print(' - '*10...
2019-04-03 22:30:12
1038
原创 3D pose estimation 综述
3D pose estimation 综述想象一下，一辆自动驾驶汽车正驶向拥挤的城市交叉路口的场景。识别正在移动的行人，并预测行人或一群行人可能在几秒钟内的位置，以决定是否和何时刹车显得很关键。再想象一个机器人在博物馆或挤满行人的购物中心担任导游。机器人识别周围人的方位和位置是很重要的，可以提供更好的引导，避免撞到行人。在这些场景中，准确的行人姿态和位置预测对于促进更有效的人机交互和车辆避碰有...
2019-03-21 18:31:15
3876
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