摘要：
include＜＞和#include““的区别 #include“”优先从自己定义的源文件中查找，找不到之后才去标准库文件中查找。 #include<>优先从引入的标准库文件中查找。<>里面一般都放标准库.h。 阅读全文
摘要：
git config --global color.status auto git config --global color.diff auto git config --global color.branch auto git config --global color.interactive 阅读全文
摘要：
概述 “数据决定了机器学习的上限，而算法只是尽可能逼近这个上限”，这里的数据指的就是经过特征工程得到的数据。特征工程指的是把原始数据转变为模型的训练数据的过程，它的目的就是获取更好的训练数据特征，使得机器学习模型逼近这个上限。特征工程能使得模型的性能得到提升，有时甚至在简单的模型上也能取得不错的效果 阅读全文
摘要：
Smooth L1 Loss 作用 当预测框与 ground truth 差别过大时，梯度值不至于过大； 当预测框与 ground truth 差别很小时，梯度值足够小。 数学公式 损失函数对X的导数分别为： 方程 (4)，当x增大时 L2 损失对x的导数也增大。这就导致训练初期，预测值与 grou 阅读全文
摘要：
(目录) sigmoid 公式： \(f(x) = \frac{1}{1 + e^{-x}}\) 图像： Tanh 公式： \(f(x) = \frac{e^x - e^{-x}}{e^x + e^{-x}}\) 图像： softplus 公式： \(f(x) = log(1+e^x)\) 图像： 阅读全文
摘要：
(目录) paper https://arxiv.org/pdf/1804.02767v1.pdf 网络结构图 性能上远超Darknet-19，但在效率上同样优于ResNet-101和ResNet-152。下表是在ImageNet上的实验结果： 网络详细结构图： 网络简版结构图： 数据处理 trai 阅读全文
摘要：
paper https://arxiv.org/pdf/1512.02325.pdf 网络结构图 简版： 详细版： 特点： Multi-scale feature maps for detection 多尺度特征图 卷积特征层尺寸逐步增加，可以在不同 scales 预测检测结果 Convolutio 阅读全文
摘要：
install sudo apt-get install xdg-open sudo apt-get install graphviz pip install graphviz use from torchviz import make_dot x = Variable(torch.randn(1, 阅读全文