Keep_Trying_Go的博客

简介：PyTorch Lightning 是一个基于 PyTorch 的高级深度学习框架，旨在将科研代码的灵活性与工程化最佳实践结合，通过标准化训练流程大幅减少模板代码。其中，继承LightningModule之后，可以很方便的把自己的训练过程，验证以及测试过程都给集成起来，包括优化器的配置等函数，可以比较容易的进行配置和训练。定义Trainer之后，结合继承至LightningModule对象，就可以实现完整的训练了（除了一些额外的配置之外）。这个视频和文字教程就是想让大家快速的上手PyTorch Lig

之所以这里会着重区分“Reference-less Counting,Zero-shot Counting,Few-shot Counting,单元域泛化以及域自适应”这个五个概念的区别，是因为真的很重要。我们在学习的过程中经常容易把这些问题给搞混淆，而恰恰这些概念又是非常重要的，那么我们在给被人讲述，写东西或者自己看论文的时候也容易犯糊涂。因此，这篇博文着重把这几个概念加入进来，当然，最后，我们也会探讨“全监督，半监督，开发世界识别和开发词汇识别”。

​ minGPT 是GPT的 PyTorch 重新实现，包含训练和推理功能。minGPT 力求精简、简洁、可解释且具有教育意义，因为目前大多数 GPT 模型实现可能略显臃肿。GPT 并非一个复杂的模型，该实现大约有 300 行代码。其工作原理是将一系列索引输入到Transformer中，然后得出序列中下一个索引的概率分布。其复杂性主要体现在巧妙地进行批处理（跨样本和跨序列长度），以提高效率。重写的nanoGPT，从单纯的教育导向转向一个仍然简单易行但又有实际意义的东西。

在目标检测领域主要分为两阶段和一阶段算法，其中不管是两阶段还是一阶段目标检测算法，其中细分的话，还可以分为anchor-based和anchor-free算法，基于anchor的算法好处是事先得到网格上的box，根据设计的anchor box对gt box进行匹配计算偏移量用于模型回归计算，这样的好处是能让模型快速的收敛，并且检测的效果还不错，在后处理方面主要是通过anchor box对其预测的偏移量进行解码，同时为了消除冗余的box以及重叠的box会设置IOU阈值和置信度阈值得到最终的预测框。

（关于源码的编译可以看这里）

当前的人群统计模型方法比较复杂，使用简单的 结构构建一个高性能的人群统计模型。采用多尺度特征融合的方法主要目的是对不同尺。第二点：一个多尺度特征融合结构，这个多尺度特征。融合结构包含三个分支，并且融合的方法采用直。第一点：采用已有的分类模型。

总结一点就是如果自己在接触一门语言之前，对这门语言没有一点了解，那么可以根据相关的视频从头开始学习，但是如果有了该语言一定基础的小伙伴就不要从头开始学习，我比较喜欢找一些简单的案例开始学习，从简单的案例中学习会进步的更快并且时间上也会节省很多，我们学习的过程中不要试图把所有的东西都记住，而是在学习的过程中去总结和掌握。“有时候做的越多并不是越好的，明确自己的方向，做出正确的选择可能才是最重要的”，我相信每个人都有自己的观点，不要因为我的观点而影响自己。努力很重要，选择同样很重要。

paddlepaddle深度学习框架训练LeNet5模型（一）

windows平台使用CMake工具对darknet的编译以及安装过程+yolov3+图像检测+摄像头检测+视频检测+手机作为摄像头进行检测（详解）

DarkNet安装的过程（详解）

Pytorch框架实现GAN（比较容易理解）

基于Pytorch框架的目标检测迁移学习和微调训练自己的数据集

使用python修改文件名并保存

使用Tensorflow训练检测口罩模型完整实例

使用pytorch加载数据集和对数据集进行处理

Tensorflow中预处理图像的方法

从开始学习算法到学习计算机视觉

FCN中制作自己的数据集并进行训练

深度学习领域语义分割常用数据集：PASCAL VOC 2007 ,2012 NYUDv2 SUNRGBD CityScapes CamVid SIFT-Flow 7大数据集介绍

使用MobileNet_SSD进行目标检测

图像分割FCN项目实战：测试和数据集训练

Nodejs安装和下载

深度学习网路模型

使用Tensorflow实现EfficientNetV2结构

使用EfficientNetV1训练数据集进行图片预测（前端显示图片，包括微调对比）

使用tensorflow实现EfficientNetV1网络结构

文章目录神经网络参数量，计算量FLOPS，内存访问量MAC（Memory Access Cost）对于卷积层而言：1.神经网络参数量计算方式2.计算量3.内存访问量对于全连接层而言：1.参数量2.计算量3.内存访问量BN层的参数量：神经网络参数量，计算量FLOPS，内存访问量MAC（Memory Access Cost）对于卷积层而言：1.神经网络参数量计算方式卷积层：假设输入特征图大小为: Hin x Win x M，卷积核大小KxK，N个卷积核，输出特征图大小为Hout x Wout x N.

文章目录1.出错截图2.解决出现问题的地方1.出错截图2.解决出现问题的地方这个地方需要注意，需要事先将input_shape使用keras.Input转换为网络层可以接收的数据类型，那么才能传递给下面的卷积网络进行卷积。...

1.输出结果2.InceptionV4网络结构细节https://mydreamambitious.blog.youkuaiyun.com/article/details/1244148003.代码复现import osimport kerasimport numpy as npimport tensorflow as tffrom tensorflow.keras import modelsfrom tensorflow.keras import layersfrom tensorfl

文章目录1.InceptionV4结构（1）整体网络结构（2）主干网络结构（Stem）（3）Inception模块（4）降采样模块2.InceptionV4整体讲解3.Inception-ResNet-V1结构（1）整体网络结构（2）主干网络（Stem）（3）Inception-ResNet-V1模块（4）降采样模块4.10.inception-ResNet-V2（1）整体网络结构（2）主干网络（Stem）（3）inception-ResNet-V2模块（4）降采样模块5.单模型，单帧和多帧的预测结果对比（

文章目录1.输出结果2.InceptionV4网络结构细节3.代码复现1.输出结果2.InceptionV4网络结构细节https://mydreamambitious.blog.youkuaiyun.com/article/details/1244148003.代码复现import osimport kerasimport numpy as npimport tensorflow as tffrom tensorflow.keras import modelsfrom tensorflow

文章目录1.输出结果2.InceptionV4网络结构细节3.代码复现1.输出结果从原始论文中可以看到这个结构设计没有什么问题。2.InceptionV4网络结构细节3.代码复现以下代码有点多，希望读者在阅读的时候最好对应每一个模块结构进行比较的看。其中每一个模块代指什么我已经标识出来。import osimport kerasimport numpy as npimport tensorflow as tffrom tensorflow.keras import models

1.通道数放缩。池化层只能改变输入图像的高度和宽度，无法改变通道数，1x1卷积通过控制卷积核的数量，可以实现通道数的增加或者减少。2.1x1卷积核的卷积过程相当于全连接的计算过程，通过加入非线性激活函数，可以增加网络的非线性，使得网络可以表达更复杂的特征。3.1x1卷积在模型设计中，可以起到模型优化和减少参数量的作用。（1）如果不使用1x1卷积核的计算参数量：使用1x1卷积核的计算参数量：可以看到不使用1x1的卷积核是使用卷积核的10倍左右，所以1x1卷积核对于降低计算量是非常有效的。（2）

1.按制造工艺：半导体存储器可分为“双极型”器件和“MOS型”器件。（1）双极型器件具有存取速度快的优势，主要用于要求读写速率很高的存储场合；但是集成度低，功耗大，成本高是很大的缺点；（2）MOS型器件虽然速度较双极型慢，但是集成度高，功耗低，价格便宜等优势，所以成为微机系统的主要存储器。2.按连接方式：半导体存储器可分为“并行”芯片和“串行”芯片。（1）并行连接的存储器芯片设计有类似微处理器地址总线和数据总线引脚，使用较多的地址和数据引脚可以并行传输存储器地址和数据，以获得较高的传送速率，是通用

CSS用户界面样式：（1）更改用户的鼠标样式：语法格式： li {cursor: pointer;}属性值 描述default 小白（默认）pointer 小手move 移动t

CSS精灵技术：为了有效地减少服务器接收和发送请求的次数，提高页面的加载速度。主要内容：（1）主要是针对于背景图片使用，就是把多个背景图片整合到一张大图片上。（2）大图片称为sprites精灵图或者雪碧图。字体图标：字体图标的下载网站：（1）icomoon字库 http://icomoon.io（2）阿里iconfont字库 http://www.iconfont.cn/字体图标的引入：（1）将下载的fonts文件夹放入页面根目录下（当前项目下）。（2）在CSS样式中全局声明字体，就是把

显示：（1）显示隐藏：display主要作用是设置一个元素应如何显示：display:none 隐藏对象display:block 除了转换为块级元素之外，同时还有显示元素的意思。隐藏元素之后，不再占有原来的位置。（2）显示隐藏：visiblityvisiblity：visible 元素可见visiblity：hidden 元素隐藏隐藏元素之后，还是占有原来的位置。（3）溢出显示隐藏：overflow如果内容溢出一个元素的框（超过其指定高度和宽度）。visible ：默认值

1.图像分类：一种用于对图像中特定的对象类别进行分类或预测的技术，该技术的主要目的是准确识别图像中的特征。主要是将图中的各个物体进行分类，如：这个图像的内容是属于猫，还是狗。如：我们常使用的MNIST手写体数字识别，Fashion MNIST 10种不同类型的衣服，鞋子，包等灰度图，CIFAR10 包含10类飞机，汽车，鸟，猫等彩色图像分类。2.图像识别：识别图中的物体是什么，如：这个图像中的猫是哪个猫，狗是哪个狗。3.目标检测：目标检测的问题定义是确定目标在给定图像中的位置，如目标定位，以及每个目标

声明：以下内容是自己复习的一个过程总结（内容出处已在文章末尾声明），如果这篇文章和自己本身所学习内容相差较大，请根据自己的需要学习。第一章的复习：1.电路交换，报文交换，分组交换：答：（1）电路交换：整个报文的比特流连续地从源点直达终点；特点：在通话的全部时间内，通话的两个用户始终占用端到端的通信资源；线路的传输效率往往很低;面向连接；过程：建立连接->通话->释放资源；（2）报文交换：整个报文先传送到相邻结点，全部存储下来后查找转发表，转发到下一个 结点；缺点：报文交换的时延较长

1.总线宽度：指总线能够同时传送的数据位数，即所谓的8位，16位，32位或64位等数据信号个数。2.总线频率：指总线信号的时钟频率（工作频率），常以兆赫兹（MHz）为单位，时钟频率越高，工作速度越快。3.总线带宽：指单位时间传输的数据量，也称为总线传输速率或吞吐率（BusThroughput）,常以每秒兆字节（MB/s）,每秒兆位(Mb/s)，每秒位(b/s或bps)为单位。4.带宽是电子学常用的概念，表示频带宽度（频率范围），计算机领域中用于表示数据传输能力。5.计算机系统中的总线好比为交通系统高