原创 目標檢測20年綜述之(一)

目標檢測20年綜述 本文是一篇綜述的閱讀筆記:《Object Detection in 20 Years: A Survey》 介紹歷史上的里程碑檢測器、檢測數據集、評價指標、檢測系統的基本構件、加速技術,以及最新最先進的檢測方法

原创 搜狗計算機視覺實習生電面

昨天內推,今天電面,計算機視覺算法崗。 全程50分鐘,無傳統算法題。 根據記憶,大概有如下一些問題。 1.介紹一下前一段實習 簡單介紹了一下目標檢測的實習經歷 2.目標檢測two-stage模型 RCNN-->SPPNet-->Fast

原创 論文筆記(四):Tiny-DSOD: Lightweight Object Detection for Resource-Restricted Usages

本文以Tiny-DSOD爲主線,介紹其來龍去脈,和相關的幾篇文章。 論文:Tiny-DSOD: Lightweight Object Detection for Resource-Restricted Usages  論文鏈接:https

原创 screen讓你服務器程序後臺運行

1.Background 現在的深度學習訓練一般都是使用服務器,而我們通過SSH連接服務器跑程序或者其他操作會遇到一些問題,比如訓練代碼跑太久導致沒辦法關機,因爲關掉命令行窗口程序就會停止,或者有時我們需要同時開多個終端,因爲一個終端在代

原创 關於lower_bound( )和upper_bound( )的常見用法

原文鏈接:https://blog.csdn.net/qq_40160605/article/details/80150252 lower_bound( )和upper_bound( )都是利用

原创 PyTorch 學習筆記(六):PyTorch的十七個損失函數

文章目錄1. L1loss2.MSELoss3.CrossEntropyLoss5.PoissonNLLLoss6.KLDivLoss7.BCELoss8.BCEWithLogitsLoss9.MarginRankingLoss1

原创 Python/Numpy/Pandas中axis=0和1分別代表什麼

1.看整體 從整體的維度上看,axis的值,意味着順着這一維進行操作,體現在shape上,就是把這一維度合併。比如下圖,axis=0,本來(2,3,4,5)的維度變成了(3,4,5),也就是第0個維度合併沒了。 2.看具體 如

原创 如何進行算法學習(刷題/刷leetcode)

文章目錄算法不是拼智商難度要循序漸進按算法分類來選題解題三部曲1. 看懂題目2.分析,推導解法3.將思路轉換爲代碼算法的封裝保持持續的動力總結參考資料 算法學習or刷題/leetcode可能是每個計算機學生或者其他想做程序員的人必

原创 微軟/阿里/商湯等計算機視覺算法實習面經

Github面經詳細 知乎專欄 文章目錄一、概述二、面經1.搜狗杭州cv崗2.頭條AI lab2.1 一面(1小時)2.2 二面(1小時)3. 平安科技4. 第四範式5.海康威視5.1 一面5.2 二面6.商湯科技6.1 一面/二

原创 Mac ssh免密碼登錄Linux服務器

1.背景 從事深度學習,我們一般需要利用服務器的資源(內存、CPU、GPU等)進行訓練和測試,頻繁登陸服務器,每次輸入密碼就比較麻煩。那麼怎麼纔可以不用輸入密碼,實現免密登陸呢? 2.具體操作步驟 (1)查看本地有沒有生成密鑰 打開終

原创 PyTorch 學習筆記(五):Finetune和各層定製學習率

本文截取自一個github上千星的火爆教程——《PyTorch 模型訓練實用教程》,教程內容主要爲在 PyTorch 中訓練一個模型所可能涉及到的方法及函數的詳解等,本文爲作者整理的學習筆記(五),後續會繼續更新這個系列,歡迎關注。

原创 PyTorch 學習筆記(二):PyTorch的數據增強與數據標準化

本文截取自一個github上千星的火爆教程——《PyTorch 模型訓練實用教程》,教程內容主要爲在 PyTorch 中訓練一個模型所可能涉及到的方法及函數的詳解等,本文爲作者整理的學習筆記(二),後續會繼續更新這個系列,歡迎關注。 項目

原创 深度學習環境配置

對於入門深度學習的新手來說,配置環境是件讓人頭疼的事情,今天總結一下Linux服務器配置環境的流程。 1.安裝cuda和cudnn 這個之前博客有寫過,見下面鏈接 Linux無root無sudo權限在用戶目錄安裝cuda9.2和cud

原创 20屆華爲勇敢星實習面試記錄

1.概述         這篇應該算雜文,因爲現場面試需要等待,以及地鐵上有點時間,除了正式的東西還有一些亂七八糟的描述和感受,想看面經的還是看我GitHub吧😂😂😂 https://github.com/espectre/Algorit

原创 Detection基礎模塊之(二)mAP

1.mAP及相關概念 關於PR曲線、Precision、Recall、TP、FP、FN等概念的細節可參考機器學習評價指標合輯 關於IoU的概念和實現可參考IoU mAP: mean Average Precision, 即各類別AP的平