
深度学习
澎湃de家夥
这个作者很懒,什么都没留下…
展开
-
Pytorch从入门到放弃(7)——可视化模型训练过程中的loss变化
深度学习就像炼丹,一次模型的训练需要很长时间,任何人都无法做到一直盯着模型的训练。通常都是开启模型训练之后,只要不报错并且随着迭代次数的增加模型的loss在下降,这时我都会去干别的了让它跑去吧,第二天再来看我的丹炼的怎么样。这时怎么在一堆仙丹(经过一天的训练会保存许多模型的权重,每迭代多少个batch或每个epoch保存一次权重)中找到最好的那一个。如果盲目的取最后几次保存的,容易取到过拟合的模型...原创 2020-02-07 19:37:08 · 15868 阅读 · 10 评论 -
Pytorch从入门到放弃(6)——实现图像多标签的训练与分类
传统的用于执行分类任务的深度学习模型,往往是解决的单分类任务,即为一幅图像只预测一个标签,但现实世界中往往一幅图像中通常是含有多个标签的 。Pytorch中分类任务常用的损失函数CrossEntropyLoss也是处理单标签数据的,无法实现多标签数据端到端的训练。在工作或日常实验中,我们经常会遇到一幅图像中含有多个标签的问题,我们需要怎样来处理呢?下面给出两个解决方案:1、即一幅图像包含几个标签就...原创 2020-02-07 15:23:02 · 21441 阅读 · 33 评论 -
目标检测学习之路——YOLOv2
YOLOv2YOLOv2相对于V1的改进主要有两方面:1、使用一系列策略对YOLOv1的网络结构进行了修改,在保证检测速度的同时提升了模型的检测准确率;2、提出了一种联合训练策略,使用ImageNet与COCO联合训练得到YOLO9000模型,可以实现9000类物体的目标检测。本文将从这两个改进策略对YOL...原创 2020-02-06 22:03:22 · 847 阅读 · 0 评论 -
目标检测学习之路——YOLOv1
YOLOV1因一些需要,对经典的检测模型YOLOV1进行了学习,以下是自己对YOLOV1的一些见解,如有错误,还请大佬指正。对于目标检测任务,江湖上主要有两大流派:1.two stage策略(即proposal+classifier的方法),经典模型有rcnn、fast-rcnn、fa...原创 2019-11-30 11:05:12 · 794 阅读 · 0 评论