原创 12池化、線性、激活函數層
一、池化層——Pooling Layer 1.1 池化層概念 池化運算: 對信號進行“收集”並“總結” ，類似水池收集水資源,因而 ,得名池化層 “收集" : 多變少 “總結" : 最大值/平均值 1.2 nn.MaxPoo
2020-06-16 05:40:30
原创 10模型容器與AlexNet構建
一、模型容器(Containers) 1.1 nn.Sequential nn.Sequential是nn.module的容器，用於按順序包裝的一組網絡層 順序性: 各網絡層之間嚴格按照順序構建 自帶forward(): 自帶
2020-06-16 05:40:30
原创 11nn網絡層-卷積層
一、1d/2d/3d卷積 卷積運算: 卷積核在輸入信號(圖像)上滑動,相應位置上進行乘加 卷積核: 又稱爲濾波器，過濾器，可認爲是某種模式，某種特徵 卷積過程類似於用一個模版去圖像上尋找與它相似的區域,與卷積核模式越相似，激活值
2020-06-16 05:40:30
1
原创 06文件和目錄常用命令
一、查看目錄內容 1.1 終端實用技巧 1> 自動補全 在敲出 文件／目錄／命令 的前幾個字母之後，按下 tab 鍵 如果輸入的沒有歧義，系統會自動補全 如果還存在其他 文件／目錄／命令，再按一下 tab 鍵，系統會提示可能存
2020-06-16 05:40:30
原创 HiveJDBC訪問——hiveserver2和beeline啓動和關閉
HiveJDBC訪問——hiveserver2和beeline啓動和關閉 一、步驟： 1.先在一個會話中啓動hiveserver2服務 [LORENZO@hadoop102 hive]$ bin/hiveserver2 2.再在
2020-04-13 19:41:14
原创 06圖像預處理——transforms
一、transforms運行機制 1.1 torchvision——計算機視覺工具包 torchvision.transforms : 常用的圖像預處理方法 torchvision.datasets : 常用數據集的datase
2020-03-02 10:19:33
原创 17Tensorboard
一、Tensorboard簡介 1.1 tensorboard是什麼 TensorBoard : TensorFlow中強大的可視化工具 支持標量、圖像、文本、音頻、視頻和Eembedding等多種數據可視化 1.2 tenso
2020-02-22 03:28:32
原创 YOLO9000: Better, Faster, Stronger
一、前言 大多數目標檢測方法的檢測種類有限，僅能檢測一小範圍的類別 本文使用了目標分類的分層視圖的方法，允許我們將不同的數據集組合在一起 本文提出了一種聯合訓練算法，能夠在檢測和分類數據上訓練目標檢測器。 利用帶標
2020-02-22 03:28:32
原创 18hook函數與CAM可視化
一、Hook函數概念 1.1 Hook引入的原因 Pytorch的運行機制是動態計算圖，動態圖運算結束後，一些中間變量（如feature map和非葉子結點的梯度）會被釋放掉，但是往往有時候我們需要獲取這些中間變量，這時就可以通過
2020-02-22 03:28:32
2
原创 21Batch Normalization
一、Batch Normalization概念 1.1 Batch Normalization概念 Batch Normalization：批標準化 批：一批數據，通常爲mini-batch 標準化： 0均值， 1方差 優點：
2020-02-22 03:28:32
原创 26圖像分類
一、圖像分類 1.1 模型是如何將圖像分類的？ 對於蜜蜂螞蟻二分類模型： 從人的角度來看，是從輸入一張RGB圖像到輸出一種動物的過程 從計算機角度看，是從輸入3-d張量到輸出字符串的過程 類別名是通過標籤進行轉換得到的，在這裏
2020-02-22 03:28:32
原创 28目標檢測
一、目標檢測 1.1 目標檢測是什麼？ 目標檢測：判斷圖像中目標的類別和位置 目標檢測兩要素 分類：分類向量[p0, …, pn] 迴歸：迴歸邊界框[x1, y1, x2, y2] 1.2 代碼示例 # -*- coding
2020-02-22 03:28:32
原创 FCN：Fully convolutional networks for semantic segmentation
一、語義分割簡介 1.1 什麼是語義分割？ 語義分割：讓機器實現對圖像進行自動分割並識別圖像中的內容 如上圖中，給出一張圖片，機器能識別圖片中的物體並分割出結果圖，即把不同的物體從圖像中分割出來 1.2 研究意義 當前應用：
2020-02-22 03:28:32
原创 23模型保存與加載
一、序列化與反序列化 序列化與反序列化： 數據在內存與硬盤之間的轉換關係 序列化： 模型在內存中是以對象的形式存儲的，但是在內存中的對象不能長久保存，所以需要將其保存在硬盤中，而在硬盤中，數據是以二進制數保存的，即二進制序列，所
2020-02-22 03:28:32