qq_43684686的博客

零基础入门语义分割-TASK01 赛题理解赛题理解数据读取评估标准一学习主题:理解赛题内容解题流程一学习内容:赛题理解、数据读取、比赛baseline构建一学习成果:比赛baseline 提交赛题理解遥感技术应用于地表覆盖检测、植被面积检测和建筑物检测任务。目标任务：地表建筑物识别，识别图片中的地表建筑具体像素位置将地表航拍像素划分为有建筑物和无建筑物两类数据读取train_mask.csv:存储图片的标注的rle编码；train:存储训练集图片test:存储测试集图片rle编码的具

MobileMobileNet V1这篇论文是谷歌在2017年提出了，专注于移动端或者嵌入式设备中的轻量级CNN网络。该论文最大的创新点是，提出了深度可分离卷积（depthwise separable convolution）。首先，我们分析一下传统卷积的运算过程，请参考第一个动图可以看出，传统卷积分成两步，每个卷积核与每张特征图进行按位相成然后进行相加，此时，计算量为DF∗DF∗DK∗DK∗M∗N，其中DF为特征图尺寸，DK为卷积核尺寸，M为输入通道数，N为输出通道数。然后，重点介绍一下深度可分离

优化器SGDSGD+MomentumAdagradRMASropAdam为了网络更快的收敛SGDSGD+MomentumAdagradRMASropAdam

pytorch入门深度学习框架pytorch特点使用pytorch的原因：pytorch特点：多层全连接神经网络操作对象-Tensor深度学习框架Tensorflow–Google开元CaffeTheanoTorchMXNet–亚马逊官方框架pytorch特点使用pytorch的原因：（官方解释）1.深度学习框架仅掌握一门语言并不能一劳永逸2.Tensorflow与Caffe...

经典卷积神经网络模型LeNetAlexNetVGGGoogLeNetResNetDenseNetLeNet特色：1.由两个卷积层两个池化层，两个全连接层组成AlexNet特色：1.局部响应归一化2.用多个gpu进行运算3.由五个卷积层、两个池化层和三个全连接层组成4.使用RELU激活函数，而不是传统的tanh函数或sigmoid函数5.使用dropout随机失活函数VGG特...

填补缺失值：sklearn.preprocessing.Imputer(missing_values=’NaN’, strategy=’mean’, axis=0, verbose=0, copy=True)主要参数说明：missing_values：缺失值，可以为整数或NaN(缺失值numpy.nan用字符串‘NaN’表示)，默认为NaNstrategy：替换策略，字符串，默认用均值‘me...

AlexNet论文研读ImageNet LSVRC-2012竞赛这个神经网络有6000万参数和650000个神经元，包含5个卷积层（某些卷积层后面带有池化层）和3个全连接层，最后是一个1000维的softmax。1.模型图2.贡献：训练更快—非饱和神经元对卷积操作减少全连接层的过拟合—dropout正则化方法编写了高度优化的2D卷积GPU实现提高神经网络并减少训练时间防止过拟合...

查看电脑里CUDA的版本方法：1、在桌面空白处点击右键，进入NVIDIA控制面板。在打开的窗口左下角有个“系统信息”，单击后出现窗口选择“组件”标签，这时就能看到各个组件的版本信息了。...

问题描述：在用anaconda 安装包时遇到无法定位程序输入点于……动态链接库的问题① 操作步骤：1）找到anaconda安装路径：2） 进入 \DLLS 文件夹，查看 libssl-1_1-x64.dll 文件的修改日期3）进入 \Library\bin 文件夹，查看 libssl-1_1-x64.dll 文件修改日期4） 如果两文件修改日期不同，用 DLLS文件夹下的 libssl...

经典卷积神经网络LeNet-5 60k参数。网络基本架构为：conv1 (6) -> pool1 -> conv2 (16) -> pool2 -> fc3 (120) -> fc4 (84) -> fc5 (10) -> softmax。括号中的数字代表通道数，网络名称中有5表示它有5层conv/fc层。当时，LeNet-5被成功用于ATM以对支票中的...