原创 深度學習入門-基於Python的理論與實現-齋藤康毅(待續)

神經網絡的學習 損失函數 一般用均方誤差和交叉熵誤差函數 均方誤差: 交叉熵誤差函數: 基於im2col展開 因爲老實做卷積,會有很多for循環,而且很慢 所以用im2col函數來避免使用for循環 對應3維數據,用了im2col後,

原创 Ubuntu18.04+TITAN RTX+CUDA10.0+cudnn7.5.0+Tensorflow1.14.0配置記錄

1.首先用UltraISO 對下載好的Ubuntu.iso進行刻錄 2.分區 (我參考了B站上的視頻:https://www.bilibili.com/video/av22847796?from=search&seid=575940659

原创 Faster-RCNN-TensorFlow-Python3版本關於ImportError: No module named 'lib.utils.cython_bbox'

首先用的源代碼是:https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3 下載 之後按照裏面的要求來 但Go to ./data/coco/PythonAPI這一步,要先激活fas

原创 從零配置Faster R-CNN全教程

配置Faster R-CNN全教程 寫給自己的話:最近買了個TITAN RTX,所以要重新配下電腦,但這個過程就很坑了,所以要記下來,不然以後忘了再來盲目配一次,估計要自閉 1.重裝系統 做好系統盤後,重啓,按DEL鍵進入,然後bost進

原创 使用np.full製作RGB三色圖遇到的問題,改變通道值,圖像總是黑色

image_draw_contours = np.full([500,500, 3],(0,0,0),np.uint8) # 顏色作圖矩陣 image_draw_contours[:,:,0] = np.zeros([500,500]

原创 備忘:MASK-RCNN訓練自己的數據,配置過程

搞了3-4天,終於能夠用Mask R-CNN訓練自己的數據了,還是一個不錯的開端。所以現在把基本的流程詳細的寫出來,備忘一下。其實主要還是參考了其他博主的文章。所以有需要的各位,可以參考以下鏈接: https://blog.csdn.ne

原创 教學:如何使用labelme正確的人工標註樣本

1.安裝Anaconda 點擊鏈接:https://www.anaconda.com/download/ 點擊下圖紅框下載,如果是32位的系統,則下載32位 2.下載好了安裝Anaconda 請看這裏:https://jingyan.b

原创 VMware14安裝ubuntu16.04

之前安裝了個18版本的ubuntu,然後發現cuda好像只有16,17版本。所以現在重新安裝個16版的。 傳送門 https://www.cnblogs.com/la-fe/p/7835252.html

原创 深度學習入門

神經網絡的學習 損失函數 一般用均方誤差和交叉熵誤差函數 均方誤差: 交叉熵誤差函數: 基於im2col展開 因爲老實做卷積,會有很多for循環,而且很慢 所以用im2col函數來避免使用for循環 對應3維數據,用了im2col後,

原创 從零配置Mask RCNN(基於Ubuntu18,tensorflow,CPU,PyCharm)

配個環境弄了兩三天,不過今天總算是配好了,因爲作者纔剛開始入門,所以先試手虛擬機Ubuntu和CPU,入門以後考慮GPU和Ubuntu雙系統 1.首先還是要先下Ubuntu,我用的是18(當前最新)https://www.ubuntu.c

原创 tensorflow的GPU配置(基於Windows7,GPU,Python3.6)

昨天入手了一個GPU,GTX 1060 6G顯卡,用來做深度學習的入門試手級硬件。也是Keras之父,Francois Chollet在Python  深度學習一書中所推薦的一款硬件,當然是基於開發者自身預算不足的情況下。如果預算充足,F

原创 歡迎使用CSDN-markdown編輯器~

阿斯頓 歡迎使用Markdown編輯器 你好! 這是你第一次使用 Markdown編輯器 所展示的歡迎頁。如果你想學習如何使用Markdown編輯器, 可以仔細閱讀這篇文章,瞭解一下Markdown的基本語法知識。 新的改變 我們對M

原创 配置maskrcnn環境基於windows 7,cpu,pycharm,anaconda3,python3.6

作者最先在Ubuntu18虛擬機上配置好了maskrcnn的環境,所以現在windows7上重新配置一下,畢竟虛擬機的話太卡了,不方便以後運行調試。如果沒有搞過的夥伴們,請先看下我上一篇文章,https://blog.csdn.net/a