原创 利用TensorBoad可視化網絡

首先寫一個最簡單的TensorFlow程序爲例。 import tensorflow as tf tf.reset_default_graph() logdir='F:/log' input1=tf.constant([

原创 LeetCode C++算法題持續跟新

第一部分 簡單算法題 整數反轉 題目:給出一個 32 位的有符號整數,你需要將這個整數中每位上的數字進行反轉。 解題思路:通過對x數據求餘數,將最後一位數字輸出到第一位,難點在於考慮數字溢出情況。 代碼: class Solu

原创 劍指offer編程題持續跟新(c++)

二維數組的查找 題目描述:在一個二維數組中(每個一維數組的長度相同),每一行都按照從左到右遞增的順序排序,每一列都按照從上到下遞增的順序排序。請完成一個函數,輸入這樣的一個二維數組和一個整數,判斷數組中是否含有該整數。 解題思

原创 計算機視覺/圖像算法/深度學習/AI算法崗位面試問題總結

這段時間一直在找工作,經過兩個月的面試經驗,感覺比我三年學到的東西都多,在這裏做一下總結。這四個崗位其實都是相同的,問的問題也都大差不差,主要從傳統的圖像算法和深度學習進行提問。 1.傳統圖像算法問題 圖像預處理有哪些方法? 圖

原创 ubuntu16.04+faster_rcnn+voc2007數據集訓練

前言 之前寫過一片博客是在Windows下配置faster_rcnn demo環境 ,如果在Windows上訓練數據集會出現很多問題,於是纔不得不轉入Ubuntu系統,現在發覺Ubuntu系統越來越好使。 1.配置caffe環境

原创 ubuntu16.04+cuda9.0+cudnn V7.05+SegNet環境配置及製作數據集與訓練測試

1. 前提 在配置SegNet網絡之前,首先確保你電腦上已經成功配置過caffe框架,因爲SegNe對cudnn版本的要求可能與你電腦配置的不一樣,如果換成對應版本的話很麻煩,所以在在配置SegNet網絡之前,確保你電腦上已經有成

原创 ubuntu16.04+anaconda2+gpu+caffe安裝

1. 安裝顯卡驅動 個人覺得安裝顯卡驅動是最煩的,所以單獨寫了博客,參考 Ubuntu16.04系統下裝顯卡驅動 ,在這就不再敘述。 2.安裝相關依賴 sudo apt-get install libprotobuf-dev li

原创 win10系統裝ubuntu16.04雙系統教程與出現的問題總結

1.前期準備 裝系統前首先得準備優盤,然後下載ubuntu16.04系統,,然後安裝UltraISO軟件,製作系統盤,這一步網上有很多下載鏈接與教程,在這就不在敘述。 裝ubuntu系統需要單獨分配一個盤出來,如下圖所示將F盤刪

原创 Ubuntu16.04系統下裝顯卡驅動

1. 如果Ubuntu系統裝過驅動的話,首先要進行卸載,打開終端輸入命令 sudo apt-get purge nvidia* sudo apt-get install nvidia-319-updates-dev nvidia

原创 windows+TensorFlow/keras+vgg16訓練自己的數據集

前提 要想在TensorFlow訓練vgg16,首先要配置TensorFlow環境,這篇博客介紹如何配置python2.7版本的TensorFlow,在這裏就不在敘述了。 TensorFlow版本 下載代碼:VGG16 下載數據

原创 Windows+caffe+vgg16訓練數據集分類

前言 網上有很多關於linux系統下,利用VGG16對圖片進行分類,但是運用到Windows下會出現很多問題,所以寫這篇博客做個總結。 關於配置caffe環境可以參考這篇博客win10+vs2013+caffe+gpu+python環

原创 Windows+caffe+faster-rcnn環境配置

1. 前言 在配置faster-rcnn時,前提要先配置caffe框架,看到這先彆着急忙着配置caffe框架,如果你電腦已經配置好了caffe的話,那恭喜你有的你忙了,因爲faster-rcnn要用到roi_pooling_layer

原创 Windows下用DCGAN訓練自己的數據集

1. 訓練前準備 DCGAN是在TensorFlow框架下訓練數據,所以在使用DCGAN前先配置好TensorFlow環境,可以參考這篇博客win10+cuda9.2+TensorFlow安裝。 下載DCGAN源碼,百度鏈接:DCG

原创 Windows下FCN保存訓練日誌並畫loss曲線圖

前言 網上有很多教程畫caffe的loss圖,當你試過之後才發現根本不適用於FCN,經過我幾天的研究,終於有點小收穫,這篇博客我將介紹兩種方法畫loss圖。 方法一 保存訓練日誌 在訓練數據的時候,在訓練命令後面再加一句命令2>&

原创 詳解FCN模型中每一層的輸出及可視化操作

對於FCN模型的搭建以及訓練自己的數據集,其實並不是特別難。可以參考FCN訓練自己的數據集。可能更多的人想知道FCN每一層輸出的結果是什麼。這篇博客主要介紹的是對FCN每一層輸出進行可視化操作。 查看FCN總體框架 先打開工具net