<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[QiangLi的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/QiangLi_strong</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; QiangLi_strong]]></copyright><item><title><![CDATA[MTCNN]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/84649300</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/84649300</guid><author>QiangLi_strong</author><pubDate>Fri, 30 Nov 2018 14:18:07 +0800</pubDate><description><![CDATA[论文翻译
Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks
使用多任务级联卷积网络进行联合人脸检测和对准。
摘要
Face detection and alignment in unconstrained environment are challenging due to var...]]></description><category></category></item><item><title><![CDATA[论文《Deep Image Prior》 翻译学习]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81541147</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81541147</guid><author>QiangLi_strong</author><pubDate>Thu, 09 Aug 2018 17:36:49 +0800</pubDate><description><![CDATA[资料


论文首页
论文PDF
补充材料
Code




论文



摘要

深度卷积网络已经成为图像生成和恢复的通用工具。一般来说，它们的出色性能归功于它们从大量样本图像中学习真实图像先验（image prior）的能力。而在本文中，相反的是，我们证明生成器网络的结构足以将大量的低等级图像统计先验捕获到任意学习中。为了做到这一点，我们展示了一个随机初始化的神经网络可以用作一个手动先验，并且可以...]]></description><category></category></item><item><title><![CDATA[论文《Noise2Noise: Learning Image Restoration without Clean Data》翻译学习]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81541041</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81541041</guid><author>QiangLi_strong</author><pubDate>Thu, 09 Aug 2018 17:32:41 +0800</pubDate><description><![CDATA[资料


论文地址
Github上的非官方实现




论文



摘要

我们将基本的统计推理应用于通过机器学习进行信号重建 - 学习将损坏的观察结果映射到干净的信号 - 得出一个简单而有力的结论：在某些常见情况下，可以学习恢复信号而无需观察干净的信号，性能接近 或等于使用干净样本进行训练。 我们展示了在摄影噪声消除、合成蒙特卡罗图像去噪以及从欠采样输入重建MRI扫描的应用，所有这些都基于仅观察...]]></description><category></category></item><item><title><![CDATA[Armv8 指令集]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81475227</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81475227</guid><author>QiangLi_strong</author><pubDate>Tue, 07 Aug 2018 09:27:54 +0800</pubDate><description><![CDATA[A64 – Base Instructions 通用寄存器



A64 – SIMD and Floating-point Instructions SIMD寄存器指令



逻辑运算和比较运算



VAND、VBIC、VEOR、VORN 和 VORR （寄存器）（按位与、位清除、异或、或非以及或（寄存器））

VAND （按位与）、VBIC （位清除）、VEOR （按位异或）、VORN （按...]]></description><category></category></item><item><title><![CDATA[生成对抗网络GAN]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039384</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039384</guid><author>QiangLi_strong</author><pubDate>Sat, 14 Jul 2018 00:08:09 +0800</pubDate><description><![CDATA[生成对抗网络GAN 




理论学习



第一篇论文 Generative Adversarial Networks

GAN提出者的第一篇论文下载地址 https://arxiv.org/abs/1406.2661，PDF，该论文的讲解http://blog.youkuaiyun.com/sallyxyl1993/article/details/64123922。




G 生成器 生成器通过噪音的输...]]></description><category></category></item><item><title><![CDATA[deeplearning.ai题目记录]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039324</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039324</guid><author>QiangLi_strong</author><pubDate>Sat, 14 Jul 2018 00:06:54 +0800</pubDate><description><![CDATA[课程在网易云课堂上免费观看，作业题如下：加粗为答案。 




神经网络和深度学习



第一周 深度学习概论

10个选择题，原见Github


What does the analogy “AI is the new electricity” refer to? 
Similar to electricity starting about 100 years ago, AI is trans...]]></description><category></category></item><item><title><![CDATA[deeplearning.ai笔记]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039320</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039320</guid><author>QiangLi_strong</author><pubDate>Sat, 14 Jul 2018 00:06:36 +0800</pubDate><description><![CDATA[课程在网易云课堂上免费观看，作业题如下：加粗为答案。 




神经网络和深度学习

网址



第一周 深度学习概论



第二周 Logistic Regression



Logistic回归公式推导

样本个数 mmm, 训练样本个数 mtrainmtrainm_{train}, 同理 mtestmtestm_{test},mvalidmvalidm_{valid}



单个样本


...]]></description><category></category></item><item><title><![CDATA[TensorFlow中的变量管理]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039271</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039271</guid><author>QiangLi_strong</author><pubDate>Sat, 14 Jul 2018 00:05:19 +0800</pubDate><description><![CDATA[介绍TensorFlow中的变量管理。





相关链接

莫烦Python视频讲解

官网教程

name_scope和variable_scope区别



变量管理

本文主要介绍tf.get_variable()和tf.variable_scope()来进行变量管理。



两种变量创建方式

tf.Variable()的函数原型：



__init__(
    initial_va...]]></description><category></category></item><item><title><![CDATA[TensorFlow 多线程输入数据处理框架]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039255</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039255</guid><author>QiangLi_strong</author><pubDate>Sat, 14 Jul 2018 00:04:50 +0800</pubDate><description><![CDATA[TensorFlow 多线程输入数据处理框架 




队列


tf.FIFOQueue：先进先出队列
tf.RandomShuffleQueue：每次出队都是随机选择一个




import tensorflow as tf

# 创建一个先进先出队列，指定队列中最多存放5个元素，并指定相应的类型
q = tf.FIFOQueue(5, &quot;int32&quot;)
# 使用enqueue_many来初...]]></description><category></category></item><item><title><![CDATA[TensorFlow TFRecord格式]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039249</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039249</guid><author>QiangLi_strong</author><pubDate>Sat, 14 Jul 2018 00:04:34 +0800</pubDate><description><![CDATA[TFRecord 




格式介绍

低层采用Protocol Buffer格式存储，Protocol见blog



将MNIST数据转化为TFRecord

mnist_to_tfrecord.py

转换前MNIST_data文件夹大小12M，转换后record文件46M



读取Record文件

read_tfrecord.py...]]></description><category></category></item><item><title><![CDATA[TensorFlow TensorBoard 使用]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039225</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81039225</guid><author>QiangLi_strong</author><pubDate>Sat, 14 Jul 2018 00:04:07 +0800</pubDate><description><![CDATA[TensorBoard示例程序 




import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

SUMMARY_DIR = &quot;log&quot;
BATCH_SIZE = 100
TRAIN_STEPS = 10000
HIDDEN1_SIZE = 500


def variable_summ...]]></description><category></category></item><item><title><![CDATA[TensorFlow CNN代码]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038103</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038103</guid><author>QiangLi_strong</author><pubDate>Sat, 14 Jul 2018 00:01:37 +0800</pubDate><description><![CDATA[神经网络中一些重构后的代码。 




标准

TOP5



MNIST-FullConnected

分为三个文件


mnist_fc_inference.py：定义了前向传播的过程以及神经网络中的参数。
mnist_fc_train.py：定义了神经网络的训练过程。
mnist_fc_eval.py：定义了测试过程。


最高98.62%



MNIST-LeNet5



lenet5...]]></description><category></category></item><item><title><![CDATA[TensorFlow GPU加速]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038101</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038101</guid><author>QiangLi_strong</author><pubDate>Fri, 13 Jul 2018 21:50:35 +0800</pubDate><description><![CDATA[TensorFlow GPU加速 




单卡

尽管机器上多个CPU，但是对于TF来说，所有的CPU都是/cpu:0

多个GPU时，设备名称为/gpu:n，n从0开始

查看运行每一个操作的设备

CPU上



import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'

a = tf.constan...]]></description><category></category></item><item><title><![CDATA[TensorFlow 图像预处理常用手段]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038097</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038097</guid><author>QiangLi_strong</author><pubDate>Fri, 13 Jul 2018 21:50:10 +0800</pubDate><description><![CDATA[图像代码文档tensorflow.org 


图像地址qiniu



单一处理



编解码



import matplotlib.pyplot as plt
import tensorflow as tf

# 读取图片
image_raw_data = tf.gfile.FastGFile(&quot;cat.jpg&quot;, 'rb').read()

with tf.Session() as se...]]></description><category></category></item><item><title><![CDATA[TensorFlow 损失函数]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038091</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038091</guid><author>QiangLi_strong</author><pubDate>Fri, 13 Jul 2018 21:49:52 +0800</pubDate><description><![CDATA[介绍几个常用的损失函数 


参考链接：


神经网络Loss损失函数总结
TensorFlow四种Cross Entropy算法实现和应用




softamx cross entropy loss

softmax 交叉熵损失函数是我们常用的一种损失函数。

Softmax本身的算法很简单，就是把所有值用e的n次方计算出来，求和后算每个值占的比率，保证总和为1，一般我们可以认为Softmax...]]></description><category></category></item><item><title><![CDATA[TensorFlow 神经网络常用优化方法]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038088</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038088</guid><author>QiangLi_strong</author><pubDate>Fri, 13 Jul 2018 21:49:35 +0800</pubDate><description><![CDATA[介绍一些神经网络中常用的优化方法。包括动态学习率、正则化防止过拟合、滑动平均模型。 




优化方法



学习率的设置

TensorFlow提供了一种学习率设置方法——指数衰减法。全部方法见Decaying_the_learning_rate

tf.train.exponential_decay函数先使用较大的学习率来快速得到较优解，然后随着训练步数的增多，学习率逐步降低，最后进行微调。
...]]></description><category></category></item><item><title><![CDATA[TensorFlow中rdma的使用1]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038082</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038082</guid><author>QiangLi_strong</author><pubDate>Fri, 13 Jul 2018 21:49:14 +0800</pubDate><description><![CDATA[rdma.cc





相关结构体



// structure to save the address of remote channels.
struct RdmaAddress {
  uint32_t lid;
  uint32_t qpn;
  uint32_t psn;
  uint64_t snp;
  uint64_t iid;
};
// structure to save ...]]></description><category></category></item><item><title><![CDATA[TensorFlow中rdma的设计细节]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038075</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038075</guid><author>QiangLi_strong</author><pubDate>Fri, 13 Jul 2018 21:48:30 +0800</pubDate><description><![CDATA[相关资料


Code Link
my rdma code
Rendezvous
Yahoo开源TensorFlow On Spark
getopt和getopt_long函数 - Cashey1991的专栏 - 博客频道 - youkuaiyun.com 





如何编译和使用启用RDMA的TensorFlow


按照常规的TF编译说明进行操作。 在配置步骤中，如果您想要支持基于ibverbs的RDM...]]></description><category></category></item><item><title><![CDATA[TensorFlow RNN入门]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038063</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038063</guid><author>QiangLi_strong</author><pubDate>Fri, 13 Jul 2018 21:47:51 +0800</pubDate><description><![CDATA[循环神经网络, Recurrent neural network, RNN 




RNN简介

起源于1982年的霍普菲尔德网络。

RNN的主要用途是处理和预测序列数据。应用于语音识别、语言模型、机器翻译以及时序分析等问题。

CNN中隐藏层中的节点是无连接的。RNN隐藏层的输入不仅包括输入层的输出，也包括上一时刻隐藏层的输出。



前向传播

损失函数为所有时刻上损失函数的总和。

使用...]]></description><category></category></item><item><title><![CDATA[各种编辑器的加强功能]]></title><link>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038049</link><guid>https://blog.youkuaiyun.com/QiangLi_strong/article/details/81038049</guid><author>QiangLi_strong</author><pubDate>Fri, 13 Jul 2018 21:46:53 +0800</pubDate><description><![CDATA[浏览器插件





Google翻译(中英文)



Markdown Preview Plus



Github Tree

点击view raw下载，然后安装



划词翻译



qiniu upload files



七牛在线存图



Vim

reference

vim ~/.vimrc



syntax on
set number
set tabstop=4
set ex...]]></description><category></category></item></channel></rss>