该文被密码保护。 阅读全文
摘要：
https://blog.csdn.net/selous/article/details/77197845 阅读全文
摘要：
双线性插值 假设源图像大小为mxn，目标图像为axb。那么两幅图像的边长比分别为：m/a和n/b。注意，通常这个比例不是整数，编程存储的时候要用浮点型。目标图像的第（i,j）个像素点（i行j列）可以通过边长比对应回源图像。其对应坐标为（i*m/a,j*n/b）。显然，这个对应坐标一般来说不是整数，而非整数的坐标是无法在图像这种离散数据上使用的。双线性插值通过寻找距离这个对应坐标最近的四个... 阅读全文
摘要：
一、Pytorch介绍Pytorch 是Torch在Python上的衍生物和Tensorflow相比：Pytorch建立的神经网络是动态的，而Tensorflow建立的神经网络是静态的Tensorflow的高度工业化，它的底层代码很难看懂官网：http://pytorch.org/Pytorch主要有两个模块：一个是torch,一个是torchvision,torch是主模块，用来搭建神经网络。t... 阅读全文
摘要：
动态图 vs. 静态图在 fast.ai，我们在选择框架时优先考虑程序员编程的便捷性（能更方便地进行调试和更直观地设计），而不是框架所能带来的模型加速能力。这也正是我们选择 PyTorch 的理由，因为它是一个具有动态图机制的灵活框架。依据采用动态计算或是静态计算的不同，可以将这些众多的深度学习框架划分成两大阵营，当然也有些框架同时具有动态计算和静态计算两种机制（比如 MxNet 和最新的 Ten... 阅读全文
摘要：
在计算机视觉领域，“目标检测”主要解决两个问题：图像上多个目标物在哪里（位置），是什么（类别）。围绕这个问题，人们一般把其发展历程分为3个阶段：1. 传统的目标检测方法2. 以R-CNN为代表的结合region proposal和CNN分类的目标检测框架(R-CNN, SPP-NET, Fast R-CNN, Faster R-CNN, R-FCN)3. 以YOLO为代表的将目标检测转换为回归问题... 阅读全文
摘要：
part 4: topologically structured networksincorporating structure in networks of point neurons如果我们使用神经元的生物学详细模型，那么很容易理解和实现拓扑的概念，因为我们已经有树突状乔木，轴突等，它们是神经系统内连接的物理先决条件。 但是，我们仍然可以通过使用点神经元网络来获得一定程度的特异性。无论是在拓扑... 阅读全文
摘要：
part 3: connecting networks with synapsesparameterising synapse modelsNEST提供了各种不同的突触模型。 您可以使用命令nest.Models（mtype ='synapses'）查看可用模型，该命令仅从所有可用模型列表中选取突触模型。Synapse模型可以类似于神经元模型进行参数化。 您可以使用GetDefaults（模型）发... 阅读全文
摘要：
part 2: populations of neuronsintroduction在这篇讲义中，我们着眼于创建和参数化神经元批次，并将它们连接起来。 当你完成这些材料时，你会知道如何：创建具有特定参数的神经元群体 在创建之前设置模型参数 用定制参数定义模型 随机参数创建后 在人群之间进行随机连接 设置设备以启动，停止并将数据保存到文件 重置模拟creating parameterised pop... 阅读全文
摘要：
neurons and simple neural networkspynest – nest模拟器的界面神经模拟工具（NEST：www.nest-initiative.org）专为仿真点神经元的大型异构网络而设计。 它是根据GPL许可证发布的开源软件。 该模拟器带有Python的接口[4]。 图1说明了用户的模拟脚本（mysimulation.py）和NEST模拟器之间的交互。 [2]包含该接口... 阅读全文