随笔分类 - 深度学习
这里主要记录深度学习一些具体的理论知识及一些大方向。
摘要：Pytorch分类模型的训练框架 PhotoDataset数据集是自己定义的数据集，数据集存放方式为： image文件夹 0文件夹 img1.jpg img2.jpg 1文件夹 img1.jpg img2.jpg .... 如果是cpu训练的话，就把代码中的.cuda()改成.cpu() impor
阅读全文
摘要：基于可逆神经网络的图像隐藏技术 (ICCV 2021) - HiNet: Deep Image Hiding by Invertible Network 89-112 分钟 HiNet: Deep Image Hiding by Invertible Network [pdf] [github] F
阅读全文
摘要：albumentations包整理 摘要 albumentations包是一种针对数据增强专门写的API，里面基本包含大量的数据增强手段，比起pytorch自带的transform更丰富，搭配使用效果更好。 代码和效果 import cv2 as cv import numpy as np from
阅读全文
摘要：文件更小，质量更高，大火的Stable Diffusion还能压缩图像？ 代码：code
阅读全文
摘要：注意力Attention机制! 一 综述 | 计算机视觉中的注意力机制 转自综述| 计算机视觉中的注意力机制 paper https://github.com/MenghaoGuo/Awesome-Vision-Attentions 11月16日，清华大学计图团队和南开大学程明明教授团队、卡迪夫大学
阅读全文
摘要：Segmation Model 结构-代码 Deeplab系列 DeepLabV1 作者发现Deep Convolutional Neural Networks (DCNNs) 能够很好的处理的图像级别的分类问题，因为它具有很好的平移不变性（空间细节信息已高度抽象），但是DCNNs很难处理像素级别的
阅读全文
摘要：PyTorch消除训练瓶颈 提速技巧 1. 硬件层面 CPU的话尽量看主频比较高的，缓存比较大的，核心数也是比较重要的参数。 显卡尽可能选现存比较大的，这样才能满足大batch训练，多卡当让更好。 内存要求64G，4根16G的内存条插满绝对够用了。 主板性能也要跟上，否则装再好的CPU也很难发挥出全
阅读全文
摘要：【CNN结构设计】无痛的涨点技巧：ACNet 公众号：GiantPandaCV 链接：https://mp.weixin.qq.com/s/ZKjHBpxl4kl83xsGO__tmg 标题：【CNN结构设计】无痛的涨点技巧：ACNet 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明
阅读全文
摘要：分割常用评价指标及代码 来源：知乎 来源标题：分割常用评价指标及代码 来源链接：https://zhuanlan.zhihu.com/p/117435908?from_voters_page=true 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 Dice 对于分割过程中的评
阅读全文
摘要：图像分割的理解 知乎回答 为什么深度学习中的图像分割要先编码再解码？:computer: **问题描述：**如FCN, U-NET等结构，都有编码，解码的过程（降采样，上采样），为什么不能直接用全卷积，不pooling，一直保持相同的特征图大小进行分割呢？ 回答作者：张良怀 链接：https://w
阅读全文
摘要：U-Net再理解:apple: 谈一谈UNet图像分割:watermelon: 来源公众号：GiantPandaCV 来源标题：谈一谈UNet图像分割 来源标题：https://mp.weixin.qq.com/s/eQgA1OYozKLXx-gbJjDpnw 著作权归作者所有。商业转载请联系作者获
阅读全文
摘要：PyTorch | 优化神经网络训练的方法 转自Faster Deep Learning Training with PyTorch 考虑换一种学习率 schedule 学习率 schedule 的选择对模型的收敛速度和泛化能力有很大的影响。Leslie N. Smith 等人在论文《Cyclica
阅读全文
摘要：经典网络整理 AlexNet # ImageNet Classification with Deep Convolutional Neural Networks import torch.nn as nn import torch class AlexNet(nn.Module): def __in
阅读全文
摘要：为神经网络选择正确的激活函数 转自知乎专栏为神经网络选择正确的激活函数 我们都知道神经网络模型中使用激活函数的主要目的是将非线性特性引入到我们的网络中，强化网络的学习能力。激活函数应用于隐藏层和输出层中每个节点的称为 z 的输入加权和（此处输入可以是原始数据或前一层的输出）。 在本篇文章中我们将讨论
阅读全文
摘要：#【转载】GitHub中文排行榜-Python版 > 转自[ hzjai0624 / GitHub-Chinese-Top-Charts](https://github.com/hzjai0624/GitHub-Chinese-Top-Charts#Python) 