<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[文尹习习的博客]]></title><description><![CDATA[好记性不如烂笔头，仅记为数不多的笔记]]></description><link>https://blog.youkuaiyun.com/liu1152239</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; liu1152239]]></copyright><item><title><![CDATA[级联网络如何锁住训练]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/82688111</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/82688111</guid><author>liu1152239</author><pubDate>Thu, 13 Sep 2018 15:17:13 +0800</pubDate><description><![CDATA[实际任务中，往往会需要多步训练，或者将两个网络拼成一个网络，那么将新的小模型拼接在已经训练好的主干网络上训练，如何做到只训练新支，而不破坏原主干网络已经训练好的weight，这就需要锁住训练，保证网络只更新新支的weight。

锁住训练需要三步：

1、将需要锁住的层的w和b的学习率lr_mult设置为0；

将该层的学习率置0，只是固定了该层的参数，即该层的参数将不更新，该层得到的梯度依然会反...]]></description><category></category></item><item><title><![CDATA[为什么depthwise convolution 比 convolution更加耗时？]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/81478463</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/81478463</guid><author>liu1152239</author><pubDate>Tue, 07 Aug 2018 11:33:48 +0800</pubDate><description><![CDATA[参考自：https://www.zhihu.com/question/265434464/answer/306493409

 

首先，caffe原先的gpu实现group convolution很糟糕，用for循环每次算一个卷积，速度极慢。

第二，cudnn7.0及之后直接支持group convolution，但本人实测，速度比github上几个直接写cuda kernel计算的dw co...]]></description><category></category></item><item><title><![CDATA[caffe特殊层：permute\reshape\flatten\slice\concat]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/81478313</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/81478313</guid><author>liu1152239</author><pubDate>Tue, 07 Aug 2018 11:31:18 +0800</pubDate><description><![CDATA[1、permute

permute是SSD特有的层，功能类似于np.swapaxes；相当于交换caffe_blob中数据的维度，如图



2、reshape

只改变输入数据的维度，内容不变。（变形而已）



3、flatten

将多维数据拉成向量：Flatten层是把一个输入的大小为n * c * h * w变成一个简单的向量，其大小为 n * (c*h*w)。

当Reshape层的...]]></description><category></category></item><item><title><![CDATA[shuffleNet V2]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/81477753</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/81477753</guid><author>liu1152239</author><pubDate>Tue, 07 Aug 2018 11:15:57 +0800</pubDate><description><![CDATA[论文出发点：旨在设计一个轻量级但是保证精度、速度的深度网络

分析当前：

1、直接用FLOP来衡量算力，不够准确。因为不同的网路，即使参数量相同（模型大小相同），但是模型速度还是存在差异。改为直接用速度（speed）来衡量

2、直接影响速度的因素，首先MAC，比如分组卷积，需要强大的算力对设备GPU是个挑战；其次并行度。

因此，设计网络需要考虑：speed和platform

同时提出4条设...]]></description><category></category></item><item><title><![CDATA[clcNet： Improving the Efficiency of Convolutional Neural Network using chanel local convolution]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/81477544</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/81477544</guid><author>liu1152239</author><pubDate>Tue, 07 Aug 2018 11:06:34 +0800</pubDate><description><![CDATA[论文核心：

1、提出通道关系依赖图CDG，适合分析CRF

2、提出CRF通道感受野，试图通过分析CRF来达到FCRF进而方便设计卷积块conv block

3、提出交错分组卷积3x3的IGC+1x1的GC 卷积块结构，满足FCRF。

4、设计了clcNet轻量型网络

 



总结：

clc结构类似于mobilenet v1的dw-pw结构的优化，保证了FCRF且减少了参数量：参数量就...]]></description><category></category></item><item><title><![CDATA[图解堆排序]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/77004895</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/77004895</guid><author>liu1152239</author><pubDate>Wed, 09 Aug 2017 17:38:49 +0800</pubDate><description><![CDATA[堆排序]]></description><category></category></item><item><title><![CDATA[Python 语法小例子]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/75244477</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/75244477</guid><author>liu1152239</author><pubDate>Mon, 17 Jul 2017 15:23:29 +0800</pubDate><description><![CDATA[只是学习python过程中一些小语法的收集]]></description><category></category></item><item><title><![CDATA[手机防丢习惯+手机丢了第一时间怎么办！]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/74700184</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/74700184</guid><author>liu1152239</author><pubDate>Fri, 07 Jul 2017 14:48:23 +0800</pubDate><description><![CDATA[手机防丢！
手机被盗！]]></description><category></category></item><item><title><![CDATA[C++：Main函数参数列表及参数类型转换]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/74059034</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/74059034</guid><author>liu1152239</author><pubDate>Sat, 01 Jul 2017 13:56:08 +0800</pubDate><description><![CDATA[Ｃ＋＋　的ｍａｉｎ函数参数
数据类型转换]]></description><category></category></item><item><title><![CDATA[聚类总结]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/73849551</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/73849551</guid><author>liu1152239</author><pubDate>Wed, 28 Jun 2017 16:21:55 +0800</pubDate><description><![CDATA[聚类总结]]></description><category></category></item><item><title><![CDATA[用VS+CImg+IPP部署image processing的C++工程]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/73649530</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/73649530</guid><author>liu1152239</author><pubDate>Fri, 23 Jun 2017 16:25:37 +0800</pubDate><description><![CDATA[用VS+CImg+IPP部署image processing的C++工程

在图像处理方面，Intel IPP 库（付费）提供了较为全面的支持； 而开源的CImg库是一个跨平台的C++图像处理库，提供了加载、处理、显示、保存等一系列图像处理功能。由于CImg库是开源的，所以代码不可避免的存在一些未优化甚至是错误，而付费的intel IPP库是intel的加速库，集成了多种高性能操作，使用IPP库主]]></description><category></category></item><item><title><![CDATA[C++ vector删除指定元素]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/73249433</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/73249433</guid><author>liu1152239</author><pubDate>Wed, 14 Jun 2017 16:40:09 +0800</pubDate><description><![CDATA[当vector容器里装的对象不是普通数据类型，而是自定义数据类型时，此时删除指定对象的方法见如下代码示例：


struct roi{
	int width;
	int height;
};

int main()
{
    vector iVec;
	roi r1;
	for( int i= 1; i< 10; i++)
	{
		r1.width = i;
		r1.height = ]]></description><category></category></item><item><title><![CDATA[图像处理： 灰度化，二值化，反色]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/73088182</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/73088182</guid><author>liu1152239</author><pubDate>Mon, 12 Jun 2017 10:35:39 +0800</pubDate><description><![CDATA[灰度化 （grayscale）
将彩色图像转化为灰度图像的过程称为图像灰度化。彩色图像中的像素值由RGB三个分量决定，每个分量都有0-255（256种）选择，这样一个像素点的像素值可以有1600万种可能（256*256*256），而灰度图的像素点的像素值是RGB三个分量值相同的一种特殊的彩色图像， 只有256种可能。所以在图像处理中，往往将各种图像首先灰度化成灰度图像以便后续处理，降低计算量。灰]]></description><category></category></item><item><title><![CDATA[科目三考试总结--附送马陆驾校考点路线图]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/72866295</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/72866295</guid><author>liu1152239</author><pubDate>Mon, 05 Jun 2017 13:18:05 +0800</pubDate><description><![CDATA[【科三考试攻略--上海嘉定马陆考点】总结注意事项：科三一档二档没有距离要求，所以全程整体在二档完成！只有直线行驶、加减档操作、五档会有345档，掉头在一档完成。听到任何指令，有灯光操作的务必先灯光做到位！变道灯，指令完成后，如果没有复原变道灯，务必手动复原！加到5档操作要稳住，切勿压线。直行通过路口，切勿加速20迈之上，绿灯闪的时候还有时间通行，绿灯连续闪的时候保守起见挂一档停在斑马线前。路况发生...]]></description><category></category></item><item><title><![CDATA[C++ error LNK 2019]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/72764051</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/72764051</guid><author>liu1152239</author><pubDate>Fri, 26 May 2017 10:41:46 +0800</pubDate><description><![CDATA[error LNK 2019：无法解释的外部符号解决方案]]></description><category></category></item><item><title><![CDATA[文件路径中的/，\和\\的区别]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/72728262</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/72728262</guid><author>liu1152239</author><pubDate>Thu, 25 May 2017 14:55:50 +0800</pubDate><description><![CDATA[1、C程序文件路径用双斜杠//
因为反单斜杠\在C/C++/C# 中是转义前导字符，例如 \n 代表换行。为了避免歧义，路径中的\必须用//。


2、Windows的路径中用反单斜杠\，unix路径中用单斜杠/。


DOS 有一个传统是用斜杠（“/”）表示命令行参数，比如：

cd %SystemDrive%

dir /s /b shell32.dll

在 UNI]]></description><category></category></item><item><title><![CDATA[C++ 自己实现的一个testSuite 框架]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/72526670</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/72526670</guid><author>liu1152239</author><pubDate>Fri, 19 May 2017 13:03:01 +0800</pubDate><description><![CDATA[1、基类（需要在派生类中覆盖的函数定义成virtual虚函数）
2、派生类（重载基类的虚函数）
3、Suite类（vector容器，实例化每一个派生类，使其执行派生类重载的函数，而不是基类的虚函数）]]></description><category></category></item><item><title><![CDATA[C++ 指针的malloc、memcpy和 free]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/72454326</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/72454326</guid><author>liu1152239</author><pubDate>Wed, 17 May 2017 22:56:13 +0800</pubDate><description><![CDATA[malloc和free必须成双成对的出现，一般给对象malloc了内存空间，memcpy内存拷贝向空间中写内容，最后待空间使用结束后务必free掉分配的空间，否则会出现内存leak]]></description><category></category></item><item><title><![CDATA[C++高精度计时]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/72230832</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/72230832</guid><author>liu1152239</author><pubDate>Mon, 15 May 2017 22:36:03 +0800</pubDate><description><![CDATA[C++用 QueryPerformanceFrequency 和 QueryPerformanceCounter 进行高精度计时]]></description><category></category></item><item><title><![CDATA[科目二总结]]></title><link>https://blog.youkuaiyun.com/liu1152239/article/details/72190569</link><guid>https://blog.youkuaiyun.com/liu1152239/article/details/72190569</guid><author>liu1152239</author><pubDate>Mon, 15 May 2017 19:51:17 +0800</pubDate><description><![CDATA[科目二有九个项目，难度顺序：倒车入库、侧方停车、窄路掉头、S弯、坡道停车、进隧道、直角转弯、停车取卡、紧急停车。]]></description><category></category></item></channel></rss>