<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[kang0802的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/kang0802</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; kang0802]]></copyright><item><title><![CDATA[2020-12-22]]></title><link>https://blog.youkuaiyun.com/kang0802/article/details/111566809</link><guid>https://blog.youkuaiyun.com/kang0802/article/details/111566809</guid><author>kang0802</author><pubDate>Tue, 22 Dec 2020 21:52:42 +0800</pubDate><description><![CDATA[pytorch的可视化利用TensorboardX进行可视化简介安装使用TensorboardX三级目录
我百度的时候百度到了三种方法第一种是利用Visdom,但是我没有下载安装成功，不管是普通的pip、conda安装还是先下载再安装都是失败的，最后是显示安装成功，但是打开的时候总是失败。第二种是利用matplotlib来实现，但是在实现的过程中我还是不清楚具体的语句。第三种是最让我惊艳的一种，利用TensorboardX来实现可视化，先不说好不好用（我觉得是挺好用的），我跑了几个程序以后视觉上给我的感觉是]]></description><category></category></item><item><title><![CDATA[学习笔记三——训练模型]]></title><link>https://blog.youkuaiyun.com/kang0802/article/details/110454143</link><guid>https://blog.youkuaiyun.com/kang0802/article/details/110454143</guid><author>kang0802</author><pubDate>Tue, 01 Dec 2020 21:59:54 +0800</pubDate><description><![CDATA[学习笔记，训练模型训练模型训练模型简要说明三级目录
训练模型
当模型建好以后。我们需要分别对数据及进行训练，同时，计算损失函数和准确率，还可以计算训练改程序使用的时间。
对于训练过程中的一些语法我还是不懂（编程基础差太难受了），还有正向传播和反向传播的过程和参数都有点遗忘，比如梯度和batch这些，需要复习啊。（今天看完本科生这周的的作业挺好笑的，洗个澡早点回去收拾宿舍，好像要检查！偷偷的说，嘿嘿 2020.12.1。12月的第一天，新的一个月专心科研，同时把课程内容搞上去！）
训练模型简要说明
三级目录
]]></description><category></category></item><item><title><![CDATA[学习笔记二——迁移学习的模型加载]]></title><link>https://blog.youkuaiyun.com/kang0802/article/details/110395127</link><guid>https://blog.youkuaiyun.com/kang0802/article/details/110395127</guid><author>kang0802</author><pubDate>Mon, 30 Nov 2020 21:02:56 +0800</pubDate><description><![CDATA[学习笔记，迁移学习的模型加载模型加载方法一 微调convnet加载模型方法简介程序中`model_ft.to(device)`的用法程序中`nn.CrossEntropyLoss`的用法程序中`optim.SGD`的用法程序中`lr_scheduler.StepLR`的用法模型加载方法二 ConvNet作为固定特征提取器总结
模型加载方法一 微调convnet
加载预训练的模型并重置最终的完全连接层。
加载模型方法简介
该方法是pytorch官网上找到的，链接: link.
可以直接翻阅官网，此处记录一下自]]></description><category></category></item><item><title><![CDATA[学习笔记一——torchvision.datasets.ImageFolder]]></title><link>https://blog.youkuaiyun.com/kang0802/article/details/110233490</link><guid>https://blog.youkuaiyun.com/kang0802/article/details/110233490</guid><author>kang0802</author><pubDate>Fri, 27 Nov 2020 16:26:03 +0800</pubDate><description><![CDATA[学习笔记torchvision.datasets.ImageFolder使用ImageFolder简介ImageFolder参数设置ImageFolder程序案例transforms.Compose()详解
学习链接: [link](链接: link.).
ImageFolder简介
ImageFolder是一个通用的数据加载器，训练集和测试接的格式为
下面是文件名。
root/dog/xxx.png
root/dog/xxy.png
root/dog/xxz.png

root/cat/xxx.png
r]]></description><category></category></item><item><title><![CDATA[11.10-11.16之间的工作]]></title><link>https://blog.youkuaiyun.com/kang0802/article/details/109774885</link><guid>https://blog.youkuaiyun.com/kang0802/article/details/109774885</guid><author>kang0802</author><pubDate>Sun, 22 Nov 2020 20:21:05 +0800</pubDate><description><![CDATA[去背景、图像分割等去背景算法一算法二
去背景
算法一
11月11日，链接: link.
该文章是用PYTHON实现MATLAB中的 BWLABEL函数，该函数是用来实现去背景的算法，原来是MATLAB中的算法，博主将其用python实现。
问题又出现了！
输出的结果是矩阵！因为博主只是为了验证算法，输入是一个矩阵！
我恨！ 自己不会将图片编程矩阵输入，也不会将矩阵编程图片输出！
一定要加强自己的编程能力！
算法二
链接: link.

...]]></description><category></category></item><item><title><![CDATA[第一次组会]]></title><link>https://blog.youkuaiyun.com/kang0802/article/details/108890832</link><guid>https://blog.youkuaiyun.com/kang0802/article/details/108890832</guid><author>kang0802</author><pubDate>Wed, 18 Nov 2020 15:13:17 +0800</pubDate><description><![CDATA[第一次组会第一次组会记录完成的工作未来的计划会议感想
第一次组会记录
时间：2020.9.30
地点：飞云楼三楼玻璃房
完成的工作

各种软件和环境的搭建
pycharm、tensorflow、opencv、matlab等
学习吴恩达老师的视频课程，暑假看的是机器学习（没有完成），开学后开始看深度学习。
加强python的学习（因为本科没有学过python，所以不光进度慢，成绩也小）。
根据CSND的一些经典案例跑了一部分程序，类似于二值化，手写数字识别的程序。
阅读了一些图像识别的文章，例如细粒度识别等识]]></description><category></category></item><item><title><![CDATA[增加网络层数和更换神经网络]]></title><link>https://blog.youkuaiyun.com/kang0802/article/details/109768891</link><guid>https://blog.youkuaiyun.com/kang0802/article/details/109768891</guid><author>kang0802</author><pubDate>Wed, 18 Nov 2020 15:11:33 +0800</pubDate><description><![CDATA[增加网络层数和更换神经网络增加网络层数成果和收获存在的问题更换网络模型模型一模型二
增加网络层数
成果和收获
因为Resnet有不同的层数，所以直接在原来网络的基础上进行了修改，出乎意料的是很顺利的完成了。
于是分别采用18-layer、34-layer、101-layer的网络层数进行了对比。
而且我突发奇想将18-layer所有层的参数打开进行了训练，效果emmmm，看下一部分吧，哈哈！
实验结果及图片

ISTA 34-layer
ISTA 101-layer



1027种子 34-layer

]]></description><category></category></item><item><title><![CDATA[年会论文和矩阵汇报总结]]></title><link>https://blog.youkuaiyun.com/kang0802/article/details/109765715</link><guid>https://blog.youkuaiyun.com/kang0802/article/details/109765715</guid><author>kang0802</author><pubDate>Wed, 18 Nov 2020 11:20:33 +0800</pubDate><description><![CDATA[年会论文和矩阵汇报总结年会论文论文简要说明论文存在的问题总结改进矩阵汇报主讲内容总结感受
年会论文
研究生第一次写论文，确实难啊！！！
这次论文应该是用了接近一周的时间  1
论文简要说明

因为实验结果并不完善，所以只能先把实验过的部分进行汇报。主要的神经网络模型为Resnet。数据集为ISTA和自摄图片数据集
论文的前半部分还是以综述为主。
实验结果如下图所示
项目     | Value
训练次数  |  ISTA数据集测试集准确率 | 自摄图片数据集测试集准确率
50次         |     ]]></description><category></category></item><item><title><![CDATA[第二次组会记录]]></title><link>https://blog.youkuaiyun.com/kang0802/article/details/109757088</link><guid>https://blog.youkuaiyun.com/kang0802/article/details/109757088</guid><author>kang0802</author><pubDate>Wed, 18 Nov 2020 10:10:20 +0800</pubDate><description><![CDATA[第二次组会记录第二次组会记录近期工作总结神经网络训练结果对双线性CNN的研究目标检测相关实现后续的工作安排
第二次组会记录
因为第二次组会的时候忙着写论文和作业，只能现在补了
时间：202010.28
近期工作总结
近期的工作主要分为三点：

框架的学习与完善和论文的阅读
主要还是以学习pytorch框架为主同时找一些最新算法的文章进行阅读。
学习基础知识并初步了解目标检测和图像分割
学习的基础知识主要还是吴恩德之类的课程和python语法以及pytorch框架的使用，这点还是需要继续加强。
利用迁移学习训]]></description><category></category></item></channel></rss>