- 博客(23)
- 收藏
- 关注
RSS订阅原创 conda update报错CondaHTTPError:
这里写自定义目录标题conda update --all 报错处理CondaHTTPError:1.解决方法1：2.解决方法2注意：此时若出现InvalidVersionSpecError:若出现新的问题：CondaHTTPError:conda update --all 报错处理CondaHTTPError:编辑不易，望点赞、关注后观看,谢谢！在我们用conda升级包的时候，在cmd里输入conda update --all有时候会出现报错，类似于[CondaHTTPError: HTTP 0
2021-11-10 18:05:19
4082
2
原创 python笔记4：数据归一化（0,1），归至（-1,1）
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档python笔记4：数据归一化（0,1），归至（-1,1）一、pytorch里tensor数据归一化1.tensor数组全局归一化2.tensor数组指定维度归一化二、pytorch里tensor数据归至(-1,1)一、pytorch里tensor数据归一化1.tensor数组全局归一化数学公式将数组中的无论正负数值归一化到[0, 1]之间 具体操作如下：定义函数，输入参数为
2020-12-13 20:59:44
36335
6
原创 python笔记3：numpy.array、list、torch.tensor互换
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档python笔记3：numpy.array、list、torch.tensor互换一、list与numpy.array数组互换1.list 向numpy.array数组转换numpy.array(list),参数为列表类型2.numpy.array向list 数组转换ndarray.tolist()，变量名在前,数据类型是ndarray二、list与torch.tensor数组互换1.list向torch.tensor数组转换torch.t
2020-12-13 15:45:17
457
原创 python笔记2：指定概率生成数据
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档python笔记2：指定概率生成数据一、random指定范围随机生成数1. *random.choice()在指定数据集内生成随机数*2. *random.sample(x,n)在指定数据集内生成随机数组*二、random指定概率随机生成数一、random指定范围随机生成数1. random.choice()在指定数据集内生成随机数先建立一个数据集x，然后用方法random.choice（x）从数据集里随机选取一个数，具
2020-12-13 12:59:05
8962
原创 python笔记1：random、numpy生成随机数
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档python笔记1：random、numpy生成随机数一、numpy、random生成随机整数1. *numpy.random模块生成随机整数*2. *random*模块生成随机整数二、numpy生成随机整数组1. *np.random.randint(low[,high,size])*2. *np.int32(np.random.rand(n)*10)*三、numpy生成随机浮点数组1. *np.random.rand
2020-12-12 23:08:49
873
原创 EffecientDet论文学习2
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档EffecientDet论文学习2前言前言论文地址：EfficientDet: Scalable and Efficient Object Detection在如今计算机视觉研究历程中，模型的效率变得愈发的重要。那么如何提高模型的效率成为了现在研究的热门。例如有一些网络是用One-stage和无锚检测器，亦或者是压缩现有的模型。那这些模型虽然在一定程度上提高了效率，却同时会失去掉一定的准确性。EfficientDet 研究就是在有限
2020-11-09 13:31:11
310
1
原创 Dropout、Dropconnect、Dropblock
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档LN.BN.GN.IN一、归一化一、归一化
2020-11-08 20:15:20
1394
原创 IOU .GIOU.DIOU.CIOU
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档IOU .GIOU.DIOU.CIOU一、IOU(Intersection over Union)二、GIOU(Generalized Intersection over Union)三、DIoU(Distance-IoU)四、CIoU(Complete-IoU)一、IOU(Intersection over Union)IoU就是交并比，也可以直观的认为是边框与真实框的重合度。是目标检测中最常用的指标，在anchor-based方法
2020-11-04 21:35:55
263
原创 NMS、soft NMS、softer NMS与IOU-Guided NMS
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档NMS、soft NMS、softer NMS与IOU-Guided NMS一、NMS二、soft NMS三、softer NMS**四、IOU-Guided NMS**一、NMS非极大值抑制算法（Non-maximum suppression, NMS）的本质是搜索局部极大值，抑制非极大值元素。在计算机视觉技术中主要目的是为了消除多余的框，找到最佳的物体检测的位置，几乎所有的目标检测方法都用到了这种后处理算法。如上图中，一共
2020-11-04 21:19:03
865
4
原创 ROI Pool、ROI Align、PSROI Pool、PrROI Pool
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档ROI Pool、ROI Align、PSROI Pool、PrROI Pool基本概念一、ROI Pool二、ROI Align三、PSROI Pool四、PrROI Pooling（Precise RoI Pooling ）基本概念ROIRoI(Region of Interest)是通过不同区域选择方法，从原始图像(original image)得到的兴趣区域，为进一步生成bounding box做准备。bounding b
2020-11-04 20:40:50
1299
原创 目标检测之SSD
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档目标检测之SSD一、前言二、SSD（Single Shot MultiBox Detector）SSD相对于YOLO的优势：三、SSD训练过程膨胀卷积：四、SSD预测过程一、前言目标检测近年来已经取得了很重要的进展，主流的算法主要分为两个类型（参考RefineDet）：（1）two-stage方法如R-CNN系算法，其主要思路是先通过启发式方法（selective search）或者CNN网络（RPN)产生一系列稀疏的候选框，然后
2020-11-04 18:20:16
334
原创 目标检测之Faster RCNN-2
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档目标检测之Faster RCNN-2一、RPN图像分类（Image Classification）一、RPN计算机视觉中图像处理的任务大致可以分为几类：图像分类，目标检测，语义分割，实例分割，全景分割等。conv layer的特征图，再分别与进行两次卷积运算，得到batchsize18(M/16)(N/16)和batchsize36(M/16)(N/16)的两个矩阵，前面为RPN得到的分类结果（只有前景和目标两类+忽略类），后面的
2020-11-04 16:04:35
347
原创 目标检测之Faster RCNN-1
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档pytorch基础学习6一、语法 x = x.view(x.size(0), -1)文档：view(*args) → Tensor一、语法 x = x.view(x.size(0), -1)文档：view(*args) → Tensor返回...
2020-11-04 11:42:53
213
原创 pytorch基础学习6
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档pytorch基础学习6一、语法 x = x.view(x.size(0), -1)文档：view(*args) → Tensor二、语法 torch.max()torch.max(input, dim, keepdim=False, out=None) -> (Tensor, LongTensor)一、语法 x = x.view(x.size(0), -1)文档：view(*args) → Tensor返回一个有相同数据
2020-11-02 12:04:22
1345
原创 卷积神经网络基础学习2
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档卷积神经网络基础学习2Rand_Augment模块语法numpy.linspace语法im.transform转换方法：PIL中的ImageEnhance图像增强模块魔术方法之def __call__(self, *args)Rand_Augment模块class Rand_Augment():def init(self, Numbers=None, max_Magnitude=None):图像增强类，输入参数有两个：图像增强的种
2020-10-31 12:33:40
304
1
原创 卷积神经网络基础学习1
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档卷积神经网络基础学习1一、Resnet模块二、 Bottleneck一、Resnet模块1.残差网络出现的原因传统的卷积层层叠网络会遇到一个问题，当层数加深时，网络的表现越来越差，很大程度上的原因是因为当层数加深时，梯度消散得越来越严重，以至于反向传播很难训练到浅层的网络。为了解决这个问题，想出了一个“残差网络”，使得梯度更容易地流动到浅层的网络当中去，而且这种“skip connection”能带来更多的好处。2.构建残差网络
2020-10-30 21:31:36
328
原创 pytorch基础学习5
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档pytorch之常用语法一、时序容器二、池化max-pooling（平均池化）max-pooling（最大池化）一、时序容器class torch.nn.Sequential(* args)一个时序容器。Modules 会以他们传入的顺序被添加到容器中。当然，也可以传入一个OrderedDict。容器通常用来创建神经网络一个新的网络层，该网络层里卷积，归一化，激活函数等等都可以自行定义多少个，以什么样的顺序添加进去，就会以什么样的
2020-10-30 15:46:31
1013
原创 pytorch基础学习4
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档pytorch之常用激活函数一、sigmoid函数二、ReLU函数三、ReLU6函数四、 ELU函数五、SELU函数一、sigmoid函数1.sigemoid简介sigmoid容易饱和，当输入非常大或者非常小的时候，函数曲线非常平坦，梯度就接近于0。而反向传播中，我们需要使用sigmoid的导数来更新权重，如果导数都基本为0，会导致权重基本没什么更新，这种现象也可以叫做梯度弥散。将所有数据映射成了（0,1）之间的数，很好的表达神经
2020-10-30 14:56:49
164
原创 pytorch基础学习3
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档pytorch之批归一化一、注释学习二、部分参数一、注释学习对4D输入应用批处理归一化(带有额外通道维数的小批2D输入)，如论文“`Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift”中所述。平均值和标准偏差是在小批量中按维度计算的，其中:math: ' \gamma '和:math: ' \bet
2020-10-29 21:54:38
147
原创 pytorch基础学习1
pytorch之二维卷积文章目录pytorch之二维卷积一、 卷积简述二、部分参数一、 卷积简述 通常对于由多个维度组成的输入信号可以用二维卷积。较为简单的模式是，输入大小为(N,C,H,W),卷积过后的输出为(N,C,H,W)。N是每个批次的样本数目，C是输入样本的通道数目，H是输入样本的高度，W是输入样本的宽。二、部分参数stride:步长，控制卷积核每经一次卷积计算后移动的长度；padding(int or tuple, optional) ：填补，输入的每一
2020-10-29 21:19:25
256
原创 pytorch基础学习2
pytorch之交叉熵损失函数一、交叉熵Pytorch中计算的交叉熵并不是采用而是它是交叉熵的另外一种方式。Pytorch中CrossEntropyLoss()函数的主要是将softmax-log-NLLLoss合并到一块得到的结果。实际等同于：CrossEntropyLoss()=log_softmax() + NLLLoss()交叉熵损失函数是常常用来来解决C分类问题的，需要给函数提供输入是一个一维的数据，输出的是给每个类别一个权重（或者说是概率）。对于不平衡的数据集非常有用。“输
2020-10-29 16:50:22
143
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