深度学习
关注
分享
扫一扫
Deep Learning
Bungehurst
极限尤可突破,至臻亦不可止
展开
-
Python自动选择最近权重训练
max_ep = 1 ep = 0 # find the latest weights for file in os.listdir('./weights/'): if file.startswith('PPO_blue_{}'.format(env_name)): perfix = re.findall(r'\d+', file) ep = int(perfix[0]) if ep >...原创 2020-11-13 14:31:15 · 222 阅读 · 0 评论 -
HR-Net 论文学习
HR-Net 论文学习常见的Backbone一般都用的是图像识别网络，随着网络层数增加，特征图分辨率逐渐降低。为了保持分辨率，一般使用上采样的方式。上采样的方法包括双线性插值，转置卷积，膨胀卷积等。为了尽可能保留细节，一般使用特征融合的方法。进行特征融合时，可以使用Skip连接（U-Net）。HR-Net 网络结构并行高分辨率子网, 每个子网分辨率不变多尺度融合，多个子网之间相互融...原创 2020-04-22 22:57:48 · 1466 阅读 · 0 评论 -
PointNet论文学习
PointNet论文学习简介Pointnet将深度学习应用到了点云的分类和分割问题。传统的卷积结构需要高度规律的数据格式，比如说图像栅格（image grids），3D栅格（3D Voxel），以便实现权重共享和其他的优化操作。由于点云和mesh并不规律，传统的做法是将这些数据转换成规律的3D voxel网络或者图像集合，然后送入网络。点云是简单而且统一的结构，它避免了mesh的不规律性...原创 2020-04-08 20:56:14 · 330 阅读 · 0 评论 -
服务器后台进行Python模型训练
服务器后台进行Python模型训练创建后台进程假如我们的训练程序为train.py,要用到setsid命令，格式如下：setsid python train.py > /tmp/log_py 2>&1 &这样程序后台运行，并将屏幕输出的错误和结果log全部重定向到文件log_py中。参数说明：1、用setsid来启动程序，就可以做到使启动的进程在新的ses...原创 2020-04-04 15:16:43 · 1407 阅读 · 0 评论 -
Vast.ai GPU服务器连接
Vast.ai GPU服务器连接1. 首先需要在Billing下添加一张信用卡，然后冲$10刀2. 选一台主机，然后RENT！3. 成功以后可以在Instance里面看到第一次创建Instance时需要配置SSH, 具体操作网站有提示，也可以参照如下步骤：There is no ssh password, we use ssh key authentication. If ssh ...原创 2020-04-04 10:46:34 · 8077 阅读 · 8 评论 -
Colab离线重连设置
Colab离线重连设置首先，在colab页面下，按F12或ctrl+shift+i打开console然后，鼠标先单击一下按钮，如图所示：之后，将下面代码复制进console，回车function ClickConnect(){ console.log("Working"); document.querySelector("colab-connect-bu...原创 2020-03-26 22:36:20 · 2907 阅读 · 3 评论 -
Colab试跑AnimeGAN
Colab试跑AnimeGAN今天看到机器之心上的文章 AnimeGAN，感觉效果还不错，自己试一下我用的是Google Colab，免费的，只能用一个GPU。。。【穷】代码Git Clone!git clone https://github.com/TachibanaYoshino/AnimeGAN成功：看下所在目录import osos....原创 2020-03-26 20:40:23 · 4574 阅读 · 11 评论 -
PSP-Net学习笔记
PSP-Net学习笔记FCN的主要问题在于其缺失了合适的策略来使用全局场景类别的线索。本文通过扩展像素级的特征到全局金字塔池化特征，使得全局和局部的信息融合。PSP-Net的主要贡献提出了金字塔场景解析网络 基于深度监督loss设计了一个有效的优化策略 性能达到最优相关工作受深度神经网络驱动，场景解析和语义分割这样的像素级预测任务取得了很大的进展。为了扩大网络...原创 2020-03-26 13:12:54 · 618 阅读 · 0 评论 -
Deeplab v3+论文学习
Deeplab v3+论文学习简介空间金字塔池化或者encoder-decoder结构被广泛应用于语义分割网络。之前的网络可以通过池化操作和filter实现融合多尺度的上下文信息，而之后的网络可以提取锐利的物体边缘，在deeplab v3+中，结合了二者的优点，并且借鉴了Xception模型，将深度可分离卷积核空洞空间金字塔池化应用到我们的模型中，实现了更快更好的encoder-deco...原创 2020-03-25 23:33:59 · 1443 阅读 · 0 评论 -
数据处理——图像处理
数据处理——图像处理引入库import osimport cv2import randomimport torchimport numpy as npimport pandas as pdfrom torch.utils.data import Datasetfrom imgaug import augmenters as iaafrom utils.process_la...原创 2020-03-21 16:17:02 · 651 阅读 · 0 评论 -
数据处理——标签处理
数据处理——标签处理数据集用的是Baidu无人车车道线检测挑战赛的数据集官方的说明：由于label_id 与 train_id不一致，有些类型我们是不需要的（noise，ignored，ignoredinvalue），有些是同一类但是label不同，所以我们需要将label_id调整到train_id代码实现colorsys模块提供了用于RGB和YIQ/HLS/HS...原创 2020-03-20 23:48:12 · 1871 阅读 · 1 评论 -
数据处理——数据读取
数据处理——数据读取首先，引入一些库import osimport pandas as pdfrom sklearn.utils import shufflepandas 是基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数...原创 2020-03-20 20:17:45 · 454 阅读 · 0 评论 -
UNet代码详解
UNet代码详解第一步，还是加载一些库import torch import torch.nn as nnimport torch.nn.functional as F创建一个卷积Block类class UNetConvBlock(nn.Module): def __init__(self, in_chans, out_chans, padding, batch_...原创 2020-03-19 23:05:55 · 10655 阅读 · 2 评论 -
UNet学习笔记
UNet学习笔记FCN的不足可以发现，效果较好的FCN-8s与Ground Truth之间的差距还是比较大的，细节部分的分割不太好。UNetUnet是基于FCN的结构进行了改进。Unet论文是在医学图像分割（Biomedical Image Segmentaion）背景下完成的。之所以叫UNet，主要是因为其U形结构。如图所示：图片注释：每一个蓝色的box相当于...原创 2020-03-19 13:57:10 · 1257 阅读 · 2 评论 -
关于FCN特征融合时剪裁大小的计算
关于FCN特征融合时剪裁大小的计算这是一个FCN-16s的pytorch代码部分： self.conv1_1 = nn.Conv2d(3, 64, 3, padding=100) self.relu1_1 = nn.ReLU(inplace=True) self.conv1_2 = nn.Conv2d(64, 64, 3, padding=1...原创 2020-03-15 14:18:14 · 620 阅读 · 0 评论 -
FCN学习笔记
FCN学习笔记FCN（Fully Convolutional Networks for Semantic Segmentation）Semantic Segmentation语义分割问题，简而言之，就是在一幅图像中划分不同物体，将属于同一物体的像素用一个标签进行标注。比如说这样：在深度学习应用到计算机视觉领域之前，研究人员一般使用纹理基元森林(TextonForest)或是...原创 2020-03-14 23:11:49 · 419 阅读 · 0 评论 -
如何理解端到端（end-to-end）的含义？
个人理解，end-to-end就是直接输入原始数据，然后输出结果。比如说，我们做一个图像分类任务，输入的是图像，输出的图像类别。原创 2020-03-14 14:15:03 · 2034 阅读 · 0 评论 -
ResNet代码详解
ResNet代码详解首先入库import torchimport torch.nn as nnfrom torch.hub import load_state_dict_from_url预训练权重urls：model_urls = { 'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde...原创 2020-03-13 11:36:38 · 1866 阅读 · 0 评论 -
ResNet学习笔记
ResNet学习笔记随着网络层次不断加深，我们发现一味地增加层数会适得其反。残差网络的出现，为深层网络退化问题提供了一个解决方案。残差块的一般结构：“shortcut connections”定义我们想得到的映射为，我们可以拟合另一个映射，即。ResNet中所提出的Residual block之所以成功，原因有两点，第一，是它的shortcut connection增...原创 2020-03-13 11:11:51 · 381 阅读 · 0 评论 -
VGG代码详解
Pytorch官方实现首先由引入相关的库import torchimport torch.nn as nnfrom .utils import load_state_dict_from_url这里用到原创 2020-03-12 12:42:58 · 5727 阅读 · 0 评论 -
Pytorch forward函数作用
forward(*input)[SOURCE]Defines the computation performed at every call.Should be overridden by all subclasses.NOTEAlthough the recipe forforwardpass needs to be defined within this function,...原创 2020-01-17 23:50:43 · 4317 阅读 · 0 评论 -
Pytorch inplace的作用
inplace 代表：是否覆盖之前的值当inplace=True时,就是对从上层网络中传递下来的tensor直接进行修改，这样能够节省运算内存，不用多存储其他变量。原创 2020-01-17 23:01:45 · 463 阅读 · 0 评论 -
VGG学习笔记
Very Deep Convolutional Networks for Large-Scale Image Recognition关注问题：网络深度对大规模图像识别准确度的影响。Input:：224×224×3(RGB)filter：3×3 1×1（1×1卷积：可以看做是输入chanel的线性变换）stride(步长)：固定为1。...原创 2020-01-17 11:29:59 · 234 阅读 · 0 评论