原创 tensorflow_gpu相關接口及多gpu訓練及相關注意
多gpu訓練使用keras multi_gpu_model(model, gpus, cpu_merge=True, cpu_relocation=False) 這個函數有個極其重要的參數，cpu_merge和cpu_relocati
2020-06-07 17:09:30
1
原创 tensorflow-gpu1.13-python環境搭建記錄
安裝python 1,https://www.python.org/ftp/python/3.6.4/python-3.6.4-amd64.exe 安裝到一個如python\python1目錄中 2，添加環境變量 3以管理員運行cmd
2020-06-07 17:09:30
原创 各個訓練數據集讀取操作
Mnist https://github.com/zhaoyue3513247/reasddsad/blob/master/mnist_read_data Cifar10 https://github.com/zhaoyue351
2020-05-21 18:53:10
原创 yolov4學習記錄
YOLOv4採用的優化方法 activation Activations: ReLU, leaky-ReLU, parametric-ReLU, ReLU6, SELU, Swish, or Mish 論文中採用Mish，實驗驗證
2020-05-19 23:48:15
原创 C++調python流程
用的是Visual Studio 2019；python3.6 安裝Visual Studio 2019時就安裝了最基本的那個，沒安python，python是自己安的。 我在未了解環境時弄了半天各種bug，因此首先應該看環境如何搭建。
2020-02-21 05:51:53
原创 強化學習2(dqn)
說一下看了博客和論文後，在實現算法過程中有哪些疑問與答案。 1，離散表格形式的強化學習重點 強化學習更新表格時，每走一步都要更新表格，但是在一開始時，表格數值都爲0，因此一般前面的很多行動都無法更新表格中的值，最後只會更新勝利或失敗的前一
2020-02-21 05:51:53
原创 tensorflow 多gpu實現學習記錄
理論與概念 不看網上教程了，直接看官網的介紹。也不用keras，keras一點都不靈活，還各種bug。 直接看源碼，地址爲https://github.com/tensorflow/models/blob/master/tutorials
2019-10-25 17:43:52
1
原创 核方法迴歸
參考論文-DENSITY ESTIMATION FOR STATISTICS AND DATA ANALYSIS 給定數據集，來估計概率密度函數 Histograms The naive estimator 也是分成段的平行x軸直線連
2019-07-30 08:26:06
原创 SPECTRAL NORMALIZATION FOR GENERATIVE ADVERSARIAL NETWORKS閱讀記錄
1，A number of works (Ue-hara et al., 2016; Qi, 2017; Gulrajani et al., 2017) advocate the importance of Lipschitz conti
2019-07-05 17:29:06
原创 無偏估計、有效性、相合性
定義： 在已知概率分佈函數構造的情況下，概率分佈的一些參數未知，如高斯分佈的namda、方差，而利用採集到的參數來對未知參數進行估計就是參數估計。比較基礎的有矩估計、最大似然估計。而不同的方法對未知參數估計可能有優劣之分，因此引出瞭如何評
2019-07-05 08:53:16
原创 VC維
簡單通俗的說。 VC維是模型的複雜程度，模型假設空間越大，VC維越高。 shatter和break point是VC維理論中的概念。shatter是指模型假設把數據打碎了，也就是區分開了。而break point是指當模型複雜度變的足夠高
2019-07-05 08:53:16
原创 tensorflow 代碼轉keras記錄
函數匹配記錄： （1）keras的model必須是keras.Input,如果不是，則model時會報錯。但是卷積操作什麼的，tensorflow的可以用keras.Input。 （2）原來tensorflow的輸入可能是有batch_s
2019-05-08 01:56:24
原创 focal loss 學習記錄
上圖： 圖中的pt 橫軸的取值範圍是0-1，接近1時有兩種可能情況，（1）y是1，logit接近1（2）y是0，logit接近0. 因爲pt是隨着y變的。所以以上兩種情況來說都是預測的比較好的情況，在目標檢測中，大部分都是背景，因
2019-04-19 17:44:31
原创 retina_net訓練記錄
學習率0.08 [[2.8720347804407917, 0, "2019-04-04-19 18:38:33"], [2.263864836385173, 10, "2019-04-04-19 19:13:26"], [2.0282
2019-04-15 17:16:35