![](https://img-blog.csdnimg.cn/20190918140037908.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
文章平均质量分 81
这是一个流水账:)
吴恩达pytorch实战记录。
各类论文尝试阅读。
shawwwOvO
这个作者很懒,什么都没留下…
展开
-
[Sparse R-cnn]前置知识
原创 2021-08-06 19:40:40 · 115 阅读 · 0 评论 -
[文献总结]sparse Rcnn
文章目录1. 背景2. 主要内容3. 图表4.代码阅读1. 背景当前主流的目标检测方法往往存在dense的属性,这里有两个例子。one-stage/Dense:没有proposal的提取过程,一次完成识别与回归two-stage/Dense-to-sparse:第一级专注于proposal的提取(速度up精度down);第二级对提取的proposal进行分类回归(精度up速度down)但是麻烦在于:1.prior candidates 的设计2.one-to-many的正负样本标签分配策原创 2021-08-06 19:36:18 · 412 阅读 · 0 评论 -
[文献总结]QueryInst
文章目录1.背景与贡献2.使用的方法3. 效果1.背景与贡献背景:目标检测上query based方法的成功,使得将query检测框架应用于实例分割也是可以实现的。问题:目前Cascade Mask R-CNN 、 HTC这类non-query范例如果直接放到以query为基准的检测器下是十分效率低下的。/但直接将query based应用于Cascade Mask R-CNN 以及HTC等SOTA non query paradigm中是inefficient的。解决方法:在这篇文章中作者提出了原创 2021-08-06 19:16:55 · 959 阅读 · 0 评论 -
[文献阅读1]翻译QueryInst
文章目录用于实例分割的并行监督掩码查询0. 摘要1. 介绍3.相关著作3. QueryInst算法介绍3.1 Query based Object Detector基于查询的对象检测器3.2 Mask Head Architecture 面罩头部结构3.2.1 Vanilla Mask Head3.2.2 Dynamic Mask Head 动态掩模头3.3 Per-mask Information Flow with Parallel Supervision 并行监督下的每掩码信息流3.4 Shared原创 2021-07-27 02:47:48 · 1053 阅读 · 3 评论 -
w1_用神经网络思想实现Logistic回归_cat判断实例
文章目录一、环境熟悉1. 安装包2. 问题概述这一部分内容是跟着吴恩达《深度学习》L1W2作业2 做的一、环境熟悉1. 安装包首先遇见一个问题,给定的问题概述的安装包中给出的语句是这样的:import numpy as npimport matplotlib.pyplot as pltimport h5pyimport scipyfrom PIL import Imagefrom scipy import ndimagefrom lr_utils import load_dataset原创 2021-07-25 23:14:30 · 325 阅读 · 0 评论 -
w1_numpy+基础函数(包括sigmoid等)实践
一、 numpy的使用1.矩阵定义与输出定义方式 变量=np.array([元素1,元素2,...])变量 = np.array([元素1 , 元素2 ,...])变量=np.array([元素1,元素2,...])。e.g.:x = np.array([1, 2, 3])输出方式:print(变量名)e.g.: print(sigmoid(x))2. 矩阵的运算import numpy as npx = np.array([1, 2, 3])y = np.array([1, 2, 3原创 2021-07-23 18:18:56 · 1276 阅读 · 1 评论 -
w1_逻辑回归_理论知识
文章目录二分类1. 计算机的图存储2. 问题中常用的数据字母表示线性回归1. 符号定义与代价函数2. 一些技巧3. 多项式回归的应用logistics回归算法二分类1. 计算机的图存储计算机对图像的存储是用RGB三个矩阵实现的,在实现过程中,用一个非常长的向量来表示列出。对于下面这张图而言,如果我们的图像矩阵是64×6464\times6464×64,那么最终的图像存储的维度将是64×64×3=1228864\times64\times3=1228864×64×3=12288,这里用n=nx=1228原创 2021-07-22 22:43:03 · 137 阅读 · 2 评论 -
w1_pytorch(包括cuda+cudnn)+vscode环境搭建
pytorch+vscode环境搭建pytorch部分这里我也是看着网络上的教程来的,我看的教程是这个连接点我我是windows系统,显卡配置是图中这样(设备管理器-显示适配器)pytorch的环境搭建主要分为三部分⇒\Rightarrow⇒安装cuda、cudnn、pytorch1. 安装CUDA10.2首先进入Pytoch安装官网。然后出现下图所示的配置界面,这里主要是生成command语句,之后直接pip就行了进入cuda安装官网,进去好像是这里还是后面我忘记了…反正有个地方要注册会员原创 2021-07-22 21:28:55 · 963 阅读 · 3 评论