原创 Pytorch固定部分參數（層）進行訓練
網絡中所有操作對象都是Varoable對象，而Variable有兩個參數可用於固定參數：requires_grad和volatile。 一：requires_grad參數設置 Method 1: 初始化時指定，如下語句所示： x = V
2019-05-21 16:17:13
67
原创 C++—動態內存分配之malloc與realloc的區別
https://www.cnblogs.com/tangshiguang/p/6735402.html
2019-05-09 00:13:17
原创 CUDA相關知識
CUDA數組（CUDA Array）: https://blog.csdn.net/fb_help/article/details/79711389 更多CUDA知識詳見該博主的CUDA分類 如何理解CUDA中的cudaMalloc(
2019-05-08 11:47:59
原创 MXNET VGG-16 Params
Download Link : http://data.dmlc.ml/mxnet/models Baidu Cloud : http://pan.baidu.com/s/1eRNiQ4q (CHN)
2019-02-28 02:18:27
原创 CNN中卷積層參數量與輸出特徵圖(feature map)尺寸的計算公式
https://blog.csdn.net/gaishi_hero/article/details/81512404
2019-02-28 02:18:27
原创 [DIR]解決dpkg: 處理軟件包 **** (--configure)時出錯
錯誤爲：安裝wine未完成時卸載wine dpkg: 處理軟件包 update-notifier-common (--configure)時出錯： 子進程 已安裝 post-installation 腳本 返回錯誤狀態 1 dpkg:
2019-01-31 13:28:08
原创 MXNet如何用mxnet.image.ImageIter直接導入圖像
ref : MXNet如何生成.lst文件和.rec文件 MXNet如何用mxnet.image.ImageIter直接導入圖像
2019-01-31 13:28:08
3
原创 MXNet官方文檔中文版教程(1)：教程（Tutorials）
最近開始嘗試MXNet框架，官方文檔已經更新，網上中文文檔的翻譯已經是之前版本。因此打算在學習過程中將最新版的官方文檔翻譯出來，以便今後自己和相關學習者作爲學習參考。不足之處，盡請留言！ 官方文檔鏈接：Tutorials 教程 這些教程介
2019-01-31 13:28:08
原创 Unsupervised Monocular Depth Estimation with Left-Right Consistency
4.1 實驗細節 在TensorFlow[1]中實現的網絡包含3100萬個可訓練參數，並且使用單個Titan x GPU在30 000張圖像的數據集上訓練約25小時，持續50個時期。對於512×256圖像，推斷速度很快，所需時間小
2019-01-10 01:53:26
原创 Ubuntu16.04+CUDA9.0+cuDNN7+python2.7+Tensorflow12+opencv3.4.0+Matlab2015b+Caffe(GPU)
所用安裝包鏈接等審覈通過了我貼上，收了一個金幣，包含cuda9.0+cuDNN7.4.1+Matlab2015b+opencv3.4.0+caffe源碼 1 禁用nouveau 重啓系統，在選擇系統的界面安鍵盤“e”，將倒數第二行的qui
2019-01-05 03:06:31
原创 Ubuntu18.04安裝Cuda10.0(GPU)+cuDNN7.4.1+Tensorflow-gpu-1.9.0+Opencv-3.4.0+Matlab+Caffe
PS: 裝完全部的軟件心太累了，安裝步驟公開，軟件包我另外附加鏈接，原諒我收了1個金幣，因爲真的不容易。 ######################################################### 1 安裝Ana
2018-12-12 18:38:02
30
原创 基於深度學習的目標檢測算法綜述（一）
接下來的一系列文章是基於微信公衆號：磐創AI 推送的有關文章進行總結和記錄，現在將總結放在CSDN上爲了便於自己查看和學習，同時也希望能起到一份知識傳遞的作用。 背景 目標檢測（Object Detection）是
2018-09-15 00:08:00
原创 基於深度學習的目標檢測算法綜述（二）—Two/One stage算法改進之R-FCN
基於深度學習的目標檢測算法綜述（一）：https://blog.csdn.net/weixin_36835368/article/details/82687919 目錄 1、Two stage 1.1 R-FCN：Object Det
2018-09-15 00:08:00