- 博客(4)
- 收藏
- 关注
RSS订阅原创 如何写Dockerfile
一、拉取镜像[0]部署容器从docker hub拉取mmdetection的镜像以建立容器：docker search mmdetectiondocker pull vistart/mmdetectionnvidia-docker run -it --shm-size='16g' --name='yshuqiao' -v /media/yzl/data1/gzx/data:/maps vi...
2019-09-28 17:13:05
485
5
原创 vgg论文启发
一、论文关键点1.在一定范围内，通过增加深度能有效地提升网络性能；2.最佳模型：VGG16，从头到尾只有3×3卷积与2×2池化，简洁优美；3.多个小卷积核比单个大卷积核性能好（与alexnet对比可知）；4.尺度抖动scale jittering(多尺度训练，多尺度测试)有利于网络性能的提升。5.模型融合，训练数据产生方式（各向同性缩放、各向异性缩放、随机裁剪等），测试方式（multi-...
2019-09-28 01:00:57
312
1
原创 论文ImageNet Classification with Deep Convolutional Neural Networks（Alexnet2012）
一、论文关键点1.神经网络在有了算力更好的gpu与更大的数据集合（ILSVRC和imagenet）后会取得更好的效果。2.网络超参数(人为设定的，非机器自学习到的参数，如batchsize,weight decay,learning rate,epoches)的设置，权重及偏置的初始化(卷积核初始化方式：均值为0方差为1的高斯分布；偏置初始化方式：2,4,5卷积层及全连接层初始化为1，剩余层初...
2019-09-16 14:05:00
334
6
原创 论文Deep learning
一、这篇论文是2015年刊登在Nature上的综述性文章，关键点有：1.深度学习用非线性模块、表示学习，能够提取很复杂抽象的特征。2.网络调整的主要是权重，多用随机梯度下降法（SGD）、反向传播算法、预训练模型。3.卷积神经网络CNN（通常由2-3个卷积层+非线性激活函数+池化层组成）的成功主要得益于GPU的性能、ReLU函数的运用，dropout正则化方法，其关键点有：信号的局部连接、共享...
2019-09-15 23:25:29
318
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