weixinhum

SpConv是一个稀疏卷积库，在点云相关的深度学习算法中用的比较多。由于目前官方升级到了2.0，然而有些算法（比如审稿人要我复现的Cylinder3D）仍需要用到1.2.1版本，因此本人花了亿点点时间折腾了一下。。。

之前一直用Pytorch做的网络训练，最近想看看训练出来的模型在C++上的表现（毕竟稍微注重效率的工程都用的C++写），因此花了点时间研究了一波。因为PyTorch的Python版本和C++版本使用的文件描述有区别，因此需要先把Python版本训练的模型转换成Torch Script形式（相信这一点不太方便的地方后面会被FB大佬们改掉的）。转换的代码如下：import torchimpor...

在做图像语言分隔的时候，我们往往需要计算出像素精确度，交并比等值来评估我们的算法或者神经网络的表现。本篇文章着重介绍如何用numpy实现像素精确度、平均像素精确度、平均交并比和加权的交并比的计算。在正式开始之前需要先掌握几个numpy的函数和编程技巧。bincount函数功能：实现个数的统计。示例：假设有numpy数组：x = np.array([0, 1, 1, 3, 2, 1, 7]...

最近一直在搞神经网络，因为习惯了Windows的操作，一直在Windows下看文章写东西，也就顺势在Windows下做了代码编写和训练。一开始觉得速度也就那样，没太注意，但一次因为电脑比较忙拿同样的代码到别的装了Ubuntu系统的机子上面跑，才发现它们的效率意外的相去甚远。下面放出同样的代码在两个平台下的运行速度，希望看到的人能得到些许有用信息。MXNet架构实现内容为FCN全卷积神经网络，...

如果想用pytorch来做神经网络学习和训练，那么不管想不想，你都得学visdom这个可视化工具，因为别人全部用这个玩意在进行可视化显示，如果不会用有时甚至别人的代码都跑不起来。这里这么说似乎显得有点怨念，这是真的，因为本人一开始并不想要去搞它。但后来学着学着发现这真是个神器，难怪那么多人一上来直接要求先装上这个。要用这个先要安装，对于python模块而言，安装都是蛮简单的：pip insta...

得益于神经网络崛起，卷积成为近些年大热的数学词汇，不再只是待在信号处理这门要命的课程之中。关于卷积在图像处理中的应用，操作部分看上图就明白了：假设输入图像的大小为 5 x 5，局部感受野（或称卷积核）的大小为 3 x 3，那么输出层一个神经元所对应的计算过程如上图所示。动态一点的话也可以看下面的动图。而为什么要这么算，如果学过一点图像处理就很好说明，图像处理的经典边缘提取算法如canny，...

上一篇文章我们强力推导了GAN的数学公式，它就是：V=Ex∼Pdata[log⁡D(x)]+Ex∼PG[log⁡(1−D(x))]V = E _ { x \sim P _ { \text {data} } } [ \log D ( x ) ] + E _ { x \sim P _ { G } } [ \log ( 1 - D ( x ) ) ]V=Ex∼Pdata​​[logD(x)]+Ex...

前面一篇文章我们介绍了怎么在win10下搭建Yolo v3的开发环境。这篇文章我们将着重介绍YOLO动态链接库的编译，还有如何正确的使用编译出来的Yolo动态链接库进行目标的识别。首先是编译，对应的工程是“yolo_cpp_dll.sln”，其环境的配置跟上篇文章所讲的“darknet.sln”可以说完全一样，因此不再赘述。需要注意的是这里我们直接编译“release x64”版本，不去管...

CUDA 9.2+CUDNN v7.1.4的安装，基本上跟之前这篇文章的描述一致，地址如下：https://blog.youkuaiyun.com/weixinhum/article/details/80296442不同的地方在于CUDA 9.2版本没有出现之前“遇坑一”的问题。接着下载OpenCV3.4.0，准备搭建环境。要强调的是现在最新的版本是OpenCV 3.4.2，然而看github上面...

　　上一篇文章：深度学习2—任意结点数的三层全连接神经网络 　　介绍了如何实现一个任意结点数的三层全连接神经网络。本篇，我们将利用已经写好的代码，搭建一个输入层、隐含层、输出层分别为784、100、10的三层全连接神经网络来训练闻名已久的mnist手写数字字符集，然后自己手写一个数字来看看网络是否能比较给力的工作。 　　在正式做之前，还是按照惯例讲几个会用到的知识点。 　　首先是mnist数...

不久前PyTorch0.4.0官方支持了Windows，可谓是感天动地，于是乘比较空闲的时间搭搭环境，顺便做下记录。一.下载和安装CUDA9.1+cudnn-9.1库（注意下载的时候选择好配套的版本）CUDA 地址如下： https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_...

　　mnist是在图像机器学习占据“Hello World”地位的库。下载地址如下：http://yann.lecun.com/exdb/mnist/ 　　下载下来是这样的 　　train-images-idx3-ubyte（训练集数据，存放训练图像的集合） 　　train-labels-idx1-ubyte（训练集标签，存放训练图像属于1~9中的哪一个） 　　t10k-images-...

　　本文有一部分内容参考以下两篇文章： 　　一文弄懂神经网络中的反向传播法——BackPropagation 　　神经网络 　　 　　最简单的全连接神经网络如下图所示(这张图极其重要，本文所有的推导都参照的这张图，如果有兴趣看推导，建议保存下来跟推导一起看)： 　　它的前向传播计算过程非常简单，这里先讲一下：前向传播　　　Y1=f(W(1)11X1+W(1)12X2+...

　　自从意识到深度学习是未来之后，自己看了相关的书籍三本，看了吴恩达和李飞飞两位神级人物的课程，配置了caffe，torch，pytorch等等开源架构，也跑了几个开源工程，却始终都感觉似懂非懂，实在是糟心。 　　经过了严肃认真的思考后，本人决定从最底层开始，自己写一个架构，进而可以深入了解深度学习的方方面面。 　　本篇作为系列文章的开篇总览，目的就是给自己挖个坑，以提醒自己要好好努力。并且也...

　　上一篇文章：深度学习1—最简单的全连接神经网络　 　　我们完成了一个三层（输入+隐含+输出）且每层都具有两个节点的全连接神经网络的原理分析和代码编写。本篇文章将进一步探讨如何把每层固定的两个节点变成任意个节点，以方便我们下一篇文章用本篇文章完成的网络来训练手写字符集“mnist”。 　　对于前向传播，基本上没有什么变化，就不用说了。主要看看后向传播的梯度下降公式。先放上上篇文章的网络图。 ...