原创 如何在Ubuntu18.04下安裝CUDA10.1和cudnn

CUDA10.1的版本比較新了,網上的一些教程不再適用。還有網上的部分介紹過於複雜,這裏結合自己實際安裝經驗。介紹一個我的實現思路。 額外說一句gcc的事情,現在的版本gcc到了7.4,安裝CUDA10.1的時候,不再需要把gcc

原创 講解泊松融合文章推薦

最近業餘在折騰一個東西,偶然間看到了泊松融合。這正是我需要的。其中有兩篇文章講的很好。這裏記錄一下,推薦需要用到泊松融合技術的也去看看這兩篇文章。 [1]從泊松方程的解法,聊到泊松圖像融合 [2]圖像處理(十二)圖像融合(1)Se

原创 PyTorch實現深度可分離卷積(以MobileNet爲例)

介紹深度可分離卷積之前首先要先介紹一下分組卷積。 分組卷積 參考鏈接[1]已經將分組卷積介紹的比較詳細了,這裏就不再贅述。原理可以參考一下參考鏈接。但是這篇文章對於分組卷積的具體代碼講解,感覺不太好。這裏對於分組卷積着重介紹一下代

原创 目標檢測參考

參考 [1] 錨框:Anchor box綜述 [2] 邊界框迴歸(Bounding-Box Regression) [3] 目標檢測|YOLOv2原理與實現(附YOLOv3) [4] 一文看盡YOLO V2的10個改進技巧

原创 Ubuntu安裝ssr遇到的問題

在ubuntu安裝ssr的時候,發現安裝好之後沒有辦法聯網,後來發現原來是Python的問題,下載這個東西需要Python的支持,但是ubuntu裏面只有Python3沒有Python,所以需要建立一個軟連接,也就是說把Pytho

原创 Faster RCNN網絡簡介

介紹 Faster RCNN網絡是目標檢測領域里程碑式的一個網絡。這個網絡的提出,真正將深度學習方法端到端的應用到目標檢測領域。大幅提升了目標檢測的檢測速度和檢測準確程度。論文的RPN、Anchor等思想對後續的論文和研究工作也有

原创 yolov3參考鏈接

[1] YOLOv3 深入理解

原创 訓練生成對抗網絡的過程中,訓練gan的地方爲什麼這裏沒有detach,怎麼保證訓練生成器的時候不會改變判別器

答: detach的作用是凍結梯度下降,無論是對於判別網絡還是生成網絡而言,我們更新的都是關於logD(G(z)),對於判別網絡而言,凍結G並不影響整體的梯度更新(就是內層函數看成是一個常數,不影響外層函數求梯度),但是反過來,

原创 在Pytorch上使用summary

我們知道,Keras有一個非常有好的功能是summary,可以打印顯示網絡結構和參數,一目瞭然。但是,Pytorch本身好像不支持這一點。不過,幸好有一個工具叫torchsummary,可以實現和Keras幾乎一樣的效果。 pip

原创 pix2pix中的判別器設計

引言 pix2pix算是cGAN的一種,但是和cGAN又略有不同,而且,在pix2pix這篇論文中,首次提出了PatchGAN的概念,初次接觸到的人可能會略有疑惑。這篇文章,我們就一起來探討一下,pix2pix中的判別器是如何設計

原创 Pytorch中的optimizer.zero_grad和loss和net.backward和optimizer.step的理解

引言 一般訓練神經網絡,總是逃不開optimizer.zero_grad之後是loss(後面有的時候還會寫forward,看你網絡怎麼寫了)之後是是net.backward之後是optimizer.step的這個過程。 real_

原创 Python跨平臺文件夾分割方法os.sep

我們在尋找路徑或者進行一些什麼操作的時候,可能經常要對文件夾進行分割操作。但是在在Windows上,文件的路徑分隔符是’’,在Linux上是’/’,這會對我們的跨平臺Python程序帶來很多困擾。不過Python中的os.sep就

原创 Python劍指offer:和爲s的連續整數序列

''' 輸入一個正數s,打印出所有和爲s的連續正數序列(至少含有兩個數)。 例如,輸入15,由於1+2+3+4+5=4+5+6=7+8=15,所以打印三個連續 序列,1-5,4-6,7-8 ''' class Solution:

原创 如何製作人臉微笑檢測程序

這裏介紹一個深度學習的簡單應用,製作一個微笑檢測程序。用深度學習技術做分類,然後再用OpenCV的級聯分類器做人臉識別,基本可以做到實時檢測。下面展示一個效果圖(示意): 下面介紹微笑臉分類模型的構建: 數據介紹 數據地址:ht

原创 LeetCode215:數組中第K個最大元素

在未排序的數組中找到第 k 個最大的元素。請注意,你需要找的是數組排序後的第 k 個最大的元素,而不是第 k 個不同的元素。 示例:輸入: [3,2,1,5,6,4] 和 k = 2 輸出: 5 這個問題就是一個排序問題,下面