原创 安裝系統 出現windows安裝程序無法將windows配置爲在此計算機的硬件上運行

可能的原因是win10安裝 刪除了msr分區 最簡單的解決辦法,接着重裝,打開系統安裝中的另一個diskgenius,髯口選擇快速分區,可以重新選擇分區的個數,這樣的話就可以重新創建msr,並且再次裝機了,非常方便。 推薦使用大白菜U

原创 Linux查看GPU信息和使用情況

轉載自https://blog.csdn.net/dcrmg/article/details/78146797 運行程序前使用CUDA_VISIBLE_DEVICES=GPU編號來指定使用哪塊顯卡,用多顯卡的話在程序裏寫好,不要直接p

原创 DATA_FORMAT = 'NCHW' 和DATA_FORMAT = 'CHWN'

轉載自https://blog.csdn.net/qq_39622065/article/details/81228915 NHWC [batch, in_height, in_width, in_channels] NCHW [ba

原创 CNN中卷積層的詳細計算

轉載自https://blog.csdn.net/liangjiubujiu/article/details/81000780 卷積層尺寸的計算原理 輸入矩陣格式:四個維度,依次爲:樣本數、圖像高度、圖像寬度、圖像通道數 輸出矩陣格

原创 depthwise_conv2d來源於深度可分離卷積

轉載自https://blog.csdn.net/mao_xiao_feng/article/details/78003476 depthwise_conv2d來源於深度可分離卷積: Xception: Deep Learning wi

原创 slim使用中遇到的問題

在本地tensorflow中創建變量需要預定義值或初始化機制(例如,從高斯隨機採樣)。 此外,如果需要在特定設備(如GPU)上創建變量,則必須明確規定。 爲了減少變量創建所需的代碼,TF-Slim在variables.py中提供了一組簡單

原创 tf.nn.atrous_conv2d如何實現空洞卷積?

轉載自 https://blog.csdn.net/mao_xiao_feng/article/details/78003730 介紹 關於空洞卷積的理論可以查看以下鏈接,這裏我們不詳細講理論: 1.Long J, Shelhamer

原创 製作tfrecords數據集(非xml標註)

只需要放入: Basic.DATADIR:數據集中圖片的位置 test:數據集的類型,train,test,valid output_directory:輸出路徑 target_classes:類型 anns:標註信息 然後將

原创 tf.nn.conv2d是怎樣實現卷積的?

轉載自https://blog.csdn.net/mao_xiao_feng/article/details/78004522 介紹 慣例先展示函數: tf.nn.conv2d(input, filter, strides, padd

原创 tf.nn.depthwise_conv2d如何實現深度卷積

轉載自 https://blog.csdn.net/mao_xiao_feng/article/details/78003476 depthwise_conv2d來源於深度可分離卷積: Xception: Deep Learning w

原创 Pycharm遠程服務器配置

首先要配置pycharm連接服務器的設置 添加一個 本地地址: 然後點一下 Test SFTP 看看能不能連接成功 映射到服務器 配置遠程python解釋器 先點一下start SSH Session,然後從服務器上

原创 根據自己的數據集製作tf.records(圖片信息保存非xml格式讀取)

convert.py轉換信息的主文件 定義好datadir即圖片文件夾所在的地址 輸出tfrecords文件的輸出路徑 還有數據集的名稱 import tensorflow as tf import pascalvoc_to_tfr

原创 python 裝飾器

獲取參數 # 寫一個計時功能的裝飾器 import time def decrator(func): def wrapper(*args, **kwargs): # print(args)#(3,)

原创 深度學習 python讀取文件時採用的方法

import glob print(glob.glob("*")) 讀取文件列表,並返回一個list 數爲相對路徑“./”或者“”獲得所有文件路徑。如果文件名是已知的,那麼參數爲“./filename”或者“filename”如下:

原创 tf.nn.conv2d_transpose是怎樣實現反捲積的

轉載自 https://blog.csdn.net/mao_xiao_feng/article/details/71713358 反捲積出自這篇論文:Deconvolutional Networks,有興趣的同學自行了解 首先無論你如何