苦行僧的妖孽日常

转载 https://sparkydogx.github.io/2018/09/26/pytorch-state-dict-gpu-to-cpu/>>> torch.load('tensors.pt')# Load all tensors onto the CPU>>> torch.load('tensors.pt', map_location=tor...

一、数据预处理什么情况下进行数据清洗？与任务无关的、不能训练模型的、不包含目标特征的图片。剪裁无用的部分。如何发现?观察数据。内存小、GPU性能差时怎么办？减小batch_sizze，降低图像分辨率，对图片剪裁crop。二、数据增强数据增强的目的是：提升特征的鲁棒性与模型的泛化性。 一般来讲，数据增强是可以提升模型性能，但是并不是所有方法都成立，要考虑性价比。 数据增强与数...

Deeplab v3+笔记，记录一些自己认为重要的要点，以免日后遗忘。Deeplab v3+将特征提取阶段最后几个layer的conv（图片中黄色部分）变成了dilated conv，使分辨率不再降低，但感受野保持不变。也就是说这样在保留位置信息的同时，语义信息保持不变。一、Dilated Convolution 膨胀卷积Dilated Convolution膨胀卷积在语义分割（D...

Xception笔记论文地址：一、为啥是XceptionXception脱胎于Inception，Inception的思想是将卷积分成cross-channel conv和spatial conv，更准确的说是先用1x1卷积得到几个不同channel（小于输入channel）的结果，再在这些结果上分别用3x3、5x5 conv，也就是论文Figure 1描述的那样。Inception的...

学习ResNet，记录一些自己认为重要的要点，以免日后遗忘。论文地址：https://arxiv.org/abs/1512.03385论文下载请自备云梯。一、为什么是ResNet一般认为，当网络越来也深，其表现能力越强。但是，实际上网络的能力并不会随着深度增加一直增强，会出现网络的退化现象，也就是深度增加其能力反而不如浅层网络（其在测试集和训练集上的准确率都下降），这个不是过拟合（...

目录一、UNet模型二、Encoder & Decoder2.1 Encoder2.2 Decoder学习U-Net: Convolutional Networks for Biomedical Image Segmentation，记录一些自己认为重要的要点，以免日后遗忘。代码：https://github.com/Ascetics/LaneSegmentatio...

对numpy和torch数据操作进行对比，避免遗忘。ndarray和tensorimport torchimport numpy as npnp_data = np.arange(6).reshape((2, 3))torch_data = torch.arange(6) # 张量tensor2array = torch_data.numpy()print( '\n...

在理解双线性差值（Bilinear Interpolation）的含义基础上，参考pytorch差值的官方实现注释，自己实现了一遍。共三段代码：一、for循环实现双线性差值（naive实现）是对一张图像的，维度HWC，采用for循环遍历H、W计算差值点的像素值。这个实现too young，too simple，简直naive，效率低但易于理解；import matplotlib....

目录一、Convolutionalization 卷积化二、Upsample 上采样2.1 Unpool反池化2.2 Interpolation差值2.3 Transposed Convolution转置卷积三、Skip Architecture3.1 特征融合3.2 裁剪FCN原理及实践，记录一些自己认为重要的要点，以免日后遗忘。原始思路是，去掉全连接...

目录一、语义分割二、VGG模型2.1 VGG特征提取部分2.2 VGG图像分类部分三、ResNet模型3.1 为什么是ResNet3.2 1×1卷积调整channel维度大小3.3 ResNet里的BottleNeck3.4 Global Average Pooling 全局平均池化3.5 Batch Normalization学习语义分割理论，学习两个...

安装jupyterjupyterlab和jupyter notebook的关系暂时没有搞清楚。先都安装了吧，用用再说。选择国内镜像，避免万里长城的干扰。pip install jupyterlab -i http://uni.mirrors.163.com --trust-host uni.mirrors.163.compip install jupyter notebook -i...

卷积概念由于不好进行文字描述（懒），我直接推荐一个博客图像卷积，讲解图像卷积的概念。图像卷积操作（convolution），或称为核操作（kernel），是进行图像处理的一种常用手段，图像卷积操作的目的是利用像素点和其邻域像素之前的空间关系，通过加权求和的操作，实现模糊（blurring），锐化（sharpening），边缘检测（edge detection）等功能。图像卷积的计算过程就是...

基本操作2Similarity Transform相似变换Similarity Transform相似变换：图像形状大小不变，位置发生变化。比如：做平移、旋转。相似变换具有保角性、保比例性，经过相似变换以后原有的角度和比例保持不变。确定一个相似变换矩阵需要2对点（原图像2个点，对应变换后图像2个点）。OpenCV中相似变换的API如下。import cv2IMG = cv2.im...

目录数字图像属性opencv-python环境搭建基本操作IRead in / Show out，读取、显示图像；Change color，修改颜色；Gamma Correction，伽马校正；Crop，切割；Histogram，直方图数字图像属性数字图像有多个通道（RGB、YUV、HSV等），每个通道是一个二维矩阵，矩阵的每个元素是0-255整数。op...

目录Intro环境搭建TensorFlow搭建PyTorch搭建PaddlePaddle搭建Intro从今天起学习CV，为期6个月，以三个真实项目为背景学习CV。目前是第一个项目——车道线检测。时间两个月（共8周），每周五、周日晚上在线学习，然后更新博客。希望6个月后，感谢现在拼命学习CV的自己。环境搭建整个项目使用三个比较流行的CV框架，TensorF...

目录CV的level和CV的方向CV的levelCV研究方向CV应用方向CV工程方向CV的路线CV比较好的会议CV的平台、框架认识几个CV的缩写CV的level和CV的方向CV的levelLow Level，图像的基本操作；比如，图像的变换、像素操作、色彩等； Mid Level，经典的视觉算法；比如，SIFT、RBF等； High Level，...

目录一、非线性估值Non-Linear Hypothesis二、神经网络建模 Neural Network三、复习逻辑回归问题矩阵式3.1 没有进行正则化3.2 进行正则化四、神经网络的代价函数4.1 符号约定Notation4.2 代价函数五、反向传播算法 Backpropagation Alg5.1 任务5.2 一个训练样本5.3 一个训练集...

目录一、分类问题 Classification二、分类问题的估值 Hypothesis Representation三、分类问题的决策边界 Decision Boundary四、分类问题的代价函数 Cost Function五、简化的代价函数与梯度下降Simplified Cost Function & Gradient Descent5.1 简化代价函数5.2...

目录一、定义 What is Machine Learning二、建模 Model Representation三、一元线性回归 Linear Regression with One Variable3.1 一元线性归回的符号约定 Notation3.2 一元线性回归 Linear Regression with One Variable3.3 代价函数 Cost Func...