原创 交叉熵損失函數總結: 定義、應用及求導

交叉熵損失函數總結: 定義、應用及求導 先說熵(entropie),熵最早出現在熱力學中,用於度量一個熱力學系統的無序程度。後來熵被引入到信息論裏面,表示對不確定性的測量。 爲了弄清楚交叉熵,首先需要弄清楚交叉熵相關的幾個概念。

原创 深度神經網絡中常用的激活函數的優缺點分析

深度神經網絡中常用的激活函數的優缺點分析 本文主要總結了深度神經網絡中常用的激活函數,根據其數學特性分析它的優缺點。 在開始之前,我們先討論一下什麼是激活函數(激活函數的作用)? 如果將一個神經元的輸出通過一個非線性函數,那麼整個

原创 ubuntu自帶的merge工具 Meld Diff Tool 無法啓動

ubuntu自帶的merge工具 Meld Diff Tool 無法啓動 1. 原因 ubuntu 16.04 已經自帶了 meld, 但是在我的機器上卻無法正常啓動。 原因是因爲我修改了默認的 python 版本,變成了 pyt

原创 pytorch 中的 transforms.TenCrop 和 transforms.FiveCrop 講解

pytorch 中的 transforms.TenCrop 和 transforms.FiveCrop 講解 1. transforms.TenCrop 和 transforms.FiveCrop 在幹什麼? 這一點官方文檔寫的很

原创 Ubuntu 16.04 裝機指南(分區 + 顯卡驅動 + Cuda9.0 + CUDNN7.0)

Ubuntu 16.04 裝機指南 1. 製作引導盤 藉助 ultroISO 製作啓動盤很簡單,這裏就不在贅述,可以參考 製作Ubuntu16.04系統安裝的U盤(附資源). 2. 系統分區 關於分區的說法很多,而且基本都還是針對

原创 深度學習目標檢測之 R-CNN 系列:Faster R-CNN 網絡詳解

深度學習目標檢測之 R-CNN 系列:Faster R-CNN 網絡詳解 深度學習目標檢測之 R-CNN 系列包含 3 篇文章: 從 R-CNN 和 Fast R-CNN 到 Faster R-CNN Faster R-CNN

原创 深度學習中的圖像數據擴增(Data Augmentations)方法總結:常用傳統擴增方法及應用

深度學習中的圖像數據擴增(Data Augmentations)方法總結:常用傳統擴增方法及應用 1. 前言 這篇文章主要參考 A survey on Image Data Augmentation for Deep Learni

原创 Ubuntu16.04 + Opencv3.4.2 + python3.5 + caffe

Ubuntu16.04 + Opencv3.4.2 + python3.5 + caffe-ssd 這一篇的前提是已經按照 Ubuntu 16.04 裝機指南(分區 + 顯卡驅動 + Cuda9.0 + CUDNN7.0) 安裝好

原创 C/C++常見面試知識點總結附面試真題----20190407更新

以下內容部分整理自網絡,部分爲自己面試的真題。 第一部分:計算機基礎 1. C/C++內存有哪幾種類型? C中,內存分爲5個區:堆(malloc)、棧(如局部變量、函數參數)、程序代碼區(存放二進制代碼)、全局/靜態存儲區(全局變

原创 Win10設置anaconda中python 的默認版本

爲什麼設置python的版本? 在build caffe 的時候對python的版本有要求,比如只能是2.7或者3.5,可是現在安裝的annaconda自帶的版本是3.7的,沒辦法又新建了一個環境caffe,是3.5 的版本,但是

原创 一個 python 版本下如何管理多個 caffe 版本

比如我的系統是 Ubuntu16.04, 用的 python 是自帶的 3.5, 需要用 caffe, 除了標準的 caffe 版本之外,可能還需要其他的 caffe 版本,比如 ssd 的版本,那在同一個版本的 python 下

原创 FPN(Feature Pyramid Networks) 網絡

FPN 網絡 1. 前言 通常在神經網絡中,淺層特徵圖(feature maps)的感受野比較小,包含語義信息比較少,但是其空間位置信息準確,而深層網絡,感受野大,語義信息強,但是由於 pooling 等造成了像素位置信息丟失等,

原创 Ubuntu 下不同版本 cuda 和 cudnn 切換

Ubuntu 不同版本 cuda 和 cudnn 切換 可能不同的軟件對與 cuda 和 cudnn 的版本有不同的要求,所以需要根據具體的要求來切換其版本。 ubuntu 是支持安裝多個版本的 cuda 的,需要使用某個的版本時

原创 目標檢測模型的評價指標(Acc, Precision, Recall, AP, mAP, RoI)

目標檢測模型的評價指標(Acc, Precision, Recall, AP, mAP, RoI) 對於一個目標檢測模型的好壞,總的來說可以從以下三個方面來評估: 分類的精度如何。一般可以用準確度(Accuracy),精度(Pr

原创 深度學習目標檢測之 R-CNN 系列: 從 R-CNN 和 Fast R-CNN 到 Faster R-CNN

深度學習目標檢測之 R-CNN 系列: 從 R-CNN 和 Fast R-CNN 到 Faster R-CNN 深度學習目標檢測之 R-CNN 系列包含 3 篇文章: 從 R-CNN 和 Fast R-CNN 到 Faster