深度学习
文章平均质量分 95
Mr.郑先生_
越是不可能,越要创造无限可能
展开
-
【Pix2Pix】当生成式对抗神经网络遇到车道线检测
当生成式对抗神经网络遇到车道线检测一、数据集简介二、数据预处理三、模型组网1.生成器的搭建2.判别器的搭建3.测试生成器与判别器的输出四、模型训练定义优化器开始训练可视化训练过程五、效果展示六、总结与升华作者简介目前,卷积神经网络已经成功地应用于语义分割任务。然而,有许多问题本质上不是像素分类问题,但仍然经常被表述为语义分割,将像素概率图转换为最终所需的输出。以车道线检测为例,目前车道线检测的难点为寻找语义上的线,而不是局限于表观存在的线。但是生成对抗网络 (GAN) 可用于使语义分割网络的输出更真原创 2021-11-08 16:01:38 · 2709 阅读 · 5 评论 -
3D点云初探:基于全卷积神经网络实现3D物体识别
基于全卷积神经网络实现3D物体识别一、从2D图像识别到3D物体识别二、ModelNet10:3D CAD数据集1.存储格式2.读取方法3.点云可视化可视化工具plt可视化4.数据集定义三、模型组网与训练1.全卷积神经网络2.查看网络结构3.模型训练四、测试效果评估1.批量测试2.逐个测试五、总结与升华作者简介在当今的计算机视觉系统中,2D图像识别技术已经相对成熟,但3D物体识别依然是一个关键但未被充分利用的领域。本文将围绕3D点云的物体识别展开叙述。一、从2D图像识别到3D物体识别二维图像是由一个个像原创 2021-10-24 09:05:26 · 2691 阅读 · 0 评论 -
Once-For-All:将训练和搜索过程解耦的神经架构搜索算法
将训练和搜索过程解耦的神经架构搜索算法一、动机二、贡献三、方法搜索空间训练策略评估策略四、实验五、总结一、动机传统的神经网络要么手工设计,要么使用神经结构搜索(NAS)来找到一个效果优异的神经网络,然后针对不同的部署需求从头开始训练它,但这在计算上会消耗大量的资源(排放的CO2量将多达5辆汽车的寿命周期中排放的CO2量),因此无法大规模地实验。作者从降低碳排放的角度出发,但本质其实是为了降低成本。作者解决该问题的关键思想是将模型训练与架构搜索解耦,训练一个once-for-all的网络(OFA),它原创 2021-09-13 17:55:45 · 1437 阅读 · 0 评论 -
飞桨高阶使用教程:自定义CPU算子的实现和使用
自定义CPU算子的实现和使用一、底层原理二、C++自定义算子格式1.基本格式2.适配多种数据类型3.维度与类型的推导4.自定义算子注册三、动手实现CPU算子1.导入必要的头文件2.实现forward计算函数3.实现backward计算函数4.维度推导5.自定义算子注册四、自定义CPU算子的使用五、总结与升华作者简介算子(Operator,简称Op)是构建神经网络的基础组件。在网络模型中,算子对应层中的计算逻辑,例如:卷积层(Convolution Layer)是一个算子;全连接层(Fully-connec原创 2021-09-01 16:26:33 · 1216 阅读 · 0 评论 -
深度学习模型训练和关键参数调优详解
深度学习模型训练和关键参数调优详解一、模型选择1.回归任务人脸关键点检测2.分类任务图像分类3.场景任务目标检测人像分割文字识别二、模型训练1.基于高层API训练模型加载数据集模型封装训练参数配置模型训练2.使用PaddleX训练模型配置数据集初始化模型模型训练3.模型训练通用配置基本原则三、超参优化1.超参优化的基本概念参数超参数2.手动调整超参数的四大方法1)使用提前停止来确定训练的迭代次数分类准确率不再提升时loss降到一个想要的范围时2)让学习率从高逐渐降低3)宽泛策略通过简化网络来加速实验进行更有原创 2021-08-22 08:59:29 · 7792 阅读 · 1 评论 -
写给小白的入门笔记,神经网络梯度下降原理详解
一、写在前面虽然现有的深度学习框架(如TensorFlow和PyTorch)已经大大降低了深度学习开发的门槛,但是在某种程度上会让初学者感到“玄学”我写这篇文章的初心其实是想回归基础,因为我是先接触深度学习框架,再去学习理论基础的,有很多初学者可能跟我有类似的经历,我深知这样的经历是痛苦的因此,这篇文章里所有的代码仅基于原生Python和Numpy,旨在让初学者朋友打好深度学习的理论基础。在上一篇文章(写给小白的神经网络前向传播原理详解)里,我对神经网络的预测过程做了详解。在这篇文章里,我将重点分原创 2020-08-28 13:12:26 · 402 阅读 · 0 评论 -
写给小白的神经网络前向传播原理详解
一、写在前面虽然现有的深度学习框架(如TensorFlow和PyTorch)已经大大降低了深度学习开发的门槛,但是在某种程度上会让初学者感到“玄学”我写这篇文章的初心其实是想回归基础,因为我是先接触深度学习框架,再去学习理论基础的,有很多初学者可能跟我有类似的经历,我深知这样的经历是痛苦的因此,这篇文章里所有的代码仅基于原生Python和Numpy,旨在让初学者朋友打好深度学习的理论基础。文章里写的代码已放在AI Studio,下面是传送门:写给小白的入门项目,神经网络前向传播原理详解·代码原创 2020-08-28 09:01:56 · 2801 阅读 · 1 评论 -
通过网格搜索确定手写数字识别的最优超参数(paddlepaddle)
上一篇文章讲了超参数调节的一些理论基础,相信你已经对超参数有了一定的认识,对于手动调整超参数的方法,文章里也算是提供了一些启发式的方法:从入土到入门学习超参数的调整这篇文章,我们重点来探讨一下自动调参的方法,我们先从网格搜索开始,并结合手写数字识别作为案例,框架用的是paddlepaddle,完整项目我已经在AI Studio公开:https://aistudio.baidu.com/aistudio/projectdetail/511378下面是具体步骤:导入相关库定义超参数配置网格搜索原创 2020-05-29 23:56:37 · 2028 阅读 · 0 评论 -
从入土到入门学习超参数的调整
最近在做第十五届全国大学生智能汽车竞赛线上选拔赛,人流密度检测这块的效果一直不好,error_rate越整越大,交流群里的大佬也看不下去了:确实,要是调整调整超参数,也不会是现在这样的成绩(流下了没技术的眼泪…)于是,我下定决心,好好地啃啃这块硬骨头!(先把自己从土里拉出来…)参数&超参数手动调整超参数使⽤提前停⽌来确定训练的迭代期数量让学习率从高逐渐降低宽泛策略小批量数据(mini-batch)大小不必最优发展出⼀个确保自己能快速进行超参数优化的工作流自动优化超参数原创 2020-05-27 13:29:50 · 2146 阅读 · 1 评论 -
百度飞桨PaddlePaddle深度学习CV特辑之模型训练的调优方法个人总结
经过七天的学习,在各位老师和同学的帮助下,我对Deep Learning有了更深的体会,下面是这次课程中关于神经网络的实践内容,从简单到复杂:使用深度神经网络DNN完成手势识别之网络参数配置详解(Python+PaddlePaddle)使用卷积神经网络LeNet5完成车牌识别之网络参数配置详解(Python+PaddlePaddle)使用卷积神经网络VGG-16完成是否佩戴口罩的分类模型之...原创 2020-04-10 16:29:03 · 1466 阅读 · 0 评论 -
使用卷积神经网络VGG-16完成是否佩戴口罩的分类模型之网络参数配置详解(Python+PaddlePaddle)
经过前两天的学习,对深度学习的网络都有了一定的了解,所谓深度,其实就是网络的深度,今天来看一下另一个经典的卷积神经网络: VGG-16VGG-16后面跟的16表示网络的层数,一般认为,带参数的网络才看作一层,而池化层是不需要计算参数的,因此池化层通常不算在里面:卷积层共2+2+3+3+3=13层;全连接层有3层。加起来一共16层。因为网络层数很多,像上一篇文章那样去写这16层网络会显得很麻...原创 2020-04-04 01:11:57 · 2424 阅读 · 0 评论 -
使用卷积神经网络LeNet5完成车牌识别之网络参数配置详解(Python+PaddlePaddle)
LeNet5里包含了卷积层,池化层以及全连接层,相比DNN只有全连接层来说,稍微复杂了一些,但是效果却要比DNN好。下面我们来分析一下。DNN网络:网络结构不够灵活图片的大小决定了输入层的节点个数,假如图片大小是1616,那么输入层有256个节点,但是如今的图片越来越大,换成100100大小的图片来做相同的任务,只有通过增加每层的神经元个数或者增加网络的层数来完成。网络中参数太多...原创 2020-04-03 12:25:51 · 2240 阅读 · 1 评论 -
使用深度神经网络DNN完成手势识别之网络参数配置详解(Python+PaddlePaddle)
最近参加了深度学习 7日打卡营第五期-CV特辑(好像全国人民都在参加一样,平台爆满…),今天的内容是第二课的作业,具体请查看:https://aistudio.baidu.com/aistudio/course/introduce/1149需要补充的代码是DNN深度神经网络这块:这里我们其实很快就能写出来,在Linear()里补全两个必备参数即可,再选一个激活函数,relu和softmax...原创 2020-04-02 15:05:54 · 1941 阅读 · 0 评论 -
爬取QQ音乐Last Dance的评论并进行情感分析(python+paddlehub)
首先明确目标:使用paddlehub的senta_lstm模型对歌曲的评论进行情感分析,在这里,我选择了<<想见你>>里的歌:伍佰的Last Dance。我们打开QQ音乐网页版,找到伍佰的Last Dance这首歌,看看评论在哪里,往下滑就可以看到:确认了这个网页上有我们需要的东西以后,按F12:看英文提示,按住CTRL+R:可以看到,这是网页返回的数据,我们...原创 2020-02-05 13:36:30 · 2448 阅读 · 5 评论 -
在PC端使用paddlepaddle跑通手写数字识别(CV+Python)
paddlepaddle是近期很火的开源深度学习平台,我们可以在其官网上使用该平台,平台上提供了一个深度学习的案例:手写数字识别今天我们来试试,在本地电脑跑通这个程序,首先安装paddlepaddle,具体安装方法请查看官网:https://www.paddlepaddle.org.cn/install/quick成功安装以后是这样的:官网上对这段代码的解释很清楚了,这里我主要讲讲我做的...原创 2020-02-02 15:51:46 · 1373 阅读 · 0 评论 -
小白也能学会的精简版GA遗传算法(Python)
今天无意中看到了一篇讲遗传算法的文章,文章内容很短,大部分都是代码,代码跟平时见到的遗传算法不同,一下是文章出处:http://www.cnhup.com/index.php/archives/python-impliments-a-simple-genetic-algorithm/之所以要拿这篇文章来讲,主要是因为原文没有对代码进行解释,但是,这段简短的代码的确十分有效,先来看看原代码,待会...原创 2020-02-02 01:51:24 · 1111 阅读 · 0 评论 -
适合新手入门且最简单的ANN人工神经网络模型(Python)
ANN的全拼是Artificial Neural Network即人工神经网络,简称神经网络,是一种基于模仿大脑神经网络结构和功能而建立的信息处理系统。既然是模仿,那我们就必须了解生物学上的神经元到底是什么?树突是是神经元的输入通道,接受来自其他神经元的信息。轴突即神经纤维,是神经元的输出通道。轴突末端称为神经末梢,它是神经元信息的输出端,用于输出神经元的动作脉冲。由此我们可以得知,生...原创 2020-02-01 02:29:43 · 9345 阅读 · 1 评论 -
深度学习之检测苹果、橙子和香蕉并语音输出结果(Python+PaddleDetection)
目标检测实战-用YOLOv3检测苹果香蕉和橙子原创 2019-12-05 22:20:47 · 2576 阅读 · 7 评论