10 2019 档案
摘要:有一副8*8的图,进行1*1的卷积 如果是单通道:则1*1的卷积只是将矩阵乘上一个数字,没啥作用 但如果是3通道,卷积核也变成3通道,则可以提取不同通道的特征(赋予不同的权重),再加一个Bias 典型的应用场景,有一张图,经过卷积后有28*28*64 64个信道,我们可以通过卷积压缩长和宽,但是如何
阅读全文
摘要:1、 全连接层的坏处就在于其会破坏图像的空间结构,因此人们便开始用卷积层来“代替”全连接层,通常采用1×1的卷积核,这种不包含全连接的CNN成为全卷积神经网络(FCN),FCN最初是用于图像分割任务,之后开始在计算机视觉领域的各种问题上得到应用,事实上,Faster R-CNN中用来生成候选窗口的C
阅读全文
摘要:1、如果batch太小,训练的时候不易收敛,loss容易震荡, 2、可以设置某几层freeze,不进行参数的更新 for layer in model.layers: layer.trainable = Flase 3、
阅读全文
摘要:https://keras.io/applications/
阅读全文
摘要:1. redis加锁分类 redis能用的的加锁命令分表是INCR、SETNX、SET 2. 第一种锁命令INCR 这种加锁的思路是, key 不存在,那么 key 的值会先被初始化为 0 ,然后再执行 INCR 操作进行加一。然后其它用户在执行 INCR 操作进行加一时,如果返回的数大于 1 ,说
阅读全文
摘要:1、 当使用import的时候,python默认只在当前目录下搜索,但是如果工程比较大的时候,全部放在根目录下会很乱 所以可以创建一个文件夹,添加空文件__init__.py 这样python会把这个文件夹当成一个包来对待,就可以import 即from models.keras_ssd300 im
阅读全文
摘要:1、先验框的数量 我们都知道SSD默认框从6层卷积层输出的特征图中产生,分别为conv4_3、fc7、conv6_2、conv7_2、conv8_2、conv9_2。这6个特征层产生的特征图的大小分别为38*38、19*19、10*10、5*5、3*3、1*1。每个n*n大小的特征图中有n*n个中心
阅读全文
摘要:2级销售:①能让客户产生对你及你公司的信任;②能够通过客户反应(语言或非语言),捕捉成交机会;③能够给出让客户尽快合作的理由。 上面第①点靠真诚交流、靠物料准备(例如客户鉴证视频),第②项靠练习和一点点天赋,第③项靠策略准备。我专门说说第3项。 上个月,有一个创始人来找我,我很熟悉他们的产品价值很高
阅读全文
摘要:管理标准化—销售费用能否换为提成?| SaaS创业路线图(44) 吴昊@SaaS · 2019-05-05 销售管理标准化工作存在于每个管理细节上,销售费用管理就是其中一项。一个好的机制胜过一万遍日常管理。 管理标准化—销售费用能否换为提成?| SaaS创业路线图(44) 吴昊@SaaS · 201
阅读全文
摘要:原文:https://note.youdao.com/ynoteshare1/index.html?id=c91446020ebd25b05190799c50ede8e6&type=note (1)应用环境 mkdir myapp cd myapp 新建run.py 脚本 from flask im
阅读全文
摘要:INSERT OVERWRITE table industry_report_kedanjia PARTITION (pt=${bdp.system.bizdate}) 只覆盖分区 INSERT OVERWRITE table industry_report_kedanjia 覆盖整张表 INSER
阅读全文
摘要:1、节点定时调度,每周日进行调度 industry_report_kedanjia industry_report_products industry_report_products industry_report_revenue_week industry_report_ticket_count
阅读全文
摘要:更新参数的时间和训练的方法有关,更确切的说,是我们为了设置什么时候更新参数,才使用哪种方法进行训练 1、如果一次性训练全部样本才更新参数,就将所有样本都丢进去(相当于只有一个batch),Gradient Descent梯度下降法进行计算 2、如果每计算一个样本,就更新一次参数,我们使用 Stoch
阅读全文
摘要:神经网络中,会得到w0,w1,...wn,这些是各个特征的权重,如果输出output = w0x0+w1x1+...+wnxn 则训练得到的是特征的线性组合,如果只是线性组合,我们完全可以去掉所有隐藏层。 事实上,有很多情况下,特征与输出之间的关系是非线性的,所以我们需要一个通用的,可以逼近所有(线
阅读全文
摘要:keras.layers.Conv2D(filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, ker
阅读全文