07 2019 档案
摘要：parse_known_args()方法的用处就是有些时候，你的选项配置可能不会在一个函数或包中调用完成 在很多使用，我们可能会需要根据一些输入的选项，比如在深度学习中，我们可能会根据传入的模型设置--model来决定我们调用的是那个模型代码，然后在该模型中还会有一部分的选项设置 那么这时候就会出现
阅读全文
摘要：https://docs.python.org/3.6/library/functools.html 从名字可以看出，该函数的作用就是部分使用某个函数，即冻结住某个函数的某些参数，让它们保证为某个值，并生成一个可调用的新函数对象，这样你就能够直接调用该新对象，并且仅用使用很少的参数 该参数源码： 举
阅读全文
摘要：返回所给tensor的矩阵范数或向量范数 参数： input：输入tensor p (int, float, inf, -inf, 'fro', 'nuc', optional)：范数计算中的幂指数值。默认为'fro' dim (int，2-tuple，2-list， optional): 指定计算
阅读全文
摘要：1）ReflectionPad2d 使用输入边界的反射来填充输入tensor 对于N维的填充，使用torch.nn.functional.pad() 参数： padding（int, tuple）：指定填充的大小。如果是一个整数值a，则所有边界都使用相同的填充数，等价于输入(a,a,a,a)。如果是
阅读全文
摘要：当你想要对图像设置transforms策略时，如： 但是有时官方提供的方法并不能够满足你的需要，这时候你就需要自定义自己的transform策略 方法就是使用transforms.Lambda 举例说明： 比如当我们想要截取图像，但并不想在随机位置截取，而是希望在一个自己指定的位置去截取 那么你就需
阅读全文
摘要：在pytorch中提供了很多预训练好的模型，以分类为例，基本上都是用ImageNet数据集来训练的，分为1000类。 但是很多时候我们要实现的分类项目可能并没有这么简单，比如我们可能并不仅仅只是实现单分类，可能想实现双分类或者是多分类，这个时候就需要对模型进行一定的修改 修改的同时还希望该修改后的模
阅读全文
摘要：当在写代码时，我们希望能够根据传入的选项设置，如args.model来确定要导入使用的是哪个model.py文件，而不是一股脑地导入 这种时候就需要用上python的动态导入模块 比如此时文件结构为： 假设此时参数的设置中有： 此时如果想要根据传入的参数args.model的值决定导入哪个模块，则：
阅读全文
摘要：Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks Joint Face Detection and Alignment using Multi-task Cascaded Convo
阅读全文
摘要：Pycharm的两种环境配置 1.新建一个虚拟环境 一开始使用pycharm创建project的时候，点击创建 create new project： 然后就会弹出下面的窗口，如果我们选择的是上面的选项，那么进行的就是一个创建了一个虚拟机环境的操作，就是在该project下会生成一个venv文件夹，
阅读全文
摘要：DEX: Deep EXpectation of apparent age from a single image 这个论文我们使用深度学习解决了在静态人脸图像中面部年龄的估计。我们的卷积神经网络使用了VGG-16结构，并在用于图像分类的ImageNet的数据集上预训练。除此之外，由于面部年龄的注释
阅读全文
摘要：https://www.bjsxt.com/down/8468.html 代码实现： 返回： 操作sqlite3数据库插入数据 返回： 插入多条数据： 返回： 操作sqlite3数据库查询数据 返回： 查询一条： 返回： 修改数据： 返回： 查询可见修改成功： 删除数据： 返回： 此时查看第一条数据
阅读全文
摘要：https://www.bjsxt.com/down/8468.html numpy-科学计算基础库 例子： 返回： 对列表中的元素开平方 之前的方法为： 返回： 现在使用numpy速度更快，更方便。对ndarray对象类型进行向量处理： 返回： array进行创建数组 一维数组: 返回： a.sh
阅读全文
摘要：https://www.bjsxt.com/down/8468.html 绘制方法： 绘制直线： 返回： 绘制折线图 返回： 开始学习-设置样式 windows不支持中文，添加： macos不支持中文,可见mac中matplotlib不支持中文的解决办法 运行的时候为： 就成功了： 绘制曲线： 返回
阅读全文
摘要：当你不是root用户时，安装模块时报错： 因为代表进行全局安装，安装后全局可用 解决办法就是： 添加一个--user,代表仅该用户的安装，安装后仅该用户可用。处于安全考虑，尽量使用该命令进行安装。 记得卸载的时候也要添加 --user
阅读全文
摘要：参考：https://blog.csdn.net/kaizei_pao/article/details/80795377 首先查看matplotlib已加载的字体： 然后找到Mac自身带的字体 command-空格，进行搜索查找字体册，选择中文-华文仿宋 然后在华文仿宋上右键-在访达中显示，但是据说
阅读全文
摘要：当使用pip install torch torchvision命令下载感觉很慢时 可以先到下面的网页将.whl文件下载下来，然后再运行安装即可： torchvision也是 下载好了以后，运行： 即可
阅读全文
摘要：不加的叫做经典类或旧式类，但是现在python3的类都默认是继承了object的，所以可写可不写 下面举个例子说明： 首先说明下__class__功能与用法： 首先说明下__class__功能与用法： __class__功能和type()函数一样，都是查看对象所在的类。 __class__可以套用
阅读全文
摘要：在论文是在Faster R-CNN的基础上的改进 ，实现的效果有： 目标检测：能够在输入图像中绘制出目标的边界框，预测目标位置 目标分类：判别出该划定边界的目标的类别是什么，如人、车、猫和狗等类别 像素级目标分割：（这就是其比Faster R-CNN多出的一个功能）能够在像素层面上对目标进行区分，将
阅读全文
摘要：加载图像时经常会遇见要缩放图像的情况，这种时候如何决定缩放后图像对应像素点的像素值，这时候就需要用到插值算法 1.最邻近插值算法 首先假设原图是一个像素大小为W*H的图片，缩放后的图片是一个像素大小为w*h的图片，这时候我们是已知原图中每个像素点上的像素值（即灰度值等）的（⚠️像素点对应像素值的坐标
阅读全文
摘要：Faster R-CNN在Fast R-CNN的基础上的改进就是不再使用选择性搜索方法来提取框，效率慢，而是使用RPN网络来取代选择性搜索方法，不仅提高了速度，精确度也更高了 Faster R-CNN: Towards Real-Time Object Detection with Region P
阅读全文
摘要：1.介绍 目标检测是指任意给定一张图像，判断图像中是否存在指定类别的目标，如果存在，则返回目标的位置和类别置信度 如下图检测人和自行车这两个目标，检测结果包括目标的位置、目标的类别和置信度 因为目标检测算法需要输出目标的类别和具体坐标，因此在数据标签上不仅要有目标的类别，还要有目标的坐标信息 可见目
阅读全文
摘要：SSD: Single Shot MultiBox Detector——目标检测 参考https://blog.csdn.net/u010167269/article/details/52563573 目标检测算法可分为两种类型：one-stage和two-stage,两者的区别在于前者是直接基于网
阅读全文
摘要：Going deeper with convolutions-22层 https://my.oschina.net/u/876354/blog/1637819 那么，GoogLeNet是如何进一步提升性能的呢？一般来说，提升网络性能最直接的办法就是增加网络深度和宽度，深度指网络层次数量、宽度指神经元
阅读全文
摘要：用于大尺度图片识别的非常深的卷积网络 使用一个带有非常小的(3*3)的卷积核的结构去加深深度，该论文的一个十分重要的改进就是它将卷机网络的深度增加到了16-19层，且可以用于比较大224*224的图片当中 其最大的特点就是采用了大量卷积核尺寸为3*3的卷积层，小尺寸的卷积核可以大大减少计算量。其网络
阅读全文
摘要：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 深度神经网络中用于视觉识别的空间金字塔池化 1.INTRODUCTION 一般的深度神经网络都会设定一个固定的输入图片大小，比如 224*224
阅读全文
摘要：Rich feature hierarchies for accurate object detection and semantic segmentation Tech report (v5) Rich feature hierarchies for accurate object detecti
阅读全文
摘要：Fast RCNN建立在以前使用深度卷积网络有效分类目标proposals的工作的基础上。使用了几个创新点来改善训练和测试的速度，同时还能增加检测的精确度。Fast RCNN训练VGG16网络的速度是RCNN速度的9倍，测试时的速度是其的213倍。与SPPnet对比，Fast RCNN训练VGG16
阅读全文
摘要：Life of a Transaction交易的生命周期 https://developers.libra.org/docs/life-of-a-transaction 为了更深入地了解Libra交易的生命周期，我们将跟踪一个交易从提交给Libra验证器到提交给Libra区块链的过程。然后，我们将“
阅读全文
摘要：Libra Protocol: Key Concepts https://developers.libra.org/docs/libra-protocol Libra区块链是一个加密认证的分布式数据库，基于Libra协议。本文简要描述Libra协议的关键概念。有关Libra协议所有元素的详细描述，请
阅读全文
摘要：参考https://developers.libra.org/docs/welcome-to-libra 欢迎来到Libra开发者网站!Libra的使命是建立一个简单的全球货币和金融基础设施，为数十亿人服务。 世界确实需要一种可靠的数字货币和基础设施，共同兑现“货币互联网”的承诺。“在你的移动设备上
阅读全文
摘要：https://libra.org/en-US/white-paper/ An Introduction to Libra An Introduction to Libra An Introduction to Libra An Introduction to Libra Libra的使命是建立一个
阅读全文