Jason__sz的博客

整理几个pytorch的简单例子，详见: Learning Pytorch with Examples.一、构造一个简单的两层神经网络，并使用随机生成的数据训练参数：import torchfrom torch.autograd import Variable# 构造一个两层的神经网络class TwoLayerNet(torch.nn.Module): def _

说明：本篇文章整理Transfer Learning tutorial上的知识点；关于迁移学习，请移步：cs231n notes简要说明为何需要迁移学习： 在实际中，我们很少会训练一整个卷积神经网络（所有的参数从随机初始值开始训练），因为我们很难找到足够大的数据集。实际上，我们会用一个非常大的数据集（如ImageNet）来预训练一个卷积神经网络，然后使用这个神经网络来作为初始化

最近在读faster-rcnn的代码，感觉理解透还是比较难的，需要将思路整理一下。下面将简单梳理一下nms部分的代码思路。代码如下：import numpy as npdef py_cpu_nms(dets, thresh): """Pure Python NMS baseline.""" # 所有图片的坐标信息，字典形式储存？？ x1 = dets[: