- 博客(8)
- 收藏
- 关注
RSS订阅原创 The CUDA compiler is not able to compile a simple test program.
mingw cuda windows
2023-03-12 13:49:35
1003
转载 权重初始化（转）
一、参数初始化的重要性参数初始化又称为权重初始化（weight initialization）或权值初始化。深度学习模型训练过程的本质是对weight（即参数 W）进行更新，这需要每个参数有相应的初始值。说白了，神经网络其实就是对权重参数w不停地迭代更新，以达到较好的性能。模型权重的初始化对于网络的训练很重要，不好的初始化参数会导致梯度传播问题，降低训练速度；而好的初始化参数能够加速收敛，并且更可能找到较优解。如果权重一开始很小，信号到达最后也会很小；如果权重一开始很大，信号到达最后也会很大。..
2021-08-16 14:26:27
1958
转载 转FocalLoss
1. 总述Focal loss主要是为了解决one-stage目标检测中正负样本比例严重失衡的问题。该损失函数降低了大量简单负样本在训练中所占的权重，也可理解为一种困难样本挖掘。2. 损失函数形式Focal loss是在交叉熵损失函数基础上进行的修改，首先回顾二分类交叉上损失：是经过激活函数的输出，所以在0-1之间。可见普通的交叉熵对于正样本而言，输出概率越大损失越小。对于负样本而言，输出概率越小则损失越小。此时的损失函数在大量简单样本的迭代过程中比较缓慢且可能无法优化至最优。那
2021-08-11 16:29:32
111
原创 目标检测评价之AP&mAP
参考：https://blog.csdn.net/lppfwl/article/details/108018950经常看见目标检测论文里面的评价指标是AP（mAP）-FPS图像，其实本质也是衡量模型的精度和速度。关于计算AP的基础概念参考链接即可。step1：在测试集上运行侦测网络，得到NMS去重以后的结果boxes。step2:对于每一类别分别计算AP，以一张图片的一个类别为例：假设一张测试图片上有3个类别为dog的目标，网络侦测后输出了5个框。如图所示：将输出的5个框分别和3
2021-06-21 17:26:20
294
1
原创 mask图片叠加
1.opencvmask是二值图，黑色区域值为0，白色区域值为255。a = cv2.bitwise_and(img,img2),img和img2的尺寸dax
2021-06-20 21:23:13
759
原创 pytorch优化器和学习率优化策略
pytorch目前一共有12款优化器，基本上是以梯度下降法为基础的优化器，关于各种优化器的特点介绍，参考https://blog.csdn.net/qq_41076797/article/details/110674020
2021-06-17 22:59:26
616
1
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