原创 VS2017 創建&安裝項目模板

參考鏈接: https://blog.csdn.net/Misaka2001/article/details/77870879 當你想使用VS做一道OI競賽題目時,你的步驟是: 新建空項目 | 添加源文件 | 重命名源文件 | 雙擊打

原创 thinkpad carbon x1 2018 系統遷移

8月初的時候買了thinkpad carbon x1 2018, 美版i5 +16GRAM + 256GB NVME SSD配置, 到手之後, 覺得256GB有點不夠(只有一個NVME硬盤位), 所以後面購買了三星的970EVO 1T

原创 matplotlib完美中文顯示

python中使用matplotlib顯示中文時,會遇到一些問題, 解決方案如下: import matplotlib.pyplot as plt # 支持中文 plt.rcParams['font.sans-serif'] = ['

原创 PyTorch的SoftMax交叉熵損失和梯度

在PyTorch中可以方便的驗證SoftMax交叉熵損失和對輸入梯度的計算 示例: 注意: 官方提供的softmax交叉熵求解結果 關於softmax_cross_entropy求導的過程,可以參考HERE 示例: # -*-

原创 tf.kerasr入門示例:Lenet手寫字符分類(2擴展) eager模式下Sequence生成器方式加載數據並訓練

Sequence方式擴展自己的自定義數據集加載, 參考鏈接: https://blog.csdn.net/m0_37477175/article/details/79716312 eager模式下使用tf.keras訓練和評估方式

原创 SoftMax與交叉熵損失

快速跳轉位置 先來一份代碼, 支持IDE斷點調試 SoftMax計算公式 交叉熵損失 SoftMax交叉熵損失 作爲分類任務重最常用的激活函數, SoftMax是如何進行計算, 以及對應的交叉熵損失如何計算

原创 c++ string的erase刪除方法

之前不是很清楚c++中string如何刪除元素,現在記錄一下。 (參考自 c++ primer plus 第六版 模版類 string) string中提供的成員函數可以用來刪除字符串中的字符,這裏主要介紹erase方法 erase方法原

原创 pytorch實現yolo-v3 (源碼閱讀和復現) -- 001

pytorch實現yolo-v3 (源碼閱讀和復現) – 001 pytorch實現yolo-v3 (源碼閱讀和復現) – 002 pytorch實現yolo-v3 (源碼閱讀和復現) – 003算法分析 pytorch實現yolo-v

原创 pytorch實現yolo-v3 (源碼閱讀和復現) -- 004算法分析

pytorch實現yolo-v3 (源碼閱讀和復現) – 001 pytorch實現yolo-v3 (源碼閱讀和復現) – 002 pytorch實現yolo-v3 (源碼閱讀和復現) – 003算法分析 pytorch實現yolo-v

原创 tf.keras--入門示例:Lenet手寫字符分類

運行環境: Anaconda5.2 Python3.6.5 TensorFlow1.10 Model子類化的方式定義Lenet網絡, 區別於一般的直接使用Sequential和Model搭建網絡的方式, 代碼如下 # -*- cod

原创 pytorch實現yolo-v3 (源碼閱讀和復現) -- 002

pytorch實現yolo-v3 (源碼閱讀和復現) – 001 pytorch實現yolo-v3 (源碼閱讀和復現) – 002 pytorch實現yolo-v3 (源碼閱讀和復現) – 003算法分析 pytorch實現yolo-v

原创 pytorch實現yolo-v3 (源碼閱讀和復現) -- 003算法分析

pytorch實現yolo-v3 (源碼閱讀和復現) – 001 pytorch實現yolo-v3 (源碼閱讀和復現) – 002 pytorch實現yolo-v3 (源碼閱讀和復現) – 003算法分析 pytorch實現yolo-v

原创 pytorch實現yolo-v3 (源碼閱讀和復現) -- 005

pytorch實現yolo-v3 (源碼閱讀和復現) – 001 pytorch實現yolo-v3 (源碼閱讀和復現) – 002 pytorch實現yolo-v3 (源碼閱讀和復現) – 003算法分析 pytorch實現yolo-v

原创 TensorBoard使用--更優雅的展示神經網絡

在使用TensorFlow的過程中,通過TensorBoard直接可視化計算圖時會發現,整個計算圖展示的太過於細粒度,以至於我們很難向Caffe中那樣方便的直接查看網絡的整體架構,很多時候,我們真的更希望一目瞭然的看到網絡的整體架構而非其

原创 tf.keras--入門示例:如何定義一個標準的VGG16網絡

Part1 tf.keras中提供了VGG16的網絡實現, 可以直接學習 從0開始(官方示例提取): # -*- coding: utf-8 -*- """ tf.keras 網絡層命名 仿照示例實現一個自己的標準VGG16網絡 """