原创 total variation

總變差有點像衡量一個函數變化程度的函數 用在圖像上,total variation loss可以使圖像變得平滑 維基百科的解釋如下,我只看懂了下邊這張圖的部分,其他公式。。嗯。。意會吧,嘿嘿

原创 win10 - Texlive - File numcompress.sty not found 解決方案

首先下載numcopress.sty文件,放在相對應的目錄下。(這個目錄不一定適用所有情況,簡單的尋找該目錄的方法就是,搜索.sty文件,會出來很多這個文件,隨便找一個,右鍵打開文件所在目錄,貼進去就ok了) E:\texlive\201

原创 人臉數據庫簡要介紹

人臉檢測測試數據庫: 1. fddb,http://vis-www.cs.umass.edu/fddb/ 人臉識別測試數據庫: 1. lfw,http://vis-www.cs.umass.edu/lfw/#views lfw數據集是

原创 DL學習筆記【20】nn包中的各位Simple layers

來自教程: https://github.com/torch/nn/blob/master/doc/simple.md 這個還是比較容易明白,只簡單寫一下咯 Parameterized Modules Linear  公式如下: y

原创 巨坑。。cuda!隨手記錄一點經驗(慎點-估計只有自己能看懂)

本人小白,在此對幫忙的大神同學表示誠摯的感謝~ 記錄一個很有用的網站 http://blog.csdn.net/hungryof/article/details/51557666 查看cuda version:

原创 DL學習筆記【22】增強學習(Reinforcement Learning)

據說瞭解增強學習首先要了解馬爾可夫性 馬爾可夫性 在已知目前狀態 (現在)的條件下,它未來的演變(將來)不依賴於它以往的演變 (過去 )  馬爾可夫過程按照其狀態和時間參數是否連續或者離散分爲三種: 時間和狀態都離散的

原创 【深度學習】目標檢測網絡結構SPP FAST-RCNN FASTER-RCNN

在講fast-rcnn之前,我們先來看一下spp net吧?~ spp net對r-cnn的改進主要有兩點:         1. 只對原圖提取一次特徵。輸入是圖片,在feature層對應位置找到候選框的位置。         2. 結合

原创 torch運行synthesis的代碼可能會遇到的問題及解決方案

如果想用cuda,一定要先裝!!!! 1. 安裝 cuda 和 cudnn http://blog.csdn.net/sun7_she/article/details/68946966 http://blog.csdn.net/iotl

原创 人臉驗證識別區別

Face verification 人臉驗證,一對一 Face identification / recognition 人臉識別,一對多 閉集:已知此人在該數據集中 開集:不知道此人在不在這個數據集中 Face

原创 DL學習筆記【21】ubuntu16 使用經驗彙總 + torch7 + iTorch

使用經驗 !!!如果想要用gpu編程,一定要先裝cuda,再去想別的!!! 詳情請見: http://blog.csdn.net/sun7_she/article/details/68946966 -------------------

原创 DL學習筆記【19】nn包中的各位Modules

參考網址: https://github.com/torch/nn/blob/master/doc/module.md#nn.Module.updateOutput Module [output] forward(inpu

原创 【深度學習】pytorch編寫新的層

      如何在CUDA中爲Transformer編寫一個PyTorch自定義層 https://cloud.tencent.com/developer/article/1419577 Pytorch拓展進階(一):Pytorch結合C

原创 【深度學習】CVPR2019-PAPER IDEAS

1. driving stereo: a large-scale dataset for stereo matching in autonomous driving scenarios 這位朋友的工作主要是在製作深度數據集,製作數據集的過

原创 CVPR 2019 新文閱讀

1 learning a deep convnet for multi-label classification with partial labels 深度學習在單標籤分類任務中表現很好,但是日常生活中的圖像本質上是多標籤的。多標籤分類

原创 【深度學習】分類網絡結構RESNET RESNEXT DENSENET DPN MOBILE NET SHUFFLE NET

RESNET 跳躍連接   RESNEXT 拆分-轉換-合併 增加基數(獨立路徑的數量)來提高準確度比網絡加深或擴大來提高準確度更有效。(爲什麼呢?)   DENSENET 相加改爲相併聯 加強shortcut,將所有層直接連接在一起