原创 特徵圖先進行全局平均池化（GAP）之後進行全連接層，而不是直接在特徵圖上進行全連接的原因
這樣做是因爲經過cnn提取得到的特徵圖，其實包含了原始圖片的空間信息（也就是位置信息），如果直接做了由特徵圖到特徵向量的轉換，會破壞空間信息，而先做了全局平均池化，再做全連接層，效果會好一些。 這個內容是在看 Class Activate
2020-05-22 18:51:15
原创 windows10 原版 純淨版 下載
最近在整理自己的電腦，想下載一個純淨的64位windows10系統，我就在網上搜啊，下載一個安裝以後，就發現一大堆的軟件，360金山毒霸什麼玩意的，根本是刪除都刪除不掉，太可惡了，沒辦法，我就到微軟中國的官網上利用他的一個工具下載了64位
2020-05-20 23:43:07
原创 python模擬簡單的撲克牌遊戲
這個代碼實現的是J來家遊戲，規則是這樣的： 兩個玩家隨機平分一副撲克牌中的紙牌，然後從最上面出牌，名牌擺出，如果玩家出的牌是J，則將已經落地的名牌全部收歸自己，放到自己牌的最下方，再出一張牌；如果出的牌在擺出的牌中存在了，則將剛出的牌和相
2020-05-06 15:11:56
原创 pytorch中的 scatter_()函數使用和詳解
scatter(dim, index, src)的三個參數爲： （1）dim:沿着哪個維度進行索引 （2）index: 用來scatter的元素索引 （3）src: 用來scatter的源元素，可以使一個標量也可以是一個張量 官方給的例子
2020-04-26 11:19:36
原创 backbone、head、neck等深度學習中的術語解釋
我們在閱讀文章的時候，經常看到backbone head neck 這一類的術語，但是我們可能並不知道是什麼意思，這篇文章就是對這些術語進行解釋： backbone：翻譯爲主幹網絡的意思，既然說是主幹網絡，就代表其是網絡的一部分，那麼是
2020-04-25 18:07:04
原创 REID triplet loss 圖片按照N * K 進行預處理
我們在進行triplet loss 的計算時候，必須使得送入網絡的mini_batch中的數據是按照N 個ID，每個ID存在K個不同個體的方式進行的，但是如果我們按照普通的dataloader 獲取方式，無法保證這樣的劃分，因此需要進行處
2020-04-23 20:56:23
原创 python 單線劃線和雙下劃線在變量名和方法中的使用
https://blog.csdn.net/Treasure99/article/details/91345293 除了上文博主說的情況，在有的軟件包中的一些方法裏，舉個例子. import package x = 88 pac
2020-04-23 20:56:23
原创 標量對向量，標量對矩陣，向量對向量，向量對矩陣求導
https://www.cnblogs.com/pinard/p/10750718.html https://www.cnblogs.com/pinard/p/10773942.html https://www.cnblogs.com/p
2020-04-21 23:37:37
原创 多分類問題的soft cross entropy 損失函數
在做多分類問題的時候，分類結果的損失函數經常使用交叉熵損失函數，對於預測結果，先經過softmax，然後經過log，然後再根據One hot向量只取得其中的一個值作爲損失函數的吸收值，比如，logsoftmax後的值爲[-0.6, -0.
2020-04-19 12:05:19
原创 AE學習節點記錄
跟着B站上面的 影視後期系統教學 學習內容，地址爲： https://www.bilibili.com/video/BV1qi4y1b7XA?p=7 裏面的內容很多，不可能都記住，應該是一邊做視頻一邊學習，有些技能得知道在哪找到，直接
2020-04-19 12:05:19
原创 加入triplet loss的 reid Pytorch實現
把triplet loss加到reid的實現中了，工程目錄結構如下圖所示： loss.py代碼如下： import torch import torch.nn as nn import torch.nn.functional as F
2020-04-16 11:20:02
原创 利用kmeans對iris數據集進行分類，kmeans聚類算法實例
上課，老師讓做作業，kmeans分類，將iris進行聚類分類，於是就做了這個作業。很簡單，我就將其設置爲分三類，重點是我在選擇初始center的時候，嘗試了使用隨機選取和使用大招選取兩種方式，隨機選擇初始點的效果不如放大招。這個大招是這樣
2020-04-16 11:20:02
原创 pytorch的數據增強
在利用Pytorch進行深度學習的時候，經常是在固定的數據集上進行epoch次訓練，常用代碼如下所示： import torch import torch.nn as nn from torchvision import datase
2020-04-16 11:20:02
原创 nn.CrossEntroyLoss nn.NLLoss nn.LogSoft pytorch損失函數
nn.NNLoss(x,y_target) = -x[y_target] x=[1,2,3] y_target=[2] 則loss = x[2]=3 nll = nn.NLLLoss() x = torch.randn(3,3) y_t
2020-03-22 13:12:21
1
原创 np.nean()
numpy中的mean()函數輸入的是一個array類型,返回的是這個array中所有元素的平均值，實例如下： import numpy as np x1 = np.random.randint(0,2,(3,4)) print(x1
2020-03-22 13:12:11