原创 深度學習梯度重要性(梯度彌散和梯度爆炸)

在深度學習領域梯度是個很重要的概念,梯度彌散和梯度爆炸現象(不同激活函數梯度彌散和梯度爆炸的現象不同): 梯度彌散:(以sigmoid爲例)我們可以知道當網絡層數越深的時候,它的學習速率就越大。通常每增加一層,該層的學習速率就要比相鄰的的

原创 賽靈思 DP-8020部署模型步驟

https://www.xilinx.com/products/design-tools/ai-inference/ai-developer-hub.html#edge 按照1.4的版本來

原创 YOLOV3網絡描述

  參考這篇文章,寫的非常好! https://www.jianshu.com/p/86b8208f634f

原创 os.path模塊常用方法

Python3中os.path模塊下幾種常用方法: 如下: os.path.abspath(path) 返回絕對路徑 os.path.basename(path) 返回文件名 os.path.commonprefix(list) 返回li

原创 關閉ubuntu圖形化界面運行程序,防止界面卡死

關閉圖形化界面: 終端運行 sudo systemctl set-default multi-user.target reboot 啓動圖形化界面: sudo systemctl set-default graphical.targ

原创 測試darknet的map以及注意事項

./darknet detector valid cfg/voc.data cfg/yolov3.cfg backup/yolov3-voc_final.weights -out "" -gpu 0 -thresh .5 ##其中檢測起

原创 yolov3-caffe 生成 detectnet執行文件時出現的問題及解決

編譯caffe,添加新的上採樣層,操作請查閱。沒有問題的情況下你的caffe可以使用上採樣,然後按照要求使用腳本轉化darknet 裏邊的cfg和weight文件爲caffe裏變得model以及prototxt。查閱這裏。然後訓練的模型得

原创 畫花花

import turtle as T import random import time # 畫櫻花的軀幹(60,t) def Tree(branch, t): #time.sleep(0.0005) time.sle

原创 這個腳本可以測試yolov3轉換爲caffemodel的性能

#!/bin/bash if [ "$1" ] ;then ../caffe-master/build/examples/yolo/yolov3_detect.bin \ dpu.prototxt \

原创 將生成的dark模型轉爲caffe模型,並且測試性能

 新建convert.py import sys sys.path.append('caffe-master/python') import caffe import numpy as np from collections impor

原创 Linux內核Makefile原理

https://blog.csdn.net/fy198796/article/details/87915763 https://www.cnblogs.com/Cysan/p/4384158.html http://www.sohu.c

原创 Darknet使用coco2017數據集訓練yolov3(親測可用)

在此之前需要首先安裝pycocotools,網上很多人說直接sudo pip install安裝不了,要去git上下載coco的api然後編譯python的接口,然而我按照這樣的方式出現問題了。最後確實是先安裝cython然後通過sud

原创 sudo chmod 777 根目錄恢復

https://segmentfault.com/a/1190000006246645 最近在跟進一個項目,服務器的根目錄被sudo chmod 777 了,因此造成了系統的很多超級權限被chmod 777 給沖走了。關於chmod 77

原创 TF.lite baocuo

Some of the operators in the model are not supported by the standard TensorFlow Lite runtime. If those are native Tenso