![](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 85
xiaomu_347
这个作者很懒,什么都没留下…
展开
-
记录一次完整的docker踏坑之旅
大家都知道opencv的安装方式有两种,一种是直接pip安装,一种是源码安装,据网上资料所查,两者没多大区别。我以前都习惯用第一种,但是我有时候在想linux环境下如果我想构建c++项目,那么我怎么调用pip安装的opencv包呢?或者如果我源码编译的,c++项目和python项目是否都可以直接调用呢?还是说我把它们分开,源码编译的c++调用,pip安装的给python?直觉告诉我第三种可行性最高,带着这个疑问,我苦苦搜寻了一圈,发现没啥收获?于是我决定自己动手实践一下。下面就是基于docker...原创 2021-08-14 09:56:13 · 518 阅读 · 0 评论 -
安装pycocotools库
pycocotools这个库对于cver而言,相信大家都不陌生,COCO是一个大型的图像数据集,用于目标检测、分割、人的关键点检测、素材分割和标题生成。这个包提供了Matlab、Python和luaapi,这些api有助于在COCO中加载、解析和可视化注释。请访问http://cocodataset.org/,可以了解关于COCO的更多信息,包括数据、论文和教程。COCO网站上也描述了注释的确切格式。Matlab和PythonAPI是完整的,LuaAPI只提供基本功能。 除了这个...原创 2021-08-12 17:34:10 · 15791 阅读 · 5 评论 -
深度学习之网络爬虫总结
深度学习的前提就是海量的数据,在现实生产过程中采集大量的数据是很累时费钱的,这时候就到了爬虫大显身手的时候了。常见的网上爬虫资源方法都很单一,今天我就尝试一下就自己接触的几种方法进行一个简单的总结:(1)利用资源库import requestfrom lxml import xtreeimport beautiful-soup(2)利用爬虫框架pyspi...原创 2021-07-18 21:09:22 · 1413 阅读 · 1 评论 -
深度学习入门到精通
如今深度学习越来越火热,想要快速学习掌握这门技术,除了勤奋努力外,一个好的引导是很重要的,尤其对于一个新手小白来说。但是网上的各种学习资料参差不齐,如何挑选一个合适自己的那就显得尤为重要了。下面就自己觉得不错的资料分享给我为数不多的粉丝朋友们!(1)基础篇 都知道深度学习需要一定的数学基础,例如概率论和矩阵运算等,如果你在这一块比较欠缺,可以推荐你关注一下唐宇迪的《数据科学人工智能-必备数学基础》,链接:https://study.163.com/course/introduc...原创 2021-06-06 09:26:03 · 522 阅读 · 0 评论 -
模型推理部署
TVM针对不同的深度学习框架和硬件平台,实现了统一的软件栈,以尽可能高效的方式,将不同框架下的深度学习模型部署到硬件平台上。与LLVM的架构相似,在2017年由陈天奇团队推出,和 NNVM 一起组成深度学习到各种硬件的完整优化工具链,支持手机,cuda, opencl, metal, javascript 以及其它各种后端。 如果从编译器的视角来看待如何解决这个问题,各种框架写的网络可以根据特定的规则转化成某种统一的表示形式,在统一表示的基础上进行一些可重用的图优化,之后再用不......原创 2021-03-19 14:33:28 · 1843 阅读 · 1 评论 -
yolov3及其各种变形算法解析
yolov3作为目前最为流行的one stage检测模型,从出现到现在衍生发展了太多版本,甚至到了去年性能更优的v4和v5都已经出来了,今天就此机会总结一下常见的v3变形算法。YOLOv3-tiny(YOLOv3的tiny版本) YOLOv3-SPP1(仅在第一个检测头前集成SPP模块) YOLOv3-SPP3(在三个检测头前都加入了SPP模块) SlimYOLOv3-SPP3-50(n=50, k=90, 迭代剪枝2次) SlimYOLOv3-SPP3-90(n=90, ...原创 2021-02-05 17:01:17 · 941 阅读 · 1 评论 -
关于卷积神经网络的几点猜想
》首先一张图像通过卷积会不会改变尺寸大小有以下几种情况:卷积+padding(solid表示不填充,same表示填充到不改变图像大小,这是TensorFlow的叫法,其他框架不一样) 卷积+padding(非补全式填充) 卷积stride不等于1 #https://www.zhihu.com/question/270777218 pooling池化层操作在日常神经网络的构建过程中...转载 2021-01-14 14:33:56 · 717 阅读 · 0 评论 -
tensorflow调试小技巧总结
Debugging 是程序员必备技能,TensorFlow 程序员也不例外。然而 TensorFlow 的运行模式是先构造一张 graph,再执行 session.run(),这就为调试带来一些困难。普通调试工具如 pdb 只能看到 graph 外部的变量和控制流程,无法深入 graph 内部一探究竟。几种常用方法:1.通过Session.run()获取变量的值2.利用Tensorboard查看一些可视化统计3.使用tf.Print()和tf.Assert()打印变量4....原创 2020-09-22 10:45:06 · 1097 阅读 · 0 评论 -
docker安装使用系列三之nVidia-docker安装与使用
由于默认安装的docker都是基于cpu版本的,如果想要配合GPU进行一些简单的部署的话,则需要安装nvidia-docker来结合使用。原创 2020-09-21 11:33:07 · 19341 阅读 · 0 评论 -
图像化界面开发之QT入门
1、认识QT(1)控件 布局(layouts)空间间隔组(Spacers):lHorizontal Spacer:水平间隔。 lVertical Spacer:垂直间隔。按钮组(Buttons)中各个按钮的名称依次解释如下:lPush Button:按钮。 lTool Button:工具按钮。 lRadio Button:单选按钮。 lC...原创 2020-06-20 23:46:28 · 8230 阅读 · 1 评论 -
模型加速之openvino
1.什么是OpenVINO工具包OpenVINO™工具包可快速部署模拟人类视觉的应用程序和解决方案。该工具包基于卷积神经网络(CNN),可扩展英特尔®硬件的计算机视觉(CV)工作负载,从而最大限度地提高性能。OpenVINO™工具包包括深度学习部署工具包(DLDT)。OpenVINO工具包:在边缘启用基于CNN的深度学习推理 支持跨英特尔®CPU,英特尔®集成显卡,英特尔®FPG...原创 2020-05-17 18:04:49 · 3904 阅读 · 12 评论 -
深度学习之网络可视化
想要对一个深度学习模型有最直观的了解那就是直接可视化其网络结构,常见的网络可视化工具有很多,今天就自己了解的进行简单的总结,tensorflow的模型结构可视化方法:(1)使用自带的tensorboard(不直观)(2)使用netron工具打开(.pd 或者是.meta文件)(3)第三方库CNNGraph(https://github.com/huachao100...原创 2020-05-14 18:59:42 · 2064 阅读 · 1 评论 -
机器学习中利用国内镜像安装包
由于我们需要的一些机器学习的包需要在国外网站上下载,鉴于国内的种种限制,我们往往需要借助国内的镜像来实现快速下载,这里就常用的几个做一下总结:(1)国内常用镜像 国内源: 清华:https://pypi.tuna.tsinghua.edu.cn/simple阿里云:https://mirrors.aliyun.com/pypi/simple/中国科技大学 ht...原创 2018-12-18 16:18:32 · 1686 阅读 · 0 评论 -
阿里云服务器配置简谈
乘着打折福利,在网上购买了阿里云的服务器,参考知乎上的回答,结合自己的情况,最终选择共享型xn4/n4型,,其中系统选择的是ubuntn18.04,然后接下来就是自己的一些配置记录了:(1)切换Python默认版本一般新安装的ubuntn系统需要安装更新软件源 sudoapt-get update。由于ubuntn系统会自动配置Python2(默认)和Python3两种...原创 2020-03-28 08:55:35 · 727 阅读 · 0 评论 -
爬虫之网页解析
(1)beautifulsouphttps://blog.csdn.net/winterto1990/article/details/47624167/(2)re(3)lxml原创 2020-03-11 19:14:46 · 495 阅读 · 0 评论 -
深度学习之相关硬件知识总结
俗话说得好,工欲善其事必先利其器,想要学好深度学习,你必须拥有足够的算力,否则一切都只是停留在纸上谈兵了。下面就自己了解的进行以下总结:(1)算力---处理单元 人工智能的实现需要依赖三个要素:算法是核心,硬件和数据是基础。算法主要分为为工程学法和模拟法。工程学方法是采用传统的编程技术,利用大量数据处理经验改进提升算法性能;模拟法则是模仿人类或其他生物所用的方法或...原创 2020-08-13 17:21:20 · 1762 阅读 · 0 评论 -
神经网络之loss总结学习
影响一个网络性能的因素很多,网络结构,参数优化,loss约束等,这里就常见的几种loss进行比较总结。其中(1)(2)(3)为回归损失,(4)(5)(6)为分类损失。(1)MSE(均方误差)均方误差(MSE)是回归损失函数中最常用的误差,也常被称为L2 loss,它是预测值与目标值之间差值的平方和,其公式如下所示:,有时也写成这样优点:各点都连续光滑,方便求导,具......原创 2019-12-07 17:58:56 · 13929 阅读 · 0 评论 -
神经网络发展总结
人工智能三大宝,数据、网络与约束(loss)。想要训练得到一个好的神经网络模型,可以对这三块进行优化调整。就计算机视觉这块而言,自神经网络崛起后,由于可以避免手工提取特征,各种cnn模型层出不穷,无论是从深度和宽度上,还是从结构上,都有很大的发展,就自己所了解的做一些总结。一般在性能上:下面就具体介绍一下几个经典的CNN网络: LeNet LeNet虽然不是C...转载 2020-01-02 10:50:04 · 2973 阅读 · 0 评论