MissSimple - 博客园

从r-cnn到Mask R-CNN

摘要： faster rcnn的结构是怎样的呢？ <! more http://blog.csdn.net/XZZPPP/article/details/51582810 1.fast rcnn结构 2.faster rcnn的卷积过程 3.rpn RPN的核心思想是使用卷积神经网络直接产生region p 阅读全文

posted @ 2017-10-24 22:59 MissSimple 阅读(597) 评论(0) 推荐(0) 编辑

如何解压.7z文件

摘要： sudo apt get install p7zip full 7z x manager.7z r o/home/xx 解释如下： x 代表解压缩文件，并且是按原始目录解压（还有个参数 e 也是解压缩文件，但其会将所有文件都解压到根下，而不是自己原有的文件夹下）manager.7z 是压缩文件，这里阅读全文

posted @ 2017-10-24 22:58 MissSimple 阅读(3054) 评论(0) 推荐(0) 编辑

训练网络时遇到的小问题

摘要：问题1：训练时报错：cudasuccess …… out of memeory 这真的是GPU内存不够导致的，batchsize 太大了，设置小点问题2：制作lmdb文件时提示： Corrupt JPEG data ： premature end od data segment 这就是某个图像阅读全文

posted @ 2017-10-24 22:56 MissSimple 阅读(728) 评论(0) 推荐(0) 编辑

用caffe训练、测试caffenet

摘要： ILSVRC12 数据集下载 <! more "http://www.image net.org/challenges/LSVRC/2012/nnoupb/ILSVRC2012_img_test.tar" "http://www.image net.org/challenges/LSVRC/2012 阅读全文

posted @ 2017-10-24 22:55 MissSimple 阅读(3365) 评论(0) 推荐(1) 编辑

Check failed: status == CUDNN_STATUS_SUCCESS (3 vs. 0) CUDNN_STATUS_BAD_PARAM

摘要：其他的设备在用GPU 把caffe中的Makefile.config的use_cudnn注释掉就可以了。原因应该是http://blog.csdn.net/songyu0120/article/details/43233907。阅读全文

posted @ 2017-10-18 15:41 MissSimple 阅读(3437) 评论(0) 推荐(0) 编辑

AttributeError: 'module' object has no attribute 'bool_'

摘要： export PYTHONPATH=/home/xx/py-faster-rcnn/caffe-fast-rcnn/python 后面不要加caffe 还不能解决？看这个： https://i.cnblogs.com/PostDone.aspx?postid=7726413&actiontip=% 阅读全文

posted @ 2017-10-18 14:00 MissSimple 阅读(752) 评论(0) 推荐(0) 编辑

Accuracy,Precision,Recall and so on

摘要：一文弄懂Accuracy，Precision，Recall，False Alarm…… 假设原始样本中有两类，其中： 1：总共有 P个类别为1的样本，假设类别1为正例。 2：总共有N个类别为0 的样本，假设类别0为负例。经过分类后：3：有 TP个类别为1 的样本被系统正确判定为类别1，FN 个类别阅读全文

posted @ 2017-10-17 13:57 MissSimple 阅读(408) 评论(0) 推荐(0) 编辑

mini-batch和full-batch，及参数更新

摘要：一次epoch是指跑完全部的数据集。在对模型参数进行更新学习的时候，有三种更新方式，mini-batch （部分增量更新）与 full-batch（全增量更新），以及一次选一个训练。 SGD随机梯度下降法对full-batch GD有了极大速度的提升。但有一个问题就是由于过于自由导致训练的los 阅读全文

posted @ 2017-09-28 11:10 MissSimple 阅读(2474) 评论(0) 推荐(0) 编辑

回归和分类问题区别

摘要：离散和连续的区别。本质都是为特征赋予权重，从而让特征的变换和权重组成的表达式可以算出离散/连续的预测值。比方说房价（p）和面积（s）关系，如果房价是个连续的，那么为面积赋予变换方式（例如p=Θs，p=Θs^2,特征s的一次、二次就是特征的变换）和权重(Θ)，得到p，就是房价。若房价离散的，那么阅读全文

posted @ 2017-09-28 09:56 MissSimple 阅读(425) 评论(0) 推荐(0) 编辑

防止过拟合的方法

摘要：解决过拟合有两个方向：减少特征，人为选择简单模型；保留所有特征，但是减少每个特征的权重； 1、simpler model structure 2、regularization 正则化，解决过拟合的一种方法。 http://www.cnblogs.com/jianxinzhou/p/4083921 阅读全文

posted @ 2017-09-27 17:19 MissSimple 阅读(554) 评论(0) 推荐(0) 编辑