![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 56
CV_Coder__
这个作者很懒,什么都没留下…
展开
-
softmax和sigmoid的选择
softmax和sigmoid的选择原创 2022-08-12 15:21:41 · 1118 阅读 · 0 评论 -
paper_summary
paper_summary训练 Trick[1] learnning rate scheduler: Accurate, Large Minibatch SGD: Training ImageNet in 1 Hour[2] Adam + L2 regularization 会耦合效果差于sgd: DECOUPLED WEIGHT DECAY REGULARIZATION;知乎文章:都9102年了,别再用Adam + L2 regularization了[3] Adam to SGD 训练过程中Ad原创 2022-05-17 08:43:06 · 377 阅读 · 0 评论 -
Mxnet Focal Loss实现
目录引言:Focal Loss pytorch代码Mxnet改写实验结果引言:在作医学图像分割工程中,常常会遇到ground truth像素层面上像素数量差距很大的情况(如一个很大的器官和一个很小的器官需要同时分割出来)、亦或是一个标签的训练难度远远大于另一个的情况,使得结果不尽如人意。但是经过实验Focalloss在分割问题中能够有效的抑制样本分布不均匀的情况。Focalloss的提出是针对分类样本分布不均匀的情况,对于分割问题实际上就是对每个像素进行分类,因此理论上在分割问题中有同样出色的性能。原创 2021-03-10 13:10:30 · 322 阅读 · 0 评论 -
mxnet Group Norm 实现
class GroupNorm(nn.HybridBlock): """ If the batch size is small, it's better to use GroupNorm instead of BatchNorm. GroupNorm achieves good results even at small batch sizes. Reference: https://arxiv.org/pdf/1803.08494.pdf """ .原创 2021-02-23 21:03:30 · 198 阅读 · 0 评论 -
python通过ctypes调用c动态链接库dll
Python语言有着易用上手快的优点,但是其最大的缺点是执行速度慢,特别是for循环嵌套,需要遍历大矩阵的情况,其性能与C/C++相差甚远,那么再遇到上述情况时python调用C接口可能是较优的选择。原创 2021-02-03 09:22:47 · 1541 阅读 · 0 评论 -
lxml读取VOC_2012标注数据
VOC_2012标注数据xml如下:<annotation> <folder>VOC2012</folder> <filename>2007_000027.jpg</filename> <source> <database>The VOC2007 Database</database> <annotation>PASCAL VOC2007</annotation> .原创 2021-01-19 20:56:14 · 212 阅读 · 0 评论 -
vs2015 编译mxnet-1.5.1 使用vs2015 python联调
vs2015 编译mxnet-1.5.1主要是根据参考链接所示的方法:https://blog.csdn.net/u012234115/article/details/80503086,但是为了让mxnet源码附加到python进程中去,需要在vs2015中修改以下mxnet项目的设置以生成调试pdb调试文件,设置如下:工具——>选项——>调试——>常规——>关掉“要求源文件与原始版本完全匹配“邮件解决方案中的mxnet项目——>属性——>C/C++——>常原创 2020-09-28 17:49:15 · 151 阅读 · 0 评论 -
mxnet autograd.record()源码分析
引言正在做mxnet框架下,使用deeplesion数据集yolov3的病灶检测的项目,训练过程中产生了access violated reading 0xFFFFF…的错误,经过google又说是应为backward()在autograd.record()作用域的原因。原创 2020-09-18 11:48:08 · 864 阅读 · 0 评论 -
日常tricks
日常记录1.Mxnet Dataloder __getitem__相关2. 增加维度3.延后初始化如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入1.Mxnet Dataloder __getitem__相关for循环迭代时,如果对象不具有iterator接口,就会调用原创 2020-07-13 20:34:40 · 473 阅读 · 0 评论 -
pip如何安装mxnet gpu老版本如1.3.1 1.4.1
看了那么多帖子全是安装最新版的,以往版本格式如下:pip install mxnet-cu92==1.4.1cu92是cuda9.2的意思原创 2020-01-16 11:36:31 · 1256 阅读 · 0 评论 -
tensorboard 可视化卷积层
不说废话先上代码:#coding:utf-8#learning how to use tensorboard in cnnimport tensorflow.examples.tutorials.mnist.input_data as input_datamnist = input_data.read_data_sets("data/", one_hot=True)import t...原创 2018-08-14 19:48:50 · 2180 阅读 · 3 评论 -
mxnet如何将.json、.params模型转换为gluon模型
Gluon是MXNet的动态图接口;Gluon学习了Keras,Chainer,和Pytorch的优点,并加以改进。接口更简单,且支持动态图(Imperative)编程。相比TF,Caffe2等静态图(Symbolic)框架更加灵活易用。同时Gluon还继承了MXNet速度快,省显存,并行效率高的优点,并支持静、动态图混用,比Pytorch更快。——转自解浚源知乎题目中提及的.json、.pa...原创 2019-05-29 09:45:42 · 1781 阅读 · 0 评论 -
mxnet学习笔记(二)——fine-tune前的对pretrained模型修改
Fine-tune过程是使用新的数据集对预训练(pretrained)模型重新训练的过程。既然是“微调”那么一般情况下只需要对最后的全连接层进行训练,因此我们需要对模型进行修改。if __name__ == '__main__': args = get_args() ctx = try_gpu() model1 = models.vision.resnet18_v1......原创 2019-05-27 14:15:39 · 329 阅读 · 0 评论 -
Implementing Pruning Convolutional Neural Networks for Resource Efficient Inference in Mxnet
一、代码分析:参考pytorch代码对论文《Pruning Convolutional Neural Networks for Resource Efficient Inference》使用mxnet框架进行了复现,代码来自于一个GitHub的项目,本文主要是在其代码的基础之上,移植到mxnet的框架之上,移植的过程中发现了很多的问题算是好好学习了一下mxnet吧。首先剪枝过程主要是通过P...原创 2019-05-09 13:59:41 · 482 阅读 · 1 评论 -
mxnet学习笔记(二)——训练器Trainer()函数详解
mxnet中 gluon.Trainer()是注册优化器的函数trainer=gluon.Trainer(net.collect_params(),'sgd',{'learning_rate':lr})在with autograd.record():之后结合trainer.strp(batch_size)更新网络权值gluon.Trainer()的参数为:params:net....原创 2019-04-19 17:14:53 · 5654 阅读 · 3 评论 -
卷积神经网络group群卷积以及group lasso
一、group(群卷积)group(群卷积)的思想最早出现于Alexnet论文:ImageNet Classification with Deep Convolutional Neural Networks,Alex之所以使用群卷积是因为受当时GTX580 GPU现存的限制,不能使用一块GPU训练网络,所以其将网络拆分为两组分别使用1个GPU训练。如下所示为一个常规的卷积操作...原创 2019-04-09 14:57:52 · 4158 阅读 · 0 评论