图像处理
峰峰的猫
归零心态,持续学习
展开
-
pytorch的tensor,PIL和numpy的相互转换
原图:# coding: utf-8"""create by ljf on 2019/3/8 15:02"""import torchfrom torchvision import transformsfrom PIL import Image#1.PIL转为tensortransform = transforms.ToTensor()img = Image.open("s...原创 2019-05-02 14:23:53 · 3279 阅读 · 0 评论 -
深度学习面试高频之Batch Normalization
batch normalization作用的最全总结!原创 2019-08-30 19:54:25 · 465 阅读 · 0 评论 -
openblas之cblas_sgemm
openblas系列:第二弹cblas_sgemm翻译 2019-07-24 13:33:23 · 2354 阅读 · 3 评论 -
详细理解pytorch的六种学习率
author = ‘SherlockLiao’import torchfrom torch import nn, optimfrom torch.autograd import Variableimport numpy as npimport matplotlib.pyplot as pltx_train = np.array([[3.3], [4.4], [5.5], [6.71],...原创 2019-06-30 10:14:54 · 3981 阅读 · 0 评论 -
focal_loss
@Focalloss自我理解sigmoid交叉熵损失tensorflow中的 tf.nn.sigmoid_cross_entropy_with_logits()是最开始的基础二分类交叉熵,其中将是该类别的标签为1,不是该类别的标签为0。one_hot编码表示三分类中的第三个类别为[0,0,1],sigmoid识别为第三个类别为正样本,其他的类别为负样本。tensorflow的实现是在原有基...翻译 2019-01-25 09:32:33 · 555 阅读 · 0 评论 -
python复现softmax损失函数详细版
from torch import nnimport torchdef loss_func(output,target):one_hot = torch.zeros_like(output)for i in range(target.size(0)):one_hot[i,target[i]]=1softmax_out = torch.exp(output)/( torch.unsque...原创 2019-06-30 07:31:46 · 2974 阅读 · 0 评论 -
GCnet论文详解
传送地址:https://arxiv.org/pdf/1904.11492.pdf主要思想如何获取全文信息(global context) 或者叫长距离依赖性。从视觉角度直观理解,比如我们要认出一个人的话可能需要看整个脸部才能认的出来,单给你脸部的一块皮肤,鼻子相对比较难判断。极端一点来说,例如你的朋友离你很远的情况下,需要看身高,衣服来获取整体的信息才能做出判断。那么对于图像卷积来说,如何...原创 2019-05-29 18:27:39 · 13370 阅读 · 7 评论 -
pytorch的tensor,Image,numpy和opencv四种格式的相互转换
话不多说,先上代码# -*- coding: utf-8 -*-# @Time : 2019/4/28 13:52# @Author : ljfimport torchfrom torchvision import transformsfrom PIL import Imageimport numpy as npimport cv2# 1.1 tensor2Image...原创 2019-05-22 17:39:35 · 18216 阅读 · 4 评论 -
FB等提出全新卷积操作OctConv,速度接近理论极限
引言论文地址这篇论文是周一时带我的大佬(现在瑞士读博士,据说还在nips上面发过文章原创 2019-04-27 19:00:14 · 806 阅读 · 1 评论 -
mixup嵌入到当前模型中,降低过拟合
mixup论文传送门论文中对比了α\alphaα和λ\lambdaλ在cifar10和cifar100下不同模型的表现,有兴趣的童鞋可以详细看看。作为模型嵌入来说,直接加入以下代码即可实现数据增强mixup手段。def mixup_data(x, y, alpha=1.0, use_cuda=True): '''Compute the mixup data. Return mixed...翻译 2019-05-02 14:36:03 · 737 阅读 · 0 评论 -
meta-learning在工业界的应用
learner to learn 训练模型具有快速学习的能力原创 2019-09-07 11:19:15 · 1050 阅读 · 2 评论