原创 一鍵安裝maskrcnn-benchmark用於目標檢測，實例分割和關鍵點檢測

關於目標檢測，實例分割和關鍵點檢測等，github上已經有了一個開源項目。但是需要安裝相關環境。 本博文就是利用conda一鍵安裝這個環境。 條件：ubuntu系統。 第一步：安裝conda 第二步：拷貝下面的文件一，並在Ubu

2020-02-23 20:00:21

原创 深度學習中batch size 和 learning rate有什麼關係？

參考文章鏈接 參考文章題目：One weird trick for parallelizing convolutional neural networks 具體可看第5頁中。 一般來說，我們batch size 大一些，則lear

2020-02-23 20:00:21 2

原创 【系統分析】1*1卷積的作用

在卷積神經網絡中，卷積核大小爲1*1的卷積有什麼作用呢？ 有兩個作用： 1. 改變channel的數量 2. 增加非線性程度 第一個比較好理解，那就是1*1卷積不改變特徵圖的大小或者尺寸（當然，你也可以改變，通過stride大於1

2020-02-23 20:00:11

原创 卷積神經網絡之如何使用【公式】計算感受野 receptive field?

感受野可以說卷積神經網絡中比較重要的一個知識點了，對於理解神經網絡的原理應該是有重要作用的。 本文旨在說明如何計算感受野。 基本知識 1. 普通神經網絡基本構成：卷積核大小，步長，padding 2. 計算輸出特徵圖大小：看下面的

2020-02-23 20:00:11

原创 【深度解讀】Alexnet論文

本文作爲深度學習的突破性文章，將卷積神經網絡用在圖片的分類上，極大的提高了分類的準確率。 背景和基礎知識 首先，本文先說一下本文的背景知識和一些基本概念。 我們說機器視覺領域主要針對圖像和視頻，以他們爲處理對象，這和其他應用比較起

2020-02-23 20:00:11

原创 以蟻羣算法爲例，學習智能算法需要注意哪些問題？

在研究生期間，我當時對一個問題十分懷疑，那就是蟻羣算法有什麼用，相信很多人或許都對這個問題有過質疑。因爲我目前沒有見過蟻羣算法用在哪個實際問題上過。或許有人蔘加過公司的一些工作面試，但是很少公司需要你掌握蟻羣算法的。我們自己也嘗試

2020-02-23 20:00:11

原创 torch.stack 和 torch.cat 錯誤：argument 'tensors' (position 1) must be tuple of Tensors, not Tensor

本篇博文介紹pytorch中一些函數的輸入問題，主要是tensor 和 tensors的區別。 在pytorch中我們也有對一個數據的疊加： pytorch.stack ，這個函數可以在數據疊加的同時，擴展數據維度。比如說我們把三

2019-09-05 04:26:50 88

原创 pytorch使用 to 進行 類型轉換

在程序中，有多種方法進行強制類型轉換。 本博文將介紹一個非常常用的方法：to（）方法。 我們通常使用它來進行GPU和CPU的類型轉換，但其實也可以用來進行torch的dtype轉換。 常見方法：tensor.to(‘cuda:0’

2019-09-03 04:15:20 1

原创 python+opencv像素的加減和加權操作的實現

這篇文章主要介紹了python+opencv像素的加減和加權操作的實現，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨着小編來一起學習學習吧 本文介紹了python+

2019-07-15 08:33:08 18

原创 論文閱讀與機制理解pix2pix: Image-to-Image Translation withConditional Aversarial Networks

L2和L1損失，用來減少生成圖像和目標圖像像素之間的距離，這會導致圖像模糊（實驗結果就表明L1生成的圖像像素值處於中間水平），因爲這樣的損失函數通過對所有可能的輸出像素值的平均來減少像素之間的距離。從數學上來說，在-1到1範圍內

2019-07-11 05:45:36 15

原创 Pytorch的add_param_group使用說明

這個可以用來凍結某些參數，也可以用來指定參數的學習 import torch import torch.optim as optim w1 = torch.randn(3, 3) w1.requires_grad = True

2019-06-11 11:22:08

原创 深度學習（GAN）中concatenate 和 add的區別

在深度學習中，有時候我們會涉及到兩個特徵結合，在使用卷積情況下就涉及feature map的結合。 一般情況下，feature maps的結合有兩種方法，一種是元素對應相加，簡稱add，另一種就是把特徵圖堆到一起來，簡稱conca

2019-06-11 11:22:07 15

原创 python + assert 如何斷言兩個高維（包括二維）矩陣中每一個元素都相等

在上一篇博客，我實現瞭如何斷言一個向量相等 這篇博客，其實一模一樣，將一個高維矩陣變成一個向量之後再利用上次的方法就可以了。 其實，斷言向量，也就是將向量變成一個個數就行了。這是不變的原理。 import numpy as np a

2019-05-06 14:33:54 2

原创 python+ assert 斷言兩個向量的所有元素相等

a = [0, 2, 3] b = [0, 2, 3] assert all(a[i] == b[i] for i in range(len(a))), 'They aren\'t always equal' b = [0, 2, 2

2019-05-06 14:33:44

原创 【pytorch+全連接層】mnist分類問題【儘可能的高準確率，99%以上】

要求 使用pytorch，使用全連接層，而不是用卷積層，要求有兩層隱含層 儘可能提高準確率 本博客要求使用GPU，否則CPU可能需要半天時間才能運行出來結果 要求下載CSV格式的mnist數據（可以在我上一篇博客裏面下載） 寫在前

2019-04-20 09:09:26