liugan528的博客

基於 MAC 的模型算力估算方法

InspireFace 是一个高性能的人脸识别和分析 SDK，采用 C++ 开发，提供了完整的人脸检测、跟踪、特征提取、活体检测、属性分析等功能。该项目采用模块化设计，具有良好的可扩展性和跨平台支持能力。

多头注意力是将多个单头注意力的结果`concat`在一起，例如`embedding`是`64`维的，`12`头就是`12x64=768`，那为什么不直接生成`768`维的特征向量做单头注意力呢？二者的区别到底是什么？

self.cls_token 在 Vision Transformer (ViT) 模型中，在训练阶段和推理阶段的行为和作用是不同的，而且它的值在训练过程中会发生变化。

深度学习图像预处理可视化：拆解Compose操作的全过程

pytorch-image-models

信息量与信息熵

在 Keras 中有两类主要的模型：Sequential 顺序模型 和 使用函数式 API 的 Model 类模型。Sequential 模型 APIfrom tensorflow import kerasfrom tensorflow.keras import layersmodel = keras.Sequential(name='my_sequential')model.add(keras.Input(shape=(250, 250, 3), name='input')) # 250x2

网络1创建AlexNet.pyfrom tensorflow import kerasfrom tensorflow.keras import layersdef AlexNet(output_shape=2): model = keras.Sequential() model.add(keras.Input(shape=(227, 227, 3))) model.add(layers.Conv2D(96, (11, 11), strides=(4, 4), activat

from tensorflow import kerasfrom tensorflow.keras import layersINPUT_SIZE = 224CLASS_NUM = 1000# stage_name=2,3,4,5; block_name=a,b,c,d,e,fdef ConvBlock(input_tensor, num_output, stride, stage_name, block_name): filter1, filter2, filter3 = num_

"""Inception V3 model for Keras.Reference: - [Rethinking the Inception Architecture for Computer Vision]( http://arxiv.org/abs/1512.00567) (CVPR 2016)"""import tensorflow.compat.v2 as tffrom tensorflow.keras import backendfrom tensorflow.k.

#if 1#include <array>#include <vector>int main(){ /* 16表示由Input到backbone最后一个卷积层(此处称为featuremap)的下采样倍数， 即feature map上一个像素对应Input上16*16的区域 */ const int kBaseSize = 16; const int kScaleNum = 3; // anchors的面积种类数,此处使用三种面

from tensorflow import kerasfrom tensorflow.keras import layersdef ConvBlock(input, filters, stride, idx): x = layers.Conv2D(filters, 3, use_bias=False, strides=stride, padding='same', name='conv'+str(idx))(input) x = layers.BatchNormalization(n

#pragma once#include <iostream>#include <fstream>#include <random>#include <vector>#include <opencv2/highgui.hpp>#include <opencv2/imgproc.hpp>int LeastSquaresMethod(const std::vector<int>& data_x, co

K-means基本原理0.预设聚类类别数k的值；#include <iostream>#include <vector>int main(){ /* 待聚类数据 */ std::vector<std::pair<int, int>> data{ std::pair<int,int>(-1,-2),std::pair<int,int>(2,1), std::pair<.