huangbo1221的博客

tensorflow中slim库学习        在阅读用tensorflow实现的深度学习网络结构的源码时，经常会看到作者使用TF中封装的slim高级库，看起来（实际上也是）比直接调用TF的API简洁好多。为了弄懂网络源码和学习slim库应用，特地查阅了一些资料，在这里做一下学习时的记录。        tensorflow中关于slim库的介绍        某位博主关于

这篇文章出自2017年的CVPR，提出了DenseNets的网络结构，该结构与High Networks、ResNets、Inception相比，更容易训练优化。该网络有四个优点：1、减轻了梯度消失问题；2、加强了特征的前向传播；3、重复利用特征；4、减少了参数量。作者在现有的四个很有挑战性的数据集（CIFAR-10、CIFAR-100、SVHN、ImageNet）上做了详细的对比实验，实验表明在目前的算法中，DenseNets不仅在精确度上取得了领先，而且需要的计算量更小。

Detecting Faces Using Inside Cascaded Contextual CNN2017的ICCV

tensorflow1.5源码安装       昨天听同学说TensorFlow1.5.0-rc0 发布了，该版本将动态图集成到了tensorflow模块里面，不用像1.4的版本需要另外安装插件，很是激动，打算赶紧安装上手一波。但是由于才发布不久，不支持终端的pip直接安装，所以要想使用最新版本，还得自己编译源码安装。话不多说，直接动手！（tensorflow CPU版本安装，渣渣

caffe安装记录配置：ubuntu14.04.5,gtx1080ti显卡,cudnn-v5.1for-cuda8.0,cuda8.0,opencv2.4.91、安装nvidia驱动关闭图形界面，sudo stop lightdm，然后切换到tty1：Ctrl+Alt+F1即可在纯字符界面下，登陆root用户；接下来就是最关键的一步了：sudo ./NV

Check failed: shape[i] <= 2147483647 / count_ (3000 vs. 2485) blob size exceeds INT_MAX       这段时间在准备找实习，回顾深度学习调参经验的时候，突然想起以前工作站跑过的一个模型：基于faster-rcnn的人脸检测的模型，这是自己入坑时训练的第一个模型，从做数据到顺利跑完也花了两三天的时间，还是比较...