摘要：
反卷积、上采样、上池化图示理解，如上所示。 目前使用得最多的deconvolution有2种。 方法1：full卷积， 完整的卷积可以使得原来的定义域变大 上图中蓝色为原图像，白色为对应卷积所增加的padding，通常全部为0，绿色是卷积后图片。卷积的滑动是从卷积核右下角与图片左上角重叠开始进行卷积 阅读全文
摘要：
转自： https://blog.csdn.net/yuweiming70/article/details/81513742 正则化是用来减小训练集的过拟合，解决过拟合的方法如下图所示： 1、减小特征量的个数，会丢失相关的特征信息 2、选择合适的算法模型 3、正则化：保持特征量的个数不变，减少参数的 阅读全文
摘要：
参考： https://zhuanlan.zhihu.com/p/27938792 做法 设，每个batch输入是 （其中每个 都是一个样本， 是batch size） 假如在第一层后加入Batch normalization layer后， 的计算就倍替换为下图所示的那样。 矩阵 先经过 的线性变 阅读全文
摘要：
在linux中导入numpy时出错，出现如下图所示的问题，采用更新版本的问题并未解决， 解决方法如下：进入文件夹中，删除其中的numpy文件夹，其他的文件夹不动，然后重新安装numpy即可 阅读全文
摘要：
转自： https://zhuanlan.zhihu.com/p/31426458 faster rcnn的基本结构 Faster RCNN其实可以分为4个主要内容： 1 Conv layers Conv layers包含了conv，pooling，relu三种层。以python版本中的VGG16模 阅读全文
摘要：
转自： CNN网络架构演进：从LeNet到DenseNet https://www.cnblogs.com/skyfsm/p/8451834.html 基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN https://www.cnblogs.com/skyf 阅读全文
摘要：
1、参考： https://www.cnblogs.com/skyfsm/p/6790245.html https://zhuanlan.zhihu.com/p/27642620 2、卷积神经网络的层级结构： • 数据输入层/ Input layer • 卷积计算层/ CONV layer • Re 阅读全文
摘要：
参考：https://blog.csdn.net/qq_28057541/article/details/51723914 首先 window键（窗口键） + R ，然后输入 Diskpart 打开命令行 1、输入list disk，显示磁盘数，如下图所示： 2、输入要删除EFI分区所在的硬盘，我的 阅读全文
摘要：
udnn安装注意点： cudnn的安装其实很简单，关键点是一定要安装cuda对应的cudnn包，本机中安装的cuda7.5所以对应的cudnn为v5.1这很重要，我就是安装错了版本，导致后面caffe的编译总是出错。 cudnn安装步骤： 1、从官网上下载cudnn的安装包。 2、将安装包解压,将此 阅读全文
摘要：
1、nvidia与cuda需要满足关系： https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html/ 2、cuda与cudnn需要满足关系： https://developer.nvidia.com/rdp/cudnn-ar 阅读全文