随笔分类 -  深度学习

摘要:深度学习算法工程师的基本要求 熟练掌握python和c++编程,至少熟悉 Caffe 和 Tensorflow/Pytorch 两种框架。 熟练玩转深度学习各类模型架构使用和设计。 熟练玩转数据的整理和使用,必须深刻理解数据在深度学习任务中的地位。 编程语言 C/C++ C/C++面试基础知识总结 阅读全文
posted @ 2020-06-24 22:49 深页 阅读(665) 评论(0) 推荐(0) 编辑
摘要:在实际工作中有很大一个难题就是收集到足够的数据,而数据就像是燃料,没有足够的数据训练的模型效果不会太好。所以要保证完美完成任务,有两件事必须要做好: 寻找更多的数据 充分利用已有的数据进行数据增强 本文就来聊聊数据增强的话题。 覆盖主流数据增强算法 https://github.com/aleju/ 阅读全文
posted @ 2020-06-24 22:48 深页 阅读(368) 评论(0) 推荐(0) 编辑
摘要:聊一聊神经网络的前生今世。 生物神经元到MP模型 人工神经网络(Artificial Neural Network),简称神经网络(Neural Network, NN),是人类模拟生物神经网络的结构和功能提出的数学模型,广泛应用于计算机视觉等领域。 人工神经网络与生物神经网络有大量相似之处,例如两 阅读全文
posted @ 2020-06-24 22:46 深页 阅读(403) 评论(0) 推荐(0) 编辑
摘要:模型要想训得好,参数优化不可少。 激活函数 一个复杂的神经网络,是有许多层的,其中最基本的单位便是神经元。一个线性神经元不断堆叠下去,永远都是线性关系。这就无法解决非线性问题,而不同的非线性映射函数的选择,就是激活函数的研究课题了。 为了解决非线性的问题,在感知机的基础上发展出了多层神经网络的概念。 阅读全文
posted @ 2020-06-24 22:41 深页 阅读(121) 评论(0) 推荐(0) 编辑
摘要:如何衡量一个模型的质量? 分类评测指标 图像分类是计算机视觉中最基础的一个任务,也是几乎所有的基准模型进行比较的任务,从最开始比较简单的10分类的灰度图像手写数字识别mnist,到后来更大一点的10分类的cifar10和100分类的cifar100,到后来的imagenet,图像分类任务伴随着数据库 阅读全文
posted @ 2020-06-24 22:38 深页 阅读(134) 评论(0) 推荐(0) 编辑
摘要:(1) 学会使用爬虫爬取图像和视频,从视频中提取图片。 (2) 对获得的图片数据进行整理,包括重命名,格式统一,去重。 爬取图片 有些任务没有直接对应的开源数据集,或者开源数据集中的数据比较少,这就需要我们通过搜索引擎自行爬取图片。 百度图片爬虫 Download images from Googl 阅读全文
posted @ 2020-06-24 22:34 深页 阅读(302) 评论(0) 推荐(0) 编辑
摘要:一份深度学习环境配置的备忘。 安装 Ubuntu16.04 推荐使用 Linux 系统,可以少给自己找些麻烦,既然要吃程序员这口饭,使用 Linux 这关是逃不开的。 Linux 有许多发行版,具体用哪个版本倒不必过分细究,不过还是推荐使用稳定的、使用人数多的发行版,比如 Ubuntu16.04 L 阅读全文
posted @ 2020-06-24 22:32 深页 阅读(428) 评论(0) 推荐(0) 编辑
摘要:本文介绍如何使用 TensorFlow2.0 实现前向传播,先介绍用 TensorFlow 普通的 API 来实现前向传播,将会介绍:如何加载数据集,如何完成参数初始化和构建前向传播网络,如何计算 accuracy. 由于神经网络的训练流程大同小异,就可以使用 tf.keras 封装的 API 来简 阅读全文
posted @ 2020-06-24 22:29 深页 阅读(159) 评论(0) 推荐(0) 编辑
摘要:深度残差网络(Deep residual network, ResNet)的提出是CNN图像史上的一件里程碑事件,ResNet取得了5项第一,并又一次刷新了CNN模型在ImageNet上的历史。 本文介绍如何用 TensorFlow2.0 来实现 ResNet18,并用其训练 cifar100 的分 阅读全文
posted @ 2020-06-24 22:28 深页 阅读(338) 评论(0) 推荐(0) 编辑
摘要:本文的环境是 Ubuntu16.04 + CUDA10 + Anaconda + TensorFlow2.0,现在的 conda 不支持安装 TensorFlow2.0 的包,所以需要用 pip 来安装 TensorFlow2.0。 pip install tensorflow-gpu==2.0.0 阅读全文
posted @ 2020-06-23 23:17 深页 阅读(134) 评论(0) 推荐(0) 编辑
摘要:TensorFlow 里程碑 2015.9发布0.1版本 2017.2发布1.0版本 2019春发布2.0版本 TensorFlow vs Pytorch TensorFlow1.0 上手困难,经常被诟病,都说 Pytorch。现在 TensorFlow2.0 出了,就容易上手多了。 学习建议就是 阅读全文
posted @ 2020-06-23 23:13 深页 阅读(141) 评论(0) 推荐(0) 编辑
摘要:Darknet is an open source neural network framework written in C and CUDA. It is fast, easy to install, and supports CPU and GPU computation. —— https: 阅读全文
posted @ 2020-06-23 23:12 深页 阅读(239) 评论(0) 推荐(0) 编辑
摘要:AlexeyAB/darknet 在原版darknet的基础上做了一些改进,用得最舒服的两个点是:可以实时查看 loss 和 mAP;可以自动计算一些模型评估指标。 下面是对其 README.md 的翻译。 Requirements (and how to install dependecies) 阅读全文
posted @ 2020-06-23 23:11 深页 阅读(581) 评论(0) 推荐(0) 编辑
摘要:Deep networks are compositional models that are naturally represented as a collection of inter-connected layers that work on chunks of data. Caffe def 阅读全文
posted @ 2020-06-23 23:09 深页 阅读(79) 评论(0) 推荐(0) 编辑
摘要:Caffe是优秀的深度学习开源框架,并具有良好的开源生态,我们可以在Model zoo中找到许多模型的实现。本文以 Caffe 提供的 Training LeNet on MNIST with Caffe 为例,介绍 Caffe 使用流程,并且在原文基础上增加可视化 accuracy 和 loss 阅读全文
posted @ 2020-06-23 23:07 深页 阅读(112) 评论(0) 推荐(0) 编辑
摘要:Caffe 安装看 Installation, 第一个例子可以看 Training LeNet on MNIST with caffe 的示例.跟着示例做一遍,精确度能有 98% 左右,做完很有成就感.跑完之后可以跑更多的官方示例,它包括 Notebook Example 和 Command Lin 阅读全文
posted @ 2020-06-23 23:04 深页 阅读(95) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示