原创 OCNet: Object Context Network for Scene Parsing (Microsoft Research)論文解析

不得不說,這篇論文和DANet撞車了,而且撞的死死的,用的同樣的核心內容,爲什麼會撞車,那是因爲,兩個篇文章都套用了同一篇文章的方法,同時想到了一起,你說巧不巧 不同於之前圖像級的context的方法,這篇論文提出逐像素的object c

原创 C++中的虛函數(表)實現機制以及用C語言對其進行的模擬實現

原文鏈接:https://blog.twofei.com/496/ 本文是轉載的,正版是https://blog.twofei.com/496/ 歡迎去看正版!   C++中的虛函數(表)實現機

原创 利用多重映射從本地查看集羣的tensorboard

訓練過程的可視化對實驗的成功是非常重要的,tensorboard工具強大,能夠提供很好的可視化數據分析。 由於本實驗室集羣上沒有可視化端口,從本地查看集羣任務的tensorboard着實有點費勁,下面說一下查看教程。 思路:      

原创 VS code 選擇指定環境下的python運行代碼

VS code安裝後運行python的時候會有疑問,我到底是在哪個python環境在運行的呢,我本來有三個環境:base,tensorflow,pytorch,之前用終端運行的時候是"activate pytorch"去激活環境然後運行,

原创 八皇后問題——DFS

國際象棋中的皇后比中國象棋裏的大車還厲害,皇后能橫向,縱向和斜向移動,在這三條線上的其他棋子都可以被吃掉。所謂八皇后問題就是:將八位皇后放在一張8x8的棋盤上,使得每位皇后都無法吃掉別的皇后,(即任意兩個皇后都不在同一條橫線,豎線和斜線上

原创 2018 AI Challenger全球AI挑戰賽‘眼底水腫病變區域自動分割’賽道比賽總結

                                    2018 AI Challenger全球AI挑戰賽‘眼底水腫病變區域自動分割’賽道比賽總結 蘇州的十月,無論是天氣還是桂香都覺得讓人無所適從,忙碌的低年級學生一陣風似

原创 DFS深度優先搜索算法——例子

原文地址:https://www.cnblogs.com/OctoptusLian/p/7429645.html 解救小哈——DFS算法舉例 閱讀目錄 一、問題引入 二、問題的分析 三、解決問題——深度優先搜索 四、完整代碼 五、寫在最

原创 python實現鏈表翻轉

class Solution: # 返回ListNode def ReverseList(self, pHead): # write code here c=pHead p

原创 python實現歸併排序和快速排序

歸併排序 def MergerSort(lists): if len(lists)<=1: return lists num=int(len(lists)/2) left=MergerSort(l

原创 Hyperas - 在Keras中自動選擇超參數

Hyperas - 在Keras中自動選擇超參數 深度學習做到後面都剩下調參數 而參數又不是那麼容易調整,是個廢力又廢時的工作 這邊將介紹透過Hyperas這個套件,自動選擇符合模型最好的參數 安裝Hyperas 使用pip進行安裝 $

原创 Keras下的多GPU訓練和測試——以U-net爲例

先上主函數代碼: # -*- coding: utf-8 -*- from model import * from data import *#導入這兩個文件中的所有函數 from keras.utils import multi_gp

原创 OCNet: Object Context Network for Scene Parsing (Microsoft Research)

不同於之前圖像級的context的方法,這篇論文提出逐像素的object context,object context由像素P所對應的類別的物體組成。由於測試時不知道標籤信息,所以用Self Attention方法通過學習逐像素的相似度圖

原创 PSPNet模型源碼解析

from __future__ import print_function from math import ceil from keras import layers from keras.layers import Conv2D,

原创 KL散度、JS散度、Wasserstein距離

原文鏈接:https://zxth93.github.io/2017/09/27/KL%E6%95%A3%E5%BA%A6JS%E6%95%A3%E5%BA%A6Wasserstein%E8%B7%9D%E7%A6%BB/index.ht

原创 VAE(可變自動編碼)

什麼是變分自動編碼器? 爲了理解VAE,我們首先從最簡單的網絡說起,然後再一步一步添加額外的部分。   一個描述神經網絡的常見方法是近似一些我們想建模的函數。然而神經網絡也可以被看做是攜帶信息的數據結構。   假如我們有一個帶有解卷積層的