原创 Mac OS與Linux的關係，以及如何在Mac OS設備上管理Python多版本
Mac OS、GNU linux OS、Unix OS，似乎有着相似的指令行和shell功能，但卻是完全不同的操作系統。 只不過，linux和Mac OS，都有類Unix的性質。 Unix OS Unix出現的最早，所以似乎扮演了大家
2020-07-05 17:58:13
1
原创 PyTorch使用tensorboard（遠程服務器和本地計算機的聯動）
本文基於Ubuntu16.04系統，Python3.7 --------------------------------------------------------------------------------- 首先是配置PyTo
2020-07-05 17:58:13
5
原创 在本地使用遠程服務器上的jupyter notebook服務（同時開啓多個notebook）
因爲服務器常常放置在遠程，且沒有顯示器支持，因此我們需要在本地計算機顯示和使用遠程服務器（linux服務器）上的jupyter notebook服務。 要實現此目的，需要進行三步操作： 1. 在服務器端啓動jupyter notebook
2019-09-16 23:02:10
9
原创 Ubuntu16.04服務器上用conda安裝PyTorch、torchvision、cuda
首先感嘆，Firewall性能槓槓的！ 再簡單談一談我對pip和conda這兩個指令（即兩個program，在系統的/bin directory中能找到對應的二進制可執行文件，且被添加在了系統的$PATH（路徑）中）的認識。 pip和co
2019-08-29 00:07:09
7
原创 PyTorch使用tensorboard & Jupyter notebook（遠程服務器和本地計算機的聯動）
本文基於Ubuntu16.04系統，Python3.7 -------------------------------------------------------------------------------------------
2019-08-29 00:07:09
12
原创 Linux入門級概念理解和tips
Linux General Info: Linux OS is actually a combination of the GNU project (providing all the quirks and features wrap
2019-08-22 22:23:34
原创 Jupyter Notebook 入門級shortcuts 和 tips
Jupyter notebook is a sequential collection of cells. Cell can be in either Edit (green colored) & Command (blue colore
2019-08-22 22:23:34
原创 續接上文，關於深度可分離卷積與傳統卷積的一點思考
關於深度可分離卷積（DSC）與傳統卷積間差別的一點點思考，望各位大佬指正。 DSC是將Conv對spatial（receptive-field-wise）和semantic（channel-wise）的同時學習給一分爲二了。 在分開的這兩
2019-08-13 22:51:43
原创 Linux系統內基礎知識的個人感悟
初入江湖，在下菜鳥，還請大佬指點。這裏淺談自己對一些linux常見概念的入門級感悟。 ----------------------------------------------------------------- 感 謝 大 佬 賞
2019-08-13 22:51:43
1
原创 關於卷積操作（Convolution）的理解（參數量和運算量計算），以及網絡輕量化（MobileNet Inspired Depthwise Separable Conv深度可分離卷積）
深度學習，尤其是深度卷積網絡的迅猛發展，使得其在存儲和算力奢侈的GPU（多GPU）上的部屬趨於成熟。然而，將基於深度CNN的方法有效移植到存儲和算力有限的移動設備端（手機、Pad、嵌入式設備等）面臨諸多挑戰。 核心挑戰就是如何降低CNN對
2019-08-13 22:51:43
697
原创 在計算機視覺任務中摸索domain adaptation and transfer learning，新手入門淺談心得
文中我們用DA代之domain adaptation，TL代指transfer learning。本人初涉這個領域，若下文心得有誤，望各位看官老爺/娘娘海涵。read with caution ：） 故事如何講起呢？ 首先明確一個故事背景
2019-03-12 20:46:07
1
原创 關於focal loss和分類任務中的hard negative（positive）mining
深度學習，數據是關鍵。 在訓練一個分類器的時候，對數據的要求是class balance，即不同標籤的樣本量都要充足且相仿。然而，這個要求在現實應用中往往很難得到保證。 下面我以基於檢測的單目標跟蹤舉例分析這個問題。 visual obj
2018-12-09 21:15:28
4
原创 關於導數（derivative），偏導數（partial derivative），梯度（gradient）的概念辨析
在研究深度學，尤其時back-propagation算法時，對梯度和偏導的概念有很多涉及。個人數學功底渣渣，通過多處求證，在這裏簡單回顧梳理一下，以避免混淆模糊，便於不時查閱。 首先，導數僅定義在一元函數y = f(x)上，而偏導和梯度是
2018-12-09 21:15:28
2
原创 關於神經網絡的訓練與優化的一些想法。Thoughts about optimization & training in Neural Networks--back propagation & SGD
一個神經網絡是一個遵循連接原則級聯構成的函數逼近器（function approximation）。這個function將輸入x轉化成輸出y。以image classification爲例，x是圖片，y是labels。 對於一個神經網絡的
2018-12-07 21:48:16
1
原创 關於Stochastic Gradient Descent和機器學習的優化問題
給定一個問題以及相應的data ( 是一個sample pair（x，y）)，若採用機器學習的手段來解決，那麼要分兩步走： 1. 模型選擇：即選定一族函數 F，這個大F可以是SVM，linear regression，boosting，或
2018-12-07 21:48:16
1