摘要： 【引言】TensorFlow中的命名域是非常重要的概念，涉及到参数共享，方便命名参数管理，定义图结构 本文主要介绍name_scope 和 variable_scope，slim包中的arg_scope暂不介绍。 1. 首先看看比较简单的tf.name_scope(‘scope_name’) 总结： 阅读全文

摘要： 首先按照 http://www.linuxdiyf.com/linux/13934.html 和 http://www.linuxdiyf.com/linux/13934.html 在ubuntu 14.04 64bit下配置安装PyQt4 的方法将 PyQt 的环境配置好 然后在 https:// 阅读全文

摘要： 【引言】在图像预处理阶段，对彩色图像灰度化、二值化是常见的处理方式。通常是先对图像做灰度化，再做二值化，它们能够在特定场景发挥出功效，文本做梳理总结。 彩色图像 每个像素通常是由红（R）、绿（G）、蓝（B）三个分量来表示的，分量介于（0，255）。RGB图像与索引图像一样都可以用来表示彩色图像。与索 阅读全文

摘要： 【引言】在目标检测中，需要用图像标注工具标注图像，如Labelme 、 labelImg等，本文使用的是LabelImg ，LabelImg在Ubuntu下很好部署， 在win10中有些地方要注意下，本文做简单总结 【安装过程】 一、安装python环境 python3.5 3.6都可以，可以用Py 阅读全文

摘要： 【引言】 最近在用可变卷积的rfcn 模型迁移训练自己的数据集， MSRA官方使用的MXNet框架 环境搭建及配置：http://www.cnblogs.com/andre-ma/p/8867031.html 一 参数修改： 1.1 ~/Deformable-ConvNets/experiments 阅读全文

摘要： 【引言】最近接手了公司的关于虫子识别的项目，使用MXNet框架开发，但是实际用的是Deformable-ConvNets. Deformable-ConvNets为微软研究研究院提出的可变卷积网络，可用于对图像中大小不一的物体识别，不是单单识别图中的猫和狗（它们都一般大小），而识别图像中不同种类的虫 阅读全文

摘要： 深度学习 框架比较 阅读全文

摘要： 在深度神经网络中，超参数的调整是一项必备技能，通过观察在训练过程中的监测指标如损失loss和准确率来判断当前模型处于什么样的训练状态，及时调整超参数以更科学地训练模型能够提高资源利用率。在本研究中使用了以下超参数，下面将分别介绍并总结了不同超参数的调整规则。 （1）学习率 学习率（learning 阅读全文

摘要： 深度学习中需要大量的数据和计算资源（乞丐版都需要12G显存的GPU - -）且需花费大量时间来训练模型，但在实际中难以满足这些需求，而使用迁移学习则能有效 降低数据量、计算量和计算时间，并能定制在新场景的业务需求，可谓一大利器。 迁移学习不是一种算法而是一种机器学习思想，应用到深度学习就是微调（Fi 阅读全文

摘要： 在数据挖掘中，Python和Scala语言都是极受欢迎的，本文总结两种语言在Spark环境各自特点。 本文翻译自 https://www.dezyre.com/article/Scala-vs-Python-for-apache-Spark/213 1.性能对比 由于Scala是基于JVM的数据分析 阅读全文