原创 【Ctrl_I】團隊日記6

1.模型改進 在上週對簡單的模型和複雜模型進行了簡單的初步對比後,本週工作內容爲在複雜模型上進行結構調整,試圖尋找到比簡單模型更好的模型結構。 主要嘗試的調整包括以下四個方面的內容: 不使用眼部圖像,單獨使用臉部圖像和眼睛相對於的屏幕的信

原创 Tensorflow 1.X : tf.xx is deprecated, Please use tf.compat.v1.xx instead

首先,deprecated 需要用來通知想要使用TensorFlow當前版本的人,將來會發生什麼,並給他們時間以適應。 因此,官方不會刪除這些消息。   方法有兩個: 1.使用此私有API自己禁用 from tensorflow.pyt

原创 [Paper Note] Learning to Reweight Examples for Robust Deep Learning

Learning to Reweight Examples for Robust Deep Learning PAPER CODE Abstract 面對樣本不平衡問題和標籤噪聲等問題,之前是通過regularizers或者rew

原创 【創新實訓7】手勢識別WEB端遷移整合

之前在Python上實現了最基礎的手勢方向的判定功能,因爲整體項目是WEB端的,所以需要向WEB平臺遷移... 通過查閱資料,opencv.js官方文檔還是給的比較全的,不過裏面部分函數的輸出實在是不太能看的明白....在後面實現的時候帶

原创 anaconda目錄遷移工作採坑記錄

由於工作需要,對之前使用的anaconda環境進行了目錄遷移工作。 因爲anaconda目錄下存了很多的第三方庫的安裝包,所以mv需要很長時間。如果有些包不介意重新下載安裝,可以提前刪掉,目錄如下: /anaconda3/lib/pyt

原创 RuntimeError Expected tensor for argument #1 'input' to have the same device as tensor for argument

RuntimeError: Expected tensor for argument #1 'input' to have the same device as tensor for argument #2 'weight'; but d

原创 [Paper Note] MixNet: Mixed Depthwise Convolutional Kernals

abstract MixNet這篇文章系統研究了不同尺寸的卷積覈對於最終結果的影響,提出了一個混合深度卷積(MDConv),在一個卷積中混合了多個卷積核尺寸。然後把MDConv集成到AutoML的搜索空間,構建了MixNets。

原创 [Paper Note] Meta-SR A Magnification-Arbitrary Network for Super-Resolution

Summary 這篇文章的創新點在於提出了Meta-Upscale Module這個模塊,實現了任意尺寸的放大(當然這篇論文做的主要是x1-x4的倍數),核心思想是HR和LR圖片之間實際上是一個縮放關係,有一個縮放因子r。LR的像

原创 DataLoader windows平臺下 多線程讀數據報錯 | BrokenPipeError: [Errno 32] Broken pipe | freeze_support()

DataLoader 多線程讀取數據 使用DataLoader讀取數據時,爲了加快效率,所以使用了多個線程,即num_workers不爲0,在windows下報了錯誤。 DataLoader(trainset, batch_size=1

原创 [Paper Note] Densely Residual Laplacian Super-Resolution

Abstract 超分辨率卷積神經網絡最近證明了單個圖像的高質量恢復。然而,現有算法通常需要非常深的架構和長的訓練時間。此外,目前用於超分辨率的卷積神經網絡無法利用多種尺度的特徵並對它們進行相同的權衡,從而限制了它們的學習能力。在

原创 [Paper Note] A Deep Journey into Super-resolution:A Survery

A Deep Journey into Super-resolution: A Survey Saeed Anwar, Salman Khan, and Nick Barnes Abstract 基於深度卷積網絡的超分辨率是一個快

原创 【創新實訓11】前端頁面部分編寫

這次主要是把一些用戶邏輯的前端頁面寫好,然後定義好後臺的一些接口,方便後臺的編寫. 其實工作的話,整體是工程多一些,難度不是很大. 一、登陸、註冊 這部分工作實在是比較簡單... 主要就是花點時間寫好看一點,注重一下驗證邏輯 效果如下:

原创 數據挖掘算法-分類[KNN、決策樹、貝葉斯]

數據挖掘算法-分類 基於距離的方法 基於決策樹的方法 基於貝葉斯理論的方法 基於神經網絡的方法 基於SVM的方法 1.基於距離的分類算法 1.1 算法僞代碼 算法 基於距離的分類算法 輸入:每個類的中心C1,…,Cm;待

原创 【創新實訓9】 基於情緒分析的推薦系統算法設計

上週已經實現了對於用戶面部表情的捕捉,並對用戶的情緒進行了分析.隊友通過情緒分析給出了用戶對當前文章的評分.這周則根據以情緒爲基礎評分的文章評價進行推薦. 1.初始數據 首先我們得到的數據有用戶閱讀完一篇文章後,對該文章的評價,這個評價是