- 博客(11)
- 收藏
- 关注
转载 老卫带你学---python中super函数
(转载)深入super,看Python如何解决钻石继承难题 1. Python的继承以及调用父类成员python子类调用父类成员有2种方法,分别是普通方法和super方法假设Base是基类class Base(object): def __init__(self): print ...
2018-09-29 18:06:59 173
原创 老卫带你学---leetcode刷题(1.两数之和)
给定一个整数数组和一个目标值,找出数组中和为目标值的两个数。你可以假设每个输入只对应一种答案,且同样的元素不能被重复利用。示例:给定 nums = [2, 7, 11, 15], target = 9因为 nums[0] + nums[1] = 2 + 7 = 9所以返回 [0, 1]老卫看到题目的时候感觉很简单,于是就写出了下面的代码:class Solution: ...
2018-09-25 18:49:10 225
转载 老卫带你学---深度学习中各种学习率的比较
在深度学习中,学习率对于我们是否可以快速找到局部最小值小值非常重要,而caffe为我们提供了如下学习率:fixed: 保持base_lr不变.step: 如果设置为step,则还需要设置一个stepsize, 返回 base_lr * gamma ^ (floor(iter / stepsize)),其中iter表示当前的迭代次数exp: ...
2018-09-25 09:50:00 739
转载 老卫带你学---faster-rcnn源码剖析(anchor_target_layer.py源码详解)
RPN网络是faster与fast的主要区别,输入特征图,输出region proposals以及相应的分数# -------------------------------------------------------- # Faster R-CNN # Copyright (c) 2015 Microsoft # Licensed under The MIT License [...
2018-09-18 12:01:03 324
转载 老卫带你学---numpy中stack(),hstack(),vstack()函数详解
Numpy中stack(),hstack(),vstack()函数详解 1. stack()函数 函数原型为:stack(arrays, axis=0),arrays可以传数组和列表。axis的含义我下面会讲解,我们先来看个例子,然后我会分析输出结果。import numpy as npa=[[1,...
2018-09-16 13:30:14 236
转载 老卫带你学---faster-rcnn源码剖析(generate_anchor.py运算解读2)
【深度学习:目标检测】 faster rcnn RPN之anchor(generate_anchors)源码解析 ...
2018-09-15 17:50:38 279
转载 老卫带你学---faster-rcnn源码剖析(generate_anchor.py运算解读)
generate_anchor.py运算解读 ...
2018-09-14 22:44:46 191
转载 老卫带你学---faster-rcnn学习笔记
这篇博客很好的解释了一些faster-rcnn的细节,特此转载过来,为了以后的复习!!!感谢博主!下面的介绍都是基于VGG16 的Faster RCNN网络,各网络的差异在于Conv layers层提取特征时有细微差异,至于后续的RPN层、Pooling层及全连接的分类和目标定位基本相同. 一)、整体框架我们先整体的介绍下上图中各层主要的功能1)、Conv layers提取...
2018-09-07 22:32:48 210
原创 老卫带你学---深度学习计算图像均值
老卫带你学—深度学习计算图像均值在我们做深度学习研究的时候,如果可以在图像预处理的时候加入去均值的操作,那么可以提高我们训练的速度以及精准度。以下是老卫写的通过opencv来求出图像的均值。# -*- coding:utf-8 -*-#作者:卫毅然#联系邮箱:2205492446@qq.comimport osimport cv2from numpy import *i...
2018-09-06 20:27:37 950
原创 老卫带你学---faster-rcnn使用cpu训练
老卫带你学—faster-rcnn使用cpu训练 因为老卫的电脑GPU是真的菜,所以需要使用CPU去跑模型(泪奔!),按照以下的步骤就可以使用cpu进行faster-rcnn的训练。 ...
2018-09-01 12:58:58 2963 1
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