12 2019 档案
摘要：https://blog.csdn.net/loveliuzz/article/details/81363272 https://www.codeleading.com/article/4987820240/ https://github.com/davidsandberg/facenet
阅读全文
摘要：arg_scope 主要为一些操作提供默认参数，参考https://zhuanlan.zhihu.com/p/33848199 TensorArray 具有动态size的array，比如在while_loop里，需要一个array来保存结果，参考 这个例子https://pchanda.github
阅读全文
摘要：创建N个线程，每个线程去取一个任务，剩下的任务等待（与此对应的，是有一个主线程，然后分配任务） 具体参考https://blog.csdn.net/wudiazu/article/details/80925692 一个常见的应用是，我们在项目中，有时候需要去保留图片，IO操作需要耗费时间，这时候就可
阅读全文
摘要：from apscheduler.schedulers.background import BackgroundScheduler def update(): pass scheduler = BackgroundScheduler() scheduler.add_job(update, 'interval', max_instances=10, seconds=10) sche...
阅读全文
摘要：图像分类的一个trick，推导可参考这位博主https://leimao.github.io/blog/Label-Smoothing/ 知乎上的讨论https://www.zhihu.com/question/65339831，有位博主用代码给出了一个直观的体验: label smooth是如何改
阅读全文
摘要：1、堆(heap)，动态分配的内存区域，分配之后需手工释放(new, delete, malloc, free) 这种方式需要分配内存，释放内存，因此可能会造成内存泄露，或者内存碎片的问题。 2、栈(stack)，函数调用过程中，产生的本地变量和调用的数据区域 分配、释放简单，只需要移动指针即可；后
阅读全文
摘要：1、需要加上如下设置，否则转换前后输出可能不一致，这个主要针对dropout、BN层训练测试不一致 2、outputs而非output，否则会导致转换后无法 batch inference
阅读全文
摘要：https://blog.csdn.net/xv1356027897/article/details/80039615
阅读全文
摘要：https://www.zhihu.com/question/356551927/answer/919612766 知乎上看到的，不错
阅读全文
摘要：使用multi_gpu_model即可。观察了一下GPU的利用率，非常的低，大部分时候都是0，估计在相互等待，同步更新模型； 当然了，使用多GPU最明显的好处是可以使用更大的batch size https://www.jianshu.com/p/d57595dac5a9 https://keras
阅读全文
摘要：最近在做一个鉴黄的项目，数据量比较大，有几百个G，一次性加入内存再去训练模青型是不现实的。 查阅资料发现keras中可以用两种方法解决，一是将数据转为tfrecord，但转换后数据大小会方法不好；另外一种就是利用generator，先一次加入所有数据的路径，然后每个batch的读入 参考：https
阅读全文
摘要：https://medium.com/analytics-vidhya/is-relu-dead-27943b50102 1、使用relu作为激活函数时，因其在输入小于0时，输出为0，所以可能会造成dead relu，使得输出和梯度都为0； 2、上述文章中使用了多种方式尝试去改善，包括更多层，更多数
阅读全文
