Little_Prince715的博客

OD-review02 基于anchor based的目标检测算法中anchor是个非常重要且需要深入理解的概念。 anchor 基准的anchor 预制的anchor 目前的使用的方法都是在最后的一个feature map上的一个点对应一个基准的anchor，这个基础anchor的size是根据这个feature map 伤的每个点对应input的stride决定的。 不同比例的anchor 为了让每个featuree map 的点对应的可以覆盖多种不同类型的anchoor，对基准的anchor设

OD-review task01 object detection 组队学习第一期，我就当成是过去的的学习检测相关的一个梳理： task01,，很简单。就是应用pytorch 封装一个数据类来共训练时调用。 不管是VOC还是COCO或者是其他的数据都是一个道理，本质还是集成自pytorch 的dataset和dataloader类。 这里直接举例来说，最近大火的efficientdet中的数据类的定义 个人觉得需要注意的就是做数据增强时的bbox的处理要和图片同步。 这次的任务就是这样， 由于时间很紧，也

matplotlib-task01 作为一个CV从业者，工作中会经常用到matplotlib这个库，但是一直没有深入去学习这个库的设计，这次接着datawhale组队学习这个机会和大家一起深入了解下这个库的用法，希望可以知其然，也知其所以然。不再是用到的时候现查。 Matplotlib是一个Python 2D绘图库。最近在花精力学习各种数据EDA的技巧，有了这个神器的加持，对深层数据的理解可以更进一步。 如果有兴趣更加深入的了解，可以查看这个库的官方网站：https://matplotlib.org/ ta

天池文本分类比赛 task 4 基本深度学习的文本分类 这次的task开始学习深度学习的方法来处理文本分类的任务，相对于机器学习方法，深度学习处理文本，有如下的优点： 处理的文本的维度相对降低 考虑单词之间的关系，而不是只进行统计学上的分析 深度学习可以将文本数据提取特征用更低维度的特征来表示，个人感觉类似与SVD。本次的重点内容是FastText. FastText 最经典的深度神经网络结构三部分组成： input layer hidden layer output layer 需要注意的一点就

天池文本分类比赛 task3 基于机器学习的文本分类 通过对本次文本分本分类任务的学习和CS224n的第一课的学习，对于文本处理中word2vec的方法有了更加深入的理解。 https://github.com/datawhalechina/team-learning-nlp/blob/master/NewsTextClassification/Task3%20%E5%9F%BA%E4%BA%8E%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%9A%84%E6%96%87

NLP 文本分类入门 task 2 数据的读取与分析 本次的任务是对文本数据进行分析与可视化，由于我的工作是做图像相关的，相比而言处理文本任务时常需要用到的pandas的库我在平时的工作中国呢接触的比较少，因此这里说我需要加强了解的地方， 利用pandas库对文本数据的处理。 分析数据，找到每次数据中的分布规律，这些规律可以帮助我们更好的选择模型，甚至说做数据增强，来提高最后的效果。 因此回到之前的教程中，学习了下pandas处理文本数据的基础第一章 pandas基础 #import

Pytorch dataloader 时间： 2020年5月24日 Tag: ARTS content: 1.pytorch dataloader source code 2.algorithm 3.thoughts 深度学习训练分为5大步骤：数据，模型，损失函数，优化策略，训练。本次总结是针对Pytorch模型中的数据涉及部分的框架中涉及到的类，希望可以深度理解模型训练过程的具体实现。涉及到的具体类所在的.py文件如下： torch.utils.data.dataset.py torch.ut

Caffe 安装踩坑记录 很长时间没有安装Caffe了，这次记录下自己安装的过程，也为可能和我遇到相同问题的小伙伴提供一点点帮助。 首先说明环境： Ubuntu16.04 +CUDA10+cudnn7.3+1080Ti 特别说明下，因为本地环境中已经装好了CUDA10+cudnn7.3,，这里就不详细说明安装步骤了。 同时，本文参考了这位博友的cuda安装博文 opencv 安装 我的安装过...