深度学习
xiaoshuzi666
左顾右盼,上下求索
展开
-
anaconda安装包失败问题——踩坑记录
当使用conda install某包,报错PackagesNotFoundError:The following packages are not available from current channels,百度查询解决方案,最后采用的解决办法是conda config --add channels https://conda.anaconda.org/conda-forge原创 2020-11-22 14:53:42 · 1141 阅读 · 0 评论 -
双系统踩坑记
一、双系统1.烧录U盘进入中国linux官网https://cn.ubuntu.com/选择Ubuntu桌面系统,之后点击下载Ubuntu,再点击其他下载页,再点击Past releases,选择18.04.5/ubuntu-18.04.5-desktop-amd64.iso进行下载。然后百度软碟通,可在官网下载试用,然后百度它的注册码,打开此软件,点击打开,选择下载好的iso文件,接着点击启动,选择写入硬盘镜像,再选择u盘(一般会自动识别到),点击写入(注意u盘里的内容会被格式化)。2.window原创 2020-10-05 19:56:28 · 245 阅读 · 2 评论 -
【论文】智能制造中的深度学习(2018Deep learning for smart manufacturing: Methods and applications)
一、论文的关键点1.本文主要分析了在智能制造背景下数据驱动的深度学习的模型和应用。2.模型:CNN(Convolutional neural network),RBM(Restricted Boltzmann machine,基于能量的模型)及变体(DBN,DBM),AE(Auto Encoder)及变体(DAE,SAE,CAE),RNN(Recurrent neural network)及变...原创 2019-11-12 15:48:12 · 2088 阅读 · 1 评论 -
重读SSD(2016 SSD: Single Shot MultiBox Detector)
一、softmax的真相(与SVM)全连接层(ssd没有用全连接层)或卷积层后面接的softmax是多分类,相当于OvO(一对一)/OvR(一对多)的SVM或者Adaboost.注:人为提取特征有SIFT、HOG、SURF等方法,而深度学习网络是自动提取特征;过去在原图上基于滑动窗口的区域选择策略容易产生窗口冗余,Faster rcnn是从第五层特征图上选anchor,ssd是从conv4...原创 2019-10-22 15:56:19 · 227 阅读 · 0 评论 -
RetinaNet学习笔记(Focal Loss for Dense Object Detection2018)
一、论文关键点1.RetinaNet(ResNet+FPN+FCN)是one-stage目标检测框架,它的主要创新点是把损失函数从Cross-Entropy Loss进化到Focal Loss。其中,它采用的FPN结构如图所示(可以看到层与层之间的来回关联):2.它采用的Focal loss:CE是二元交叉熵的形式,而FL(Focal loss)加了个系数:(1-Pt)^γ,设置γ&g...原创 2019-10-13 22:43:13 · 226 阅读 · 0 评论 -
GoogLeNet和ResNet
零、关于池化常见的池化操作(降采样)有:最大池化、平均池化。一、关于GooLeNetGoogLeNet(Going deeper with convolutions,ILSVRC 2014分类和检测任务巅峰)是基于赫布原则和对多尺度的观测建立的22层深度网络,其亮点是:加深和加宽了网络结构、更好地利用了网络结构内的计算资源。图1 最朴素的inception图2 增加1×1卷积的in...原创 2019-10-06 01:32:36 · 1293 阅读 · 1 评论 -
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-...原创 2019-09-28 01:00:57 · 312 阅读 · 1 评论 -
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...原创 2019-09-16 14:05:00 · 334 阅读 · 6 评论 -
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...原创 2019-09-15 23:25:29 · 317 阅读 · 0 评论 -
初识Docker
初识Docker基本常用命令1.docker image ls可以列出服务器上已有的所有镜像;2.docker search xxx(如docker search mmdetection)可以搜寻镜像,docker rmi IMAGE ID可以删除镜像(如docker rmi 99f85991949f)(IMAGE ID可以不写全,能与其他镜像区分就行);3.docker pull xxx...原创 2019-08-17 12:32:31 · 298 阅读 · 8 评论