原创 LaTeX表格製作

轉自https://www.jianshu.com/p/1b7daca5f100 可在網站http://www.tablesgenerator.com/latex_tables填好表格後生成LaTeX代碼,對於製作比較複雜的表格很有幫助。

原创 LaTeX外部模板(IEEEtrans)初次套用經歷

  最近對文檔進行排版的過程中首次用到了LaTeX,所以在此將這個過程記錄下來,希望對初次使用的同學有幫助。 首先說一下對Word和LaTeX的一個整體感受:Word在草稿階段是比較方便易用的,可用來完成文檔的編輯工作,但是最終在排版成某

原创 pytorch Module裏的children()與modules()的區別

children()與modules()都是返回網絡模型裏的組成元素,但是children()返回的是最外層的元素,modules()返回的是所有的元素,包括不同級別的子元素。官方論壇的回答:Module.children() vs Mo

原创 SSD: Single Shot MultiBox Detector 細節剖析

一、SSD的網絡結構 網絡由基礎網絡和附加層組成,基礎網絡就是常用的特徵提取網絡,如VGG16,附加層由一組大小逐層遞減的卷積層組成。 以輸入爲300*300的SSD爲例,用一組不同分辨率的feature map(4-3,6,7,8-2

原创 pytorch 模型部分參數的加載

如果對預訓練模型的結構進行了一些改動,在訓練的開始前希望加載未改動部分的參數,如將resnet18的第一層卷積層conv1的輸入由3通道改爲6通道的new_conv1,將分類層fc的1000類輸出改爲2類輸出的new_fc,注意:要改一下

原创 pytorch下分類神經網絡的遷移學習transfer learning

對預訓練模型的遷移引用【1】中的提法,分爲兩種形式 只訓練最後fc層的freeze and train以預訓練模型爲初始參數,訓練所有層的finetune這裏只討論網絡結構的變更 finetune model_ft = models.

原创 初學TensorFlow的一些體會

以下是看了tensorflow官網的一些體會,歡迎各位大神來diss TensorFlow的終端是基於C++,所以基於TensorFlow的代碼類似於描述文件,所以最核心的兩個內容就是 Graph:因爲TensorFlow的高性能計

原创 pytorch模型中間層特徵的提取

參考pytorch論壇:How to extract features of an image from a trained model定義一個特徵提取的類:#中間特徵提取 class FeatureExtractor(nn.Module

原创 visdom的安裝及在pytorch下損失函數的可視化應用

更新:新版visdom0.1.7安裝方式爲:conda install -c srivasv visdom pytorch下可採用visidom作爲可視化工具1. 安裝pip install visdom conda install vi

原创 目標檢測之SSD(single shot multibox detector)的pytorch代碼閱讀總結

代碼地址:點擊打開鏈接(https://github.com/amdegroot/ssd.pytorch)這是別人的閱讀筆記:在medium,點擊打開鏈接(https://towardsdatascience.com/learning-n

原创 pytorch :使用兩次sort函數(排序)找出矩陣每個元素在升序或降序排列中的位置

對於一個二維矩陣,使用兩次sort函數(對原矩陣、第一次sort之後的index)後,index(第二個變量)的輸出是原矩陣一個由大到小(或由小到大)的映射,映射的值爲整數,位置保持不變。

原创 卷積神經網絡的關鍵知識點學習

這兩天看了本大神寫的魏秀參——《解析卷積神經網絡——深度學習時間手冊》,在此寫下我的一點總結,有助於鞏固總結知識。 一、卷積的基本組成 卷積操作:獲取的是圖像的局部信息Pooling: ①特徵不變性;②特徵降維;③緩解一定程度的過擬合

原创 通過teamviewer/基於Samba協議的win7與Ubuntu的共享文件夾/vscode的 live share 插件實現遠程控制Linux服務器跑深度學習

更新:teamvier可以實現局域網下的共享Teamviewer12 設置局域網遠程————————————————————————————————————————————————————開始我用的是teamviewer遠程控制,但是有時