随笔分类 - 硕士阶段
1
摘要：一、安装Anaconda并创建虚拟环境 1、官网下载Anaconda安装包安装即可 2、创建新的虚拟环境 conda create -n openmmlab python=3.8 conda activate openmmlab 二、配置Pytorch环境 1、查看并确定自己电脑的CUDA版本 打开
阅读全文
摘要：C++ & opencv配置（win10） 安装环境： c++ cmake opencv CLion 一、C++编译环境配置 GCC 官网提供的 GCC 编译器是无法直接安装到 Windows 平台上的，如果我们想在 Windows 平台使用 GCC 编译器，可以安装 GCC 的移植版本。 目前适用
阅读全文
摘要：DN-DETR CVPR 2022 的一篇文章 一、Introduction 之前许多工作对 detr 的encoder或是decoder结构进行了改进，以期改善收敛慢的现象。本文作者从另一个角度（训练方法的角度）分析和解决了detr收敛慢的问题。 第一次提出了全新的去噪训练（DeNoising t
阅读全文
摘要：2021年ICLR的一篇文章 一、Introduction DETR的缺点： 1、模型很难收敛，训练困难。相比于现存的检测器，他需要更长的训练时间来收敛，在coco数据集上，他需要500轮来收敛，是faster r-cnn的10到20倍； 2、DETR在小物体检测上性能较差。现存的检测器通常带有多尺
阅读全文
摘要：引入numpy科学计算库： import numpy as np >创建元素均为零的矩阵，大小为shape，元素类型dtype： np.zeros(shape, dtype) >创建等差数组，返回一维的数组（可以用reshape将其变为矩阵更好处理一些） np.arange([start=0],st
阅读全文
摘要：python函数缓存装饰器@functools.lru_cache() 参考文章：https://zhuanlan.zhihu.com/p/348370957 （Python 中 lru_cache 的使用和实现） 在编写递归函数时，可以在函数定义前面加上一个装饰器，来保存递归过程中的结果，减少程序
阅读全文
摘要：python中深拷贝浅拷贝问题 深拷贝浅拷贝只是针对python中的可变对象才有区别的（即列表、字典、集合），对于不可变对象（即字符串、数字、元组）不管是赋值还是拷贝都是给的地址，修改后的新值存在新的地址上。 1、浅拷贝 copy库的copy()方法；列表自带的copy()方法；切片；工厂函数（如l
阅读全文
摘要：一、创建虚拟环境 conda create -n open-mmlab python=3.7 -y conda activate open-mmlab 二、安装pytoch + cudatoolkit 去pytorch官网 https://pytorch.org/ 按照自己的要求来选择，根据官网的命
阅读全文
摘要：Self-Supervised Learning 参考知乎文章：https://zhuanlan.zhihu.com/p/108906502（Self-supervised Learning 再次入门） 自监督学习主要是利用辅助任务（pretext）从大规模的无监督数据中挖掘自身的监督信息，通过这种
阅读全文
摘要：mask-rcnn知识总结 论文地址：https://arxiv.org/abs/1703.06870 比较好的论文解读文章：https://zhuanlan.zhihu.com/p/102331538（实例分割算法之Mask R-CNN论文解读） https://zhuanlan.zhihu.
阅读全文
摘要：DeepLab-v3（86.9 mIOU） 论文地址：https://arxiv.org/pdf/1706.05587.pdf（Rethinking Atrous Convolution for Semantic Image Segmentation） 讲解文章：https://blog.csdn.
阅读全文
摘要：DeepLab-v2（79.7 mIOU） 参考文章：https://blog.csdn.net/qq_14845119/article/details/102942576（图像分割之 deeplab v1,v2,v3,v3+系列解读） 论文地址：https://arxiv.org/abs/1606
阅读全文
摘要：DeepLab-v1（71.6 mIOU） 参考文章：https://zhuanlan.zhihu.com/p/22308032（图像语义分割之FCN和CRF） 论文地址：https://arxiv.org/pdf/1412.7062v3.pdf DeepLab可以换分为两部分： 前端使用带空洞卷积
阅读全文
摘要：Fully Convolutional Networks （2015） 图像分割即对每一个像素进行预测 我们分类使用的网络通常会在最后连接几层全连接层，它会将原来二维的矩阵（图片）压扁成一维的，从而丢失了空间信息，最后训练输出一个标量，这就是我们的分类标签。而图像语义分割的输出需要是个分割图，且不论
阅读全文
摘要：C++数组是继承C语言的，C++标准库中的vector封装了动态数组，是一个模板类（vector<int>，<>里面可以是各种类型。 定义方式： vector<元素类型> 对象名(长度); （注：vector还有个好处就是，数组定义时长度那里不能包含变量，但是vector定义时长度那里可以包含变量，
阅读全文
摘要：进行迁移学习时，加载完别人的模型，想要进行一些微调，就需要想办法获取到该网络中某些张良的名称，尤其是输入和输出。 with tf.Session() as sess: #此处加载模型 tensor_name_list = [tensor.name for tensor in tf.get_defau
阅读全文
摘要：一、.ckpt文件的保存和加载 1、保存的文件 这是我保存的文件，保存一次有四个文件： checkpoint文件：用于告知某些TF函数，这是最新的检查点文件（可以用记事本打开看一下） .data文件：（后面缀的那一串我也布吉岛是啥）这个文件保存的是图中所有变量的值，没有结构。 .index文件：可能
阅读全文
摘要：在搭建网络模型时通常要建立一个评估模型正确率的节点（evaluation_step） 这里介绍一个对于分类问题可以用的评估方法： 代码： correct_prediction = tf.equal(tf.argmax(logits, 1), tf.argmax(groundtruth_input,
阅读全文
摘要：训练神经网络模型时通常要设置学习率learning_rate，可以直接将其设置为一个常数（通常设置0.01左右），但是用产生过户学习率会使参数的更新过程显得很僵硬，不能很好的符合训练的需要（到后期参数仅需要很小变化时，学习率的值还是原来的值，会造成无法收敛，甚至越来越差的情况），过大无法收敛，过小训
阅读全文
摘要：在分类问题中，交叉熵是经常选用的损失函数（loss） 关于交叉熵的详细解释请看这篇博客：https://blog.csdn.net/tsyccnh/article/details/79163834 在单分类问题中（即one-hot问题），通常使用tf.nn.softmax_cross_entropy
阅读全文
1
