摘要: 写完发现名字有点拗口。。- -# 大家在做deep learning的时候,应该都遇到过显存不够用,然后不得不去痛苦的减去batchszie,或者砍自己的网络结构呢? 最后跑出来的效果不尽如人意,总觉得自己被全世界针对了。。遇到这种情况怎么办? 请使用MXnet的天奇大法带你省显存! 鲁迅曾经说过: 阅读全文
posted @ 2017-06-18 22:52 亦轩Dhc 阅读(4099) 评论(1) 推荐(0) 编辑
摘要: 写在开头的就是,我只能百分之九十确定这个是真的有效....毕竟试了太多的方法,最后莫名其妙的就好了。。 - -# 基础的步骤就不说了,网上一搜一大把,大家可能follow了所有的步骤以后发现还是连接不上。 因为 。 。 。 。 。 。 。 贴心的阿里云爸爸帮我们禁止了几乎所有的端口,所以smb服务需 阅读全文
posted @ 2017-06-03 10:57 亦轩Dhc 阅读(3721) 评论(2) 推荐(0) 编辑
摘要: 这篇论文真是让我又爱又恨,可以说是我看过的最认真也是最多次的几篇paper之一了,首先deformable conv的思想我觉得非常好,通过end-to-end的思想来做这件事也是极其的make sense的,但是一直觉得哪里有问题,之前说不上来,最近想通了几点,先初步说几句,等把他们的代码跑通并且 阅读全文
posted @ 2017-05-20 00:13 亦轩Dhc 阅读(11481) 评论(0) 推荐(4) 编辑
摘要: 好久不写论文笔记了,不是没看,而是很少看到好的或者说值得记的了,今天被xinlei这篇paper炸了出来,这篇被据老大说xinlei自称idea of the year,所以看的时候还是很认真的,然后最后确实也发现了不少干货。 一、introduction 这篇文章主要还是解决detection中如 阅读全文
posted @ 2017-05-17 21:15 亦轩Dhc 阅读(2757) 评论(1) 推荐(0) 编辑
摘要: 这篇其实跟使用MXnet的关系不大,但对于我们理解深度学习的框架设计还是很有帮助的。 首先还是对promgramming models的一个简单介绍,这个东西实际上是在编译里面经常出现的东西,我们在编译我们的程序的时候,可以对变量构建出一个计算图,然后可以对这个图进行相应的优化来提高速度或者节省内存 阅读全文
posted @ 2017-03-19 19:10 亦轩Dhc 阅读(2332) 评论(2) 推荐(0) 编辑
摘要: 在我们在MXnet中定义好symbol、写好dataiter并且准备好data之后,就可以开开心的去训练了。一般训练一个网络有两种常用的策略,基于model的和基于module的。今天,我想谈一谈他们的使用。 一、Model 按照老规矩,直接从官方文档里面拿出来的代码看一下: 具体的API参照htt 阅读全文
posted @ 2017-03-05 19:26 亦轩Dhc 阅读(11608) 评论(1) 推荐(1) 编辑
摘要: MXnet的设计结构是C++做后端运算,python、R等做前端来使用,这样既兼顾了效率,又让使用者方便了很多,完整的使用MXnet训练自己的数据集需要了解几个方面。今天我们先谈一谈Data iterators。 MXnet中的data iterator和python中的迭代器是很相似的, 当其内置 阅读全文
posted @ 2017-02-05 15:13 亦轩Dhc 阅读(8527) 评论(1) 推荐(0) 编辑
摘要: 上一次发博客已经是9月份的事了....这段时间公司的事实在是多,有写博客的时间都拿去看paper了..正好春节回来写点东西,也正好对这段时间做一个总结。 首先当然还是好好说点这段时间的主要工作:语义分割。semantic segmentation 应该是DL这几年快速发展的最重要的领域之一了,但可惜 阅读全文
posted @ 2017-01-24 17:28 亦轩Dhc 阅读(10912) 评论(0) 推荐(1) 编辑
摘要: 最近工作要开始用到MXnet,然而MXnet的文档写的实在是.....所以在这记录点东西,方便自己,也方便大家。 我觉得搞清楚一个框架怎么使用,第一步就是用它来训练自己的数据,这是个很关键的一步。 一、MXnet数据预处理 整个数据预处理的代码都集成在了toosl/im2rec.py中了,这个首先要 阅读全文
posted @ 2016-09-30 19:22 亦轩Dhc 阅读(26068) 评论(0) 推荐(0) 编辑
摘要: 一、承前启后 && kernel method 这一段话还是很重要的:1、如何处理feature很多很复杂的情况?kernel 2、如何将多个feature联系起来使用? boost和blend 3、如何学习隐藏的feature? deeplearning 首先还是引出了SVM,为什么需要使用SVM 阅读全文
posted @ 2016-09-28 18:59 亦轩Dhc 阅读(697) 评论(0) 推荐(1) 编辑