原创 caffe支持python層使用

caffe支持python層caffe支持自定義python層如何使用python層 caffe支持自定義python層 caffe中支持自定義層,採取python形式寫。 caffe包目錄下,進入/examples/pycaff

原创 caffe中圖像預處理和opencv讀取圖像差異

caffe讀取圖像 使用caffe.io.Transform類操作: 1、設定圖片的shape格式爲網絡data層格式 transformer = caffe.io.Transformer({'data': net.blobs['

原创 神經網絡的利用率和

1. 神經網絡的利用率 當一個CNN網絡做forward時,對於硬件資源的利用情況,稱之爲利用率。 如何計算利用率? 計算網絡的計算量,通常是乘累加的次數 測量網絡運行耗時 乘累加次數除以耗時, 計算該網絡的GFLOPS 用計算

原创 9. 深度學習實踐:卷積網絡(續)

接上節敘述:9. 深度學習實踐:卷積網絡 6. 結構化輸出 CNN可用於輸出高維的結構化對象,不僅僅是預測分類任務的類標籤,或者回歸任務的實數值。通常該對象是一個張量,由標準卷積層產生。例如,模型可產生張量S ,其中Si,j,k

原创 從特徵描述符到深度學習:計算機視覺發展20年

從特徵描述符到深度學習:計算機視覺發展20年 Author : Tomasz Malisiewicz 翻譯:趙毅力(panovr at gmail dot com) 原文鏈接點這裏 我們都知道在過去兩年(2012-2014年)深

原创 4. 深度學習的數學基礎:數值計算

機器學習算法,通常需要大量的數值計算。通常是指通過迭代過程中更新解的估計值來解決數學問題的算法,而非通過解析解之法。 點贊 收藏 分享 文章舉報 鳥戀舊林XD 發

原创 一、視頻監控技術概述

前言 校招結束後,實驗室要求一直在搞論文,11月底提交完成。開始按照沈工列的讀書清單看看書。海康威視從安防起家,雖然自己搞的是計算機視覺算法,出於對領域業務的熟悉,也需要讀讀相關的書。 說來也很有意思。14年大四進入實驗室,接觸到

原创 劍指offer-31:連續子數組的最大和

一個整形數組,有正數有負數,求所有子數組的和的最大值。複雜度爲O(n)。 分析: 數組中有正數有負數。正數起正作用,負數起副作用。交叉起來亦可能最大子數組的中間包含一個負數,所以判斷每個的正負值無意義,需要判斷一個序列的和來

原创 2. 深度學習的數學基礎:線性代數

線性代數廣泛用於科學和工程中。本書第二章探討了一些必備的線性代數知識。手寫上傳爲圖。 點贊 2 收藏 分享 文章舉報 鳥戀舊林XD 發佈了141 篇原創文章

原创 Latex-WinEdt使用中的問題記載

事情:將CCCV 2017的文章擴充到IEEE ACCESS期刊上。官網給了word和Latex的模板。按道理我對word更熟悉點,但Latex排版似乎更爲簡單。於是開始嘗試。 前提:之前已經安裝過Latex的環境了。 遇到一些問

原创 5. 深度學習基礎:機器學習原理與方法

深度學習是機器學習的一個分支。之前整理的機器學習的筆記見點擊這個鏈接。閱讀該書第5章後,補充一些小點。 1. 容量、過擬合、欠擬合 模型的容量:模型擬合各種函數的能力。我們可通過調整模型的容量,來控制模型是否偏向於過擬合或欠擬合。

原创 3. 深度學習的數學基礎:概率論與信息論

AI 領域,概率論主要有兩種用途:一是概率法則告訴我們系統如何推理,據此可設計出一些算法來計算或者估算由概率論導出的表達式。二是用概率和統計從理論上分析我們提出的AI系統的行爲。 信息論幫助我量化概率分佈中的不確定性總量。

原创 1.1 深度學習的歷史和發展

深度學習並不是近年來出現的新事物。就像《現代操作系統》作者講的一句話:計算機領域總是出現周而復始的現象。很多概念幾十年前就有了,因爲某種因素消沉下去,但後面可能又被拎出來。 之所以讓人感覺其是全新領域,乃是因爲前幾年相對冷門。軟件

原创 python中 no module named xxx 問題

記錄下,命令老忘。這個問題分兩類: 壓根沒有這個module,需要安裝; 有這個module但路徑不對。解決:sys.path.append(‘python的site-packages路徑’)

原创 linux下查看目標文件.a中函數符號名稱

問:拿到一個.a庫,如何查看其中包含哪些函數? 答:使用 nm xx.a 命令 nm xx.a 如果輸出較多,可重定向輸出至文本文件中 nm xx.a > xx.txt 幾個問題: (1).a到底是個什麼? .a其實是把編