<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Serins的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Serins</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Serins]]></copyright><item><title><![CDATA[Faster R-CNN源码解析(三)]]></title><link>https://blog.youkuaiyun.com/Serins/article/details/121548688</link><guid>https://blog.youkuaiyun.com/Serins/article/details/121548688</guid><author>Serins</author><pubDate>Thu, 23 Nov 2023 11:35:32 +0800</pubDate><description><![CDATA[目录前言today
前言
上篇博客咱们讲了
today
今天我们主要来捋一捋AnchorsGenerator这部分代码,对应在network_files文件夹中的rpn_function文件中我们看到图中RPN部分的RPNHead部分,也就是比较小的虚线框框起来的那部分，可以看到是从backbone得到特征矩阵后传入到RPNHead部分，先直接看代码：
class RPNHead(nn.Module):
    def __init__(self, in_channels, num_anchors):
  ]]></description><category></category></item><item><title><![CDATA[Faster R-CNN源码解析(一)]]></title><link>https://blog.youkuaiyun.com/Serins/article/details/121592406</link><guid>https://blog.youkuaiyun.com/Serins/article/details/121592406</guid><author>Serins</author><pubDate>Thu, 23 Nov 2023 11:34:07 +0800</pubDate><description><![CDATA[前言
Faster R-CNN 是经典的two-stage目标检测模型， 原理上并不是很复杂，也就是RPN+Fast R-CNN，但是在代码的实现上确实有很多细节，看源码的时候会遇到某些问题，网上完完整整从头到尾讲解的也很少，下面我将会为小伙伴们讲解哔哩哔哩上一个up主简单修改后的fast r-cnn源码，大家可以去看他的视频(源码解析)，原理以及源代码真的非常详细易懂，大家也可以去学习，爆赞！！我主要是记录有些自己认为不太明白up主又没有细讲的部分(本人比较笨哈哈)以及梳理整个代码流程，大家跟着走一定能弄]]></description><category></category></item><item><title><![CDATA[神经网络反向传播算法及代码实现]]></title><link>https://blog.youkuaiyun.com/Serins/article/details/121508468</link><guid>https://blog.youkuaiyun.com/Serins/article/details/121508468</guid><author>Serins</author><pubDate>Wed, 24 Nov 2021 14:45:30 +0800</pubDate><description><![CDATA[反向传播法是神经网络的基础了，但是很多人在学的时候总是会遇到一些问题，或者说看书上一堆推导公式感觉很复杂，其实仔细看，就是一个链式求导法则反复用。本篇会以最详细的方式为大家讲解反向传播法，也会有简单的反向传播代码实现，咱们别急，等我慢慢道来。
目录1.前向传播2.反向传播3.代码实现简单的反向传播
1.前向传播
首先我们来看一张简单的两层神经网络图(自己制作的，有点丑)

我先给小伙伴们解释一下图中参数的意思
x0x_{0}x0​和y0y_{0}y0​是输入层和隐藏层的偏置值(也可以先不看偏置值)，下面推导]]></description><category></category></item><item><title><![CDATA[LeNet网络模型的训练及预测(pytorch实现)]]></title><link>https://blog.youkuaiyun.com/Serins/article/details/121477739</link><guid>https://blog.youkuaiyun.com/Serins/article/details/121477739</guid><author>Serins</author><pubDate>Mon, 22 Nov 2021 22:44:52 +0800</pubDate><description><![CDATA[上次我们讲解了LeNet-5网络模型以及如何用pytorch搭建，本文将为大家讲解如何使用CIFR10数据集(不了解该数据集的可以看这个博主写的CIFAR10数据集介绍)训练模型以及用训练好的模型做预测。
目录1.LeNet模型训练脚本
1.LeNet模型训练脚本
整体的训练代码如下，下面我会为大家详细讲解这些代码的意思
import torch
import torchvision
from torchvision.transforms import transforms
import torch.nn ]]></description><category></category></item><item><title><![CDATA[LeNet网络详解及pytorch实现]]></title><link>https://blog.youkuaiyun.com/Serins/article/details/121470862</link><guid>https://blog.youkuaiyun.com/Serins/article/details/121470862</guid><author>Serins</author><pubDate>Mon, 22 Nov 2021 15:18:41 +0800</pubDate><description><![CDATA[博主是在校大学生，学习的也是深度学习方面的专业，入坑也有快五个月了，想通过这个方式记录自己学的东西，也方便随时回来巩固，如果有什么不对的地方请大家提出来一起学习，谢谢大家????????
1.LeNet介绍
LeNet神经网络由深度学习三巨头之一的Yan LeCun提出，他同时也是卷积神经网络 (CNN，Convolutional Neural Networks)之父。LeNet主要用来进行手写字符的识别与分类，并在美国的银行中投入了使用。LeNet的实现确立了CNN的结构，现在神经网络中的许多内容在LeN]]></description><category></category></item><item><title><![CDATA[逻辑运算符和逻辑表达式详解]]></title><link>https://blog.youkuaiyun.com/Serins/article/details/106186113</link><guid>https://blog.youkuaiyun.com/Serins/article/details/106186113</guid><author>Serins</author><pubDate>Wed, 20 May 2020 09:42:55 +0800</pubDate><description><![CDATA[逻辑运算符和逻辑表达式
首先，我们思考一个问题：
if (fabs(data2) &lt;= 1e - 7)

]]></description><category></category></item><item><title><![CDATA[C语言位运算符详解]]></title><link>https://blog.youkuaiyun.com/Serins/article/details/106073320</link><guid>https://blog.youkuaiyun.com/Serins/article/details/106073320</guid><author>Serins</author><pubDate>Sun, 17 May 2020 10:16:13 +0800</pubDate><description><![CDATA[目录位运算符简介1、按位与
位运算符
简介
C语言既具有高级语言的特点，又具有低级语言的特性，如支持位运算就是其具体体现。这是因为，C语言
1、按位与

]]></description><category></category></item><item><title><![CDATA[Python中的六大类运算符]]></title><link>https://blog.youkuaiyun.com/Serins/article/details/106051817</link><guid>https://blog.youkuaiyun.com/Serins/article/details/106051817</guid><author>Serins</author><pubDate>Tue, 12 May 2020 11:08:34 +0800</pubDate><description><![CDATA[1、算术运算符
首先，我们先定义两个常量a,b
a = 3,b = 5




符号
含义
例如




+
加
a + b = 8


–
减
a - b = -2


*
乘
a * b = 15


/
除
a / b = 0.6


%
模（即求余）
a % b = 3


**
幂
a ** b = 243


//
取整除
a // b = 0


注意事项：
1、在Python中，相比C语言多了幂运算和取整运算，但在这几种运算符当中，需要注意的是，//（取整除）运算等同于C语言当中的两个int]]></description><category></category></item></channel></rss>