<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[AliceLeeHX的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/AliceLeeHX</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; AliceLeeHX]]></copyright><item><title><![CDATA[Top mAP and mAP]]></title><link>https://blog.youkuaiyun.com/AliceLeeHX/article/details/88762358</link><guid>https://blog.youkuaiyun.com/AliceLeeHX/article/details/88762358</guid><author>AliceLeeHX</author><pubDate>Sat, 23 Mar 2019 15:47:59 +0800</pubDate><description><![CDATA[Top mAP and mAP

预备知识——Precision§ &amp; Recall®






Relevant
Non Relevant




Retrieved
True Positives (tp)
False Positives (fp)


Not Retrieved
False Negatives (fn)
True Negatives (tn)


则：
P=tptp+...]]></description><category></category></item><item><title><![CDATA[DARTS]]></title><link>https://blog.youkuaiyun.com/AliceLeeHX/article/details/88663842</link><guid>https://blog.youkuaiyun.com/AliceLeeHX/article/details/88663842</guid><author>AliceLeeHX</author><pubDate>Tue, 19 Mar 2019 15:38:08 +0800</pubDate><description><![CDATA[DARTS
Related Work

传统的NAS的方法：

1.基于强化学习的NAS
2.基于进化学习的NAS

现存优化传统NAS的方法：

1.搜索空间的特殊结构
2.单个结构的权重或者性能的预测
3.多个结构之间的权值共享

可以应用于NAS上的传统优化方法

1.强化学习
2.进化学习
3.MCTS
4.SMBO
5.Bayesian Optimization
以上方法并不能Work的...]]></description><category></category></item><item><title><![CDATA[ProxyLessNAS]]></title><link>https://blog.youkuaiyun.com/AliceLeeHX/article/details/88663004</link><guid>https://blog.youkuaiyun.com/AliceLeeHX/article/details/88663004</guid><author>AliceLeeHX</author><pubDate>Tue, 19 Mar 2019 15:13:47 +0800</pubDate><description><![CDATA[ProxyLessNAS : Direct Neural Architecture Search On Target Task And Hardware
Related Work

Proxy Tasks:

1.在小数据集上训练
2.只学习一些小的Blocks
3.只训练一小部分的Epoch

Motivation
1.基于 Proxy Tasks的NAS方法并没有考虑到诸如Latency等性能...]]></description><category></category></item><item><title><![CDATA[Pytorch Tensor与Variable、Numpy]]></title><link>https://blog.youkuaiyun.com/AliceLeeHX/article/details/87938461</link><guid>https://blog.youkuaiyun.com/AliceLeeHX/article/details/87938461</guid><author>AliceLeeHX</author><pubDate>Tue, 26 Feb 2019 16:56:19 +0800</pubDate><description><![CDATA[Pytorch Tensor与Variable、Numpy
Pytorch作为一种非常高效便捷的深度学习框架，其主要优点在于可以与Numpy无缝连接，所以下面我们来看一下Pytorch Tensor(CPU &amp;amp;amp; GPU)与Numpy中的Narray之间的相互转换：
1.类间转换
因为Tensor作为一种数据类型，也有Long、Float、Int等类型之分，因此首先来介绍一下，这些类型之间的...]]></description><category></category></item><item><title><![CDATA[Matplotlib本机和服务器的使用区别说明]]></title><link>https://blog.youkuaiyun.com/AliceLeeHX/article/details/87937779</link><guid>https://blog.youkuaiyun.com/AliceLeeHX/article/details/87937779</guid><author>AliceLeeHX</author><pubDate>Tue, 26 Feb 2019 16:32:29 +0800</pubDate><description><![CDATA[Matplotlib本机和服务器的使用区别说明
测试代码：
# coding=utf-8
import numpy as np
from numpy.linalg import cholesky
import matplotlib.pyplot as plt

sampleNo = 1000;
# 一维正态分布
mu = 3
sigma = 0.1
np.random.seed(0)
s = np...]]></description><category></category></item><item><title><![CDATA[服务器配置吐血总结]]></title><link>https://blog.youkuaiyun.com/AliceLeeHX/article/details/84254861</link><guid>https://blog.youkuaiyun.com/AliceLeeHX/article/details/84254861</guid><author>AliceLeeHX</author><pubDate>Mon, 19 Nov 2018 16:13:40 +0800</pubDate><description><![CDATA[服务器配置吐血总结

系统——Ubuntu16.04【非Server版本】
1.准备好一个空的U盘，将镜像激活系统文件拷贝好以备用，
2.开启服务器主机，用PrintScreen键切换主机屏幕，按Enter键便可以进入原始系统界面，如果过程中有任何卡顿，可以选择按Ctrl+Alt+Del进行重启。
机柜编号
一组是一个User，从上至下是一个Server，因此编号为’U1S1，U1S2,U1S3…...]]></description><category></category></item><item><title><![CDATA[Deep Learning]]></title><link>https://blog.youkuaiyun.com/AliceLeeHX/article/details/82802046</link><guid>https://blog.youkuaiyun.com/AliceLeeHX/article/details/82802046</guid><author>AliceLeeHX</author><pubDate>Tue, 25 Sep 2018 17:35:03 +0800</pubDate><description><![CDATA[Deep learning

[Reference]

Lecun Y, Bengio Y, Hinton G. Deep learning[J]. Nature, 2015, 521(7553):436.

Abstract

深度学习是由多处理层组成的计算层模型，通过多层抽象学习数据表示，这种方法在语言识别（Speech Recognition）、视觉物体识别、物体检测和其他诸如药理发现和基因...]]></description><category></category></item><item><title><![CDATA[CodeUP 1934]]></title><link>https://blog.youkuaiyun.com/AliceLeeHX/article/details/82828535</link><guid>https://blog.youkuaiyun.com/AliceLeeHX/article/details/82828535</guid><author>AliceLeeHX</author><pubDate>Mon, 24 Sep 2018 12:55:42 +0800</pubDate><description><![CDATA[Qusetion:

题目描述：
输入一个数n，然后输入n个数值各不相同，再输入一个值x，输出这个值在这个数组中的下标（从0开始，若不在数组中则输出-1）。

输入：
测试数据有多组，输入n(1&amp;lt;=n&amp;lt;=200)，接着输入n个数，然后输入x。

输出：
对于每组输入,请输出结果。

样例输入： 
4 
1 2 3 4 
3

样例输出：
2

思路:

1.利用input函数分别存储n...]]></description><category></category></item><item><title><![CDATA[深度神经网络的压缩与加速综述]]></title><link>https://blog.youkuaiyun.com/AliceLeeHX/article/details/82800359</link><guid>https://blog.youkuaiyun.com/AliceLeeHX/article/details/82800359</guid><author>AliceLeeHX</author><pubDate>Sun, 23 Sep 2018 14:15:20 +0800</pubDate><description><![CDATA[引用本文：

[如本文对读者朋友们的研究有所帮助，请添加如下参考文献]

纪荣嵘,林绍辉,晁飞,吴永坚,黄飞跃. 深度神经网络压缩与加速综述[J]. 计算机研究与发展, 2018, 55(9): 1871-1888.
Ji Rongrong,Lin Shaohui,Chao Fei,Wu Yongjian,Huang Feiyue. Deep Neural Network Compression ...]]></description><category></category></item><item><title><![CDATA[Deep Learning for Generic Object Detection: A Survey]]></title><link>https://blog.youkuaiyun.com/AliceLeeHX/article/details/82726792</link><guid>https://blog.youkuaiyun.com/AliceLeeHX/article/details/82726792</guid><author>AliceLeeHX</author><pubDate>Fri, 21 Sep 2018 11:35:03 +0800</pubDate><description><![CDATA[Abstract

通用对象检测，旨在从自然图像中的大量预定义类别定位对象物体，是计算机视觉中最基本和最具挑战性的问题之一。 近几年来，深度学习技术成为了直接从数据中学习特征表示的有力方法，并在通用对象检测领域取得了显着的突破。 鉴于这个快速发展的时代，本文的目标是对深度学习技术带来的这一领域的最新成就进行全面的研究。本调查包括250多个关键贡献，涵盖了通用对象检测重新搜索的许多方面：领先的检测框...]]></description><category></category></item><item><title><![CDATA[双线性插值]]></title><link>https://blog.youkuaiyun.com/AliceLeeHX/article/details/81626299</link><guid>https://blog.youkuaiyun.com/AliceLeeHX/article/details/81626299</guid><author>AliceLeeHX</author><pubDate>Mon, 13 Aug 2018 11:14:33 +0800</pubDate><description><![CDATA[双线性插值：顾名思义就是两个方向的线性插值加起来。即：分别在x轴和y轴都做一遍线性插值，就是双线性插值。

线性插值：即一维状态下的插值，在数轴上的表示就是有两个点A,B,此时若想向A，B间插入一个值（点）C,之间将C插入到A，B之间的连线上即可，即C的坐标为线段AB对应的中点坐标，若A，B均有对应的值，则C的取值为A、B取值的平均数。

例：A(0,0;0)，B(0,10;10),向A、B中插值...]]></description><category></category></item><item><title><![CDATA[PAT B1032]]></title><link>https://blog.youkuaiyun.com/AliceLeeHX/article/details/81287143</link><guid>https://blog.youkuaiyun.com/AliceLeeHX/article/details/81287143</guid><author>AliceLeeHX</author><pubDate>Mon, 30 Jul 2018 16:36:02 +0800</pubDate><description><![CDATA[题面：

为了用事实说明挖掘机技术到底哪家强，PAT组织了一场挖掘机技能大赛。现请你根据比赛结果统计出技术最强的那个学校。

输入格式：

输入在第1行给出不超过10的5次方的正整数N，即参赛人数。随后N行，每行给出一位参赛者的信息和成绩，包括其所代表的学校的编号（从1开始连续编号）、及其比赛成绩（百分制），中间以空格分隔。

输出格式：

在一行中给出总得分最高的学校的编号、及其总分，中间以空格...]]></description><category></category></item><item><title><![CDATA[PAT B1001]]></title><link>https://blog.youkuaiyun.com/AliceLeeHX/article/details/81170943</link><guid>https://blog.youkuaiyun.com/AliceLeeHX/article/details/81170943</guid><author>AliceLeeHX</author><pubDate>Mon, 23 Jul 2018 17:13:45 +0800</pubDate><description><![CDATA[题面

卡拉兹(Callatz)猜想：

对任何一个自然数n，如果它是偶数，那么把它砍掉一半；如果它是奇数，那么把(3n+1)砍掉一半。这样一直反复砍下去，最后一定在某一步得到n=1。卡拉兹在1950年的世界数学家大会上公布了这个猜想，传说当时耶鲁大学师生齐动员，拼命想证明这个貌似很傻很天真的命题，结果闹得学生们无心学业，一心只证(3n+1)，以至于有人说这是一个阴谋，卡拉兹是在蓄意延缓美国数学界...]]></description><category></category></item></channel></rss>