原创 降維算法_LDA_PAC

PAC pac概述 主成分分析Principal Component Analysis 用途:降維,將N維的向量映射到 K維,從中提取有用信息,但是降維後的信息可能並不具有直觀的意義。 降維過程: 1、原理:原向量經過 基

原创 根據最後的feature map生成anchor的location

在物體檢測中,經過backbone之後等等卷積操作,在最後的feature map將要根據feature map的每一個點(yolov3好像叫cell,FCOS叫location)做出預測,預測的框的偏移值(FCOS是l,r,t,

原创 yolov3代碼學習(1)小功能實現代碼

從下面的博客開始學習的,總結一些自己學到的東西。 https://blog.csdn.net/qq_34199326/article/details/84206079 看源碼一個大的感慨就是維度問題,維度,維度,維度,會經常看到u

原创 工具、軟件使用 windows Git bash

window git bash 初次使用第一次使用 設置密鑰開啓一個新項目建立完第一次連接後更改了其中的文件,再次上傳 第一次使用 設置密鑰 如果是第一次使用的話可以生成密鑰建立本地和github官網的連接,網上很多教程。如 ht

原创 Pytorch學習

1. Faltten 層定義 自定義一個Flatten 層 class Flatten(nn.Module): def __init__(self): super(Flatten, self).__ini

原创 Exploratory Data Analysis (Example 1)

concatenate train and test into one dataframe and do all feature engineering using it. traintest = pd.concat([train

原创 深度學習中遇到的Python問題(四)

1. glob.glob() 該方法的功能與Linux中的ls相似,接受一個Linux式的文件名格式表達式(filename pattern expression),列出所有符合該表達式的文件(與正則表達式類似),將所有文件名放在一個表

原创 人臉識別keras+opencv(四):遇到的問題

非常對不起,前三篇博客都是因爲邊做編寫博客,所有預料到他的效果那麼差。不過這也可以理解。因爲一個貓狗識別的列子,都用用來上萬張圖片進行訓練。要識別一個人才幾百張圖片,效果差可以理解,而且這個網絡也才3層。 最近沒時間,貼出兩篇博客,都非

原创 Keras_morvan(三):CNN

CNN:Convolutional Neural Network,卷積神經網絡 基本結構組成, 數據還是用MNIST。由圖可有一下幾步組成: a. image ,和上篇博文的處理一樣。 b. model = Sequential

原创 深度學習中遇到的Python問題(三)

1.tf.train.piecewise_constant 走到一定步長更改學習率。 initial_learning_rate = 0.1 * params['batch_size'] / 128 batches_per_epoc

原创 深度學習中遇到的Python問題(二)

1.transpose tf.transpose(inputs, [0, 3, 1, 2]) 原來inputs的維度[0, 1, 2, 3] ,經過上面就轉換成[0, 3, 1, 2]了。 2.tf.pad padded_inputs =

原创 cuda8+cvdnn_v6+tensorflow-gpu+ananconda

請允許我說句mmp。 進入正題。主要參考着兩篇博客 http://blog.csdn.net/colourful_sky/article/details/78524382 http://blog.csdn.net/wobeatit/a

原创 人臉識別keras+opencv(三):遇到的問題

昨天寫到,實驗室小夥伴也是顯示Hansen,所以今天就在網上下載了李冰冰的圖片,新建了一個label看看。 這是扣完臉之後的圖片.這是直接運行pick_face的。 但是,如果運行read_img就會有問題。 進入不了for循

原创 SVM用sklearn庫實現(一)

** SVM support_vector_machines 支持向量機 1、解決的是二分類問題 2、什麼樣的決策邊界纔是最好的。 3、找到一條線(面),使離該線最近的點,能夠最遠。最近的點稱爲支持向量,該線是分類線。 code

原创 各類識別、深度學習 開源代碼及文獻 網站梳理

Deep Residual Networks Deep Residual Learning for Image Recognition https://github.com/KaimingHe/deep-residual-networ