时时除草，时时耕耘

元宇宙特点

YOLOX中loss的计算以及框的匹配机制 代码详细注释

# 第一步distort_param { brightness_prob: 0.5 brightness_delta: 32.0 contrast_prob: 0.5 contrast_lower: 0.5 contrast_upper: 1.5 hue_prob: 0.5 hue_delta: 18.0 saturation_prob: 0.5 saturation_lower: 0.5 saturation_upper: 1.5 random_order_p

遇到的坑注意对应关系是否正确，tensorflow版本，cuda版本，visual studio的vc版本，bazel版本（下载报错提示中要求的最高版本，否则报错可能性很大，可先用一个较高的版本，然后通过错误提示降级）例如： tensorflow分支r2.3, cuda 10.2, visual studio 2019 (MSVC v14.27), bazel 3.1.0确认环境变量配置正确，相关重要的环境变量如下：Path 检查是否有以下项 （具体路径以实际安装版本为准）C:\Program

数据集数据集生成命令以此为准rm -rf lmdb/; ./caffe-ssd/build/tools/convert_annoset --anno_type=detection --label_type=xml --label_map_file=labelmap.prototxt --check_label=True --min_dim=0 --max_dim=0 --resize_height=0 --resize_width=0 --backend=lmdb --shuffle=False

抽样n个, 样本标准差为 n*sigma, 整体标准差为sigma白色和红色分别为A,B的 整体均值 的 分布, 假设A为对照组, B为实验组第一类错误, 红色阴影,伪显著, 红阴影 / 白曲线第二类错误, 蓝色阴影,统计功效，红曲线减蓝阴影 / 红曲线...

最近使用flask集成style-gan-encoder模形时, 总是报错:ValueError: Tensor Tensor("block3_conv3/Relu:0", shape=(?, 64, 64, 256), dtype=float32) is not an element of this graph.或者是这样子:tensorflow.python.framework...

转换时注意三点:ncnn中的数据是float类型, cv::Mat的类型是CV_8UC3, mat.data指定的类型是char *型, 故可以用下标[]直接索引.ncnn中数据的排列格式为(channel, h, w), cv::Mat中数据的排列格式为(h, w, channel).cv::Mat中颜色顺序为RGB, ncnn::Mat格式为BGR.void ncnn_debug(...

数据存取在C++中读取cv::Mat的数据时, 如果数据不是8位单字节的,不能使用mat.data[i]的形式读取, 因为data是char *型指针.读取需要指定数据类型, 如mat.at<float>(i).如果使用指针, 需要注意内存是否连续, 如下所示: int nRows = image.rows ; int nCols = image.cols * ...

原ground truth框运行5次生成的切割方法集成到一张图片中import tensorflow as tfimport matplotlib.pyplot as plt image_bytes = tf.gfile.FastGFile("/Users/beck/Desktop/dl/SSD-Tensorflow-master/demo/dog.jpg",'rb').read()...

随机梯度下降1.局部梯度的反方向不一定是函数整体下降的方向(比如隧道型曲面)2.手动设定的学习率衰减很难根据数据自适应3.数据有一定的稀疏性时, 希望对不同特征采取不同的学习率4.神经网络训练中梯度下降法容易困在鞍点附近似牛顿法1.在求目标函数的二阶导数(Hessian Matrix)时, 计算复杂.2.小批量时, 很容易受噪音影响.3.由于似合的是二次曲面,...

GAN存在的问题1.对于生成器-log(1-D(x))形式的损失函数, D在训练过程中不能训练太好, 网络难训练.2.对于生成器log(D(x))形式的损失函数, 模形易collapse mode, 训练过程中梯度不稳定.具体数学推导见 https://blog.youkuaiyun.com/bolun365/article/details/102790786DCGAN通过以下3个改进项增强了G...

判别器损失函数生成器损失函数以下为对生成器损失函数为公式2时问题的推理:最优判别器其中x表示一张图片, Pr(x)表示真实图片中x出现的概率. Pg(x)生成图片中x出现的概率. 最优判别器, 就是通过学习这两种分布, 似合出公式4.当判别器是最优判别器时, 生成器损失函数凑常数项得由于Pr与Pg的支撑集是...

对于某在投放的app, 使用SSD分析组成元素.

在网络中Batch Normalization层一般在激活函数前, 主要起到两个作用:通过计算均值和方差两个参数, 避免上一层的卷积层产生的数据偏移较大, 最终落在激活函数梯度接近为0的区域, 造成递度弥散.本层自学习缩放因子γ和移位因子β(输入每个通道一组), 这两个参数会抵消均值和方差两个参数的部分作用, 从而避免数据落在0附近的线性区域, 增加模形的非线形学习能力.在模形训练过程中...

一、什么是稀疏激活函数（ReLU）ReLU全称是Rectified Liner Uints,其具体形式为y=max(0,x)。 ReLU具有：1、单侧抑制；2、相对宽阔的兴奋边界；3、稀疏激活性等优点。二、为什么ReLU更有效？生物研究表明：生物神经元只对输入信号中很少部分进行响应，大部分信号则被刻意屏蔽掉了。这样做可以更好的提高学习精度，更好更快的提取稀疏特征。这表现为生物神经...

baseline: https://github.com/tensorlayer/srgan.git效果展示如下

索引Bool索引, 先转换为数字索引再计算arr[[ True, True, False], [False, False, True]] <=> arr[[ 0, 1], [2]] <=> arr[ [0,1], [2,2] ]对于 a[ A, B ] 形式的数据如果A,B格式相同, 返回数据格式与他们相同, A, B分别表示两个维度...

假设a1, a2, a3… 线性无关施密特正交化计算过程如下:b1 = a1b2 = a2 - ( b1.T.dot(a2) / b1.T.dot(b1) ) * b1b3 = a3 - ( b1.T.dot(a3) / b1.T.dot(b1) ) * b1 - ( b2.T.dot(a3) / b2.T.dot(b2) ) * b2br = ar - ( b1.T.dot(ar) /...