<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[CoderLife_的博客]]></title><description><![CDATA[鱼跃此时海，花开彼岸天。]]></description><link>https://blog.youkuaiyun.com/CoderLife_</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; CoderLife_]]></copyright><item><title><![CDATA[TensorRT初探——MobileNet_V1]]></title><link>https://blog.youkuaiyun.com/CoderLife_/article/details/122075302</link><guid>https://blog.youkuaiyun.com/CoderLife_/article/details/122075302</guid><author>CoderLife_</author><pubDate>Tue, 21 Dec 2021 23:02:25 +0800</pubDate><description><![CDATA[TensorRT初探——MobileNet_V1
引言
​	随着人工智能的发展，深度学习在计算机视觉上的应用越来越广泛，但如何落地实际工程项目的问题也越发受人关注，如何在边缘设备上运行深度学习模型也成为一个热点。本文主要对常见的轻量级模型进行学习，并尝试对模型进行加速优化，也希望能对自己课题起到帮助。
MobileNetV1模型结构


​	该模型是用来进行分类任务，并且网络将Conv-&gt;Bn-&gt;Relu的操作转变成了Depthwise Conv-&gt;BN-&gt;Relu-&gt;comv]]></description><category></category></item><item><title><![CDATA[深度可分离卷积 to MobileNet_v1 to    MobileNet_v2]]></title><link>https://blog.youkuaiyun.com/CoderLife_/article/details/95596899</link><guid>https://blog.youkuaiyun.com/CoderLife_/article/details/95596899</guid><author>CoderLife_</author><pubDate>Fri, 12 Jul 2019 10:48:39 +0800</pubDate><description><![CDATA[深度可分离卷积 to MobileNet_v1 to    MobileNet_v2
深度可分离卷积
卷积
要解释深度可分离卷积，就要从卷积过程开始说起，我们假设输入为 N x H x W x C 的特征向量，其中N为特征向量个数，H、W为特征图的长宽，C为特征向量的通道数，当我们用k个卷积核进行卷积操作时，如果设置步长为1，那么最后输出为N x H x W x K

Depthwise
深度可分...]]></description><category></category></item><item><title><![CDATA[卷积神经网络（CNN）入门指南]]></title><link>https://blog.youkuaiyun.com/CoderLife_/article/details/90372268</link><guid>https://blog.youkuaiyun.com/CoderLife_/article/details/90372268</guid><author>CoderLife_</author><pubDate>Mon, 20 May 2019 11:50:25 +0800</pubDate><description><![CDATA[卷积神经网络（CNN）入门指南









引言

卷积神经网络：听起来像是生物与数学还有少量计算机科学的奇怪结合，但是这些网络在计算机视觉领域已经造就了一些最有影响力的创新。2012年神经网络开始崭露头角，那一年Alex Krizhevskyj在ImageNet竞赛上（ImageNet可以算是竞赛计算机视觉领域一年一度的“奥运会”竞赛）将分类错误记录从26%降低到15%，这在当时是一...]]></description><category></category></item><item><title><![CDATA[基于卷积神经网络的遥感图像养殖区自动划分]]></title><link>https://blog.youkuaiyun.com/CoderLife_/article/details/90372236</link><guid>https://blog.youkuaiyun.com/CoderLife_/article/details/90372236</guid><author>CoderLife_</author><pubDate>Mon, 20 May 2019 11:49:13 +0800</pubDate><description><![CDATA[基于卷积神经网络的遥感图像养殖区自动划分

摘要：卷积神经网络是目前计算机视觉领域广泛应用的模型。我们在传统卷积神经网络的基础上，替换了全连接层，借助高分辨率图像，对海水养殖区进行识别和标记，最终实现了模型对海水养殖区很好的识别，训练速度也较为理想。该研究减少了了人工识别养殖区的时间，节约人力物力，并且对海洋养殖区的分布布局具有重要意义。

关键字：高分辨率遥感图像；特征提取；全卷积神经网络；图像...]]></description><category></category></item><item><title><![CDATA[keras 中 Embedding层input_dim,output_dim个人理解]]></title><link>https://blog.youkuaiyun.com/CoderLife_/article/details/86636431</link><guid>https://blog.youkuaiyun.com/CoderLife_/article/details/86636431</guid><author>CoderLife_</author><pubDate>Fri, 25 Jan 2019 09:43:05 +0800</pubDate><description><![CDATA[from keras.layers.embeddings import Embedding
Embedding(input_dim, output_dim, embeddings_initializer='uniform', embeddings_regularizer=None, activity_regularizer=None, embeddings_constraint=None, mas...]]></description><category></category></item><item><title><![CDATA[数据分析之房价预测(机器学习，sklearn)]]></title><link>https://blog.youkuaiyun.com/CoderLife_/article/details/84934060</link><guid>https://blog.youkuaiyun.com/CoderLife_/article/details/84934060</guid><author>CoderLife_</author><pubDate>Mon, 10 Dec 2018 00:04:04 +0800</pubDate><description><![CDATA[比赛给的数据集给与的是关于某个地区的房屋数据，要求运用机器学习的知识给出合理的房价预测
首先导入所需要的包
import pandas as pd
import numpy as np
import xgboost as xgb
import seaborn as sns
sns.set_style('whitegrid',{'font.sans-serif':['simhei','Arial']...]]></description><category></category></item><item><title><![CDATA[JavaScript call() apply() bind() 三种方法绑定this]]></title><link>https://blog.youkuaiyun.com/CoderLife_/article/details/82258459</link><guid>https://blog.youkuaiyun.com/CoderLife_/article/details/82258459</guid><author>CoderLife_</author><pubDate>Fri, 31 Aug 2018 16:30:36 +0800</pubDate><description><![CDATA[this的动态切换，为Javascript带来巨大的灵活性，初学js，结合资料，总结一下绑定this的三种方法，防止以后忘记。


call 
apply
bind 
call（） 方法，可以指定函数内部this的指向（即函数执行时的所在的作用域），然后在所指定的作用域里面，调用该函数。


var obj ={}；
var f=function(){
    return this;
    }...]]></description><category></category></item><item><title><![CDATA[小白都懂的tf.Variable、tf.get_variable、tf.variable_scope]]></title><link>https://blog.youkuaiyun.com/CoderLife_/article/details/80934963</link><guid>https://blog.youkuaiyun.com/CoderLife_/article/details/80934963</guid><author>CoderLife_</author><pubDate>Fri, 06 Jul 2018 00:15:30 +0800</pubDate><description><![CDATA[tf.Variable与tf.get_variable 
tensorflow通过变量名称来创建或者获取一个变量的机制，通过这个机制，在不同的函数中可以直接通过变量的名字来使用变量，而不需要将变量通过参数的形式到处传递。 TensorFlow中通过变量名获取变量的机制主要是通过tf.get_variable和tf.variable_scope实现的。  
当然，变量也可以通过tf.Varivale...]]></description><category></category></item><item><title><![CDATA[神经网络实现mnist_详细注释版（附数据集下载地址）]]></title><link>https://blog.youkuaiyun.com/CoderLife_/article/details/80833098</link><guid>https://blog.youkuaiyun.com/CoderLife_/article/details/80833098</guid><author>CoderLife_</author><pubDate>Wed, 27 Jun 2018 18:03:03 +0800</pubDate><description><![CDATA[本篇主要是为了入门TensorFlow 结合官方文档 并且查阅资料 给出的详细注释版本]]></description><category></category></item><item><title><![CDATA[有关TensorFlow里的argmax()函数理解]]></title><link>https://blog.youkuaiyun.com/CoderLife_/article/details/80725565</link><guid>https://blog.youkuaiyun.com/CoderLife_/article/details/80725565</guid><author>CoderLife_</author><pubDate>Mon, 18 Jun 2018 18:24:51 +0800</pubDate><description><![CDATA[tf.argmax()此函数是对矩阵按行或列计算最大值,并且返回这个最大值所在的下标

For example:



import numpy as np
test=np.array([[3,2,1],[4,5,6],[9,8,7]])
np.argmax(test,0)

此时 ，结果返回

array([2, 2, 2], dtype=int64)

argmax(pre,0)是指 按照数组...]]></description><category></category></item><item><title><![CDATA[c++ 函数重载总结]]></title><link>https://blog.youkuaiyun.com/CoderLife_/article/details/80629435</link><guid>https://blog.youkuaiyun.com/CoderLife_/article/details/80629435</guid><author>CoderLife_</author><pubDate>Fri, 08 Jun 2018 23:54:21 +0800</pubDate><description><![CDATA[本人小白一枚，因近日考试，有关函数重载方面容易混淆，故自己总结一番，放在这和大家分享交流，能力有限 欢迎指正

只能重载为类的成员函数的运算符：= [] () -&amp;gt; 
运算符重载语法: 返回类型 operator @ 参数表 
二元运算符:

class A
{};
//重载为类的成员函数
A operator + (A &amp;amp;q)
//重载为类的友元函数
friend A operat...]]></description><category></category></item></channel></rss>