qq_45193872的博客

基于TextCNN和transformers.BertTokenizer的新闻文本分类实现，包括训练、预测、数据加载和准确率评估。

深度学习模型（图像分类、目标检测、语义分割等）在Android设备中的部署步骤。

梯度下降算法经常用来完成神经网络的训练以及拟合优化，梯度下降算法会影响网络训练的速度和精度，而Adagrad算法是一种比较不错的梯度下降算法。

如何理解张量（tensor）成了深度学习路途中不可缺少的一步，讲真的，刚学习深度学习那会儿张量实在是困惑了自己很长一段时间，而这篇文章根据自己学习深度学习的历程给出了一个清晰通俗的解释，相比于官方教材给出了更容易让初学者更能理解的逻辑举例。如果你的张量理解程度还停留在只能想象出三维的张量维度的话，相信这篇文章一定能让你彻底理解各种维度的张量！

学习目标：总结了几篇个人认为深入浅出的目标检测性能指标相关博客，希望通过这次笔记能帮助到还不理解的同学！**理解目标检测中常用的性能检测指标mAP、IOU、Recall、Precision,**通过约30分钟的阅读深刻理解并掌握这几个常见指标的运用。

使用背景：适用于：自制数据集训练目录文件通常在制作Pascal VOC数据集格式文件夹数据集时，我们需要根据我们已经准备好的数据集图片以及标签文件进行数据集、验证集、测试集的文件划分，那么test.txt、train.txt、trainval.txt、val.txt这四个文件的作用就是用于网络的训练、评估、测试的目录标注。生成如下文件：生成代码：import osimport random#训练集所占比例trainval_percent = 0.9train_percent = 0.

使用背景：主机多GPU情况下选择指定部分GPU使用很多服务器在进行配备时会装配多块GPU，那么我们在使用服务器时，有时可能会多个终端对服务器进行操控，因此有时需要对特定的GPU进行指定操作，才不会使用户之间使用GPU时相互影响；或者需要指定特定数量的GPU才能达到训练效果。

使用背景：有时候我们需要将固定格式的Excel表格文件（csv文件）转换为xml文件使用，例如我们在目标检测实验当中我们需要制作数据集Pascal VOC格式的标签文件，此时如果我们没有现成的xml标签文件

通过简要代码对Pascal VOC数据集中的xml文件部分标签信息进行快速替换！

函数作用：该函数的作用即按字面意思理解，topk:取数组的前k个元素进行排序。通常该函数返回2个值，第一个值为排序的数组，第二个值为该数组中获取到的元素在原数组中的位置标号。举个栗子：import numpy as npimport torchimport torch.utils.data.dataset as Datasetfrom torch.utils.data import Dataset,DataLoader####################准备一个数组#######

论文链接：https://arxiv.org/abs/2103.06255github代码链接：https://github.com/d-li14/involution一、介绍Involution这个全新的神经网络概念是由CV大神李铎和胡杰等人于2021年CVPR论文：Involution: Inverting the Inherence of Convolution for Visual Recognition中提出的，相比于传统的convolution，involution巧妙地将网络计算量分为k

Depth-wise Convolution详细定义详细定义请参照下面链接：https://towardsdatascience.com/a-basic-introduction-to-separable-convolutions-b99ec3102728快速了解在学习Depth-wise Conv之前先了解一下传统的Convolution:对于普通卷积：我们从[12,12,3]的input feature map到[8,8,256]的output feature map，需要256个[5,5

问题描述：比如说我在github上要下载某个模型进行训练，通常我们要用到VOC2007、VOC2014、COCO2014等数据集进行训练：但是当我们运行github博主提供的GPU训练命令提示时：会出现数据集路径读取的错误，例如下图：解决措施：通常我们只需要找到github博主提供的代码文件夹中的scripts文件夹,找到相应的单/多CPU的sh文件：对相应的数据集根目录进行修改，修改为你的数据集存放的父文件夹的绝对路径，例如我这里的VOC2007和VOC2014父文件夹为dataset

参考链接：https://blog.youkuaiyun.com/junmuzi/article/details/53206600https://blog.youkuaiyun.com/qq_21190081/article/details/72871704著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。概念：接触到pooling主要是在用于图像处理的卷积神经网络中，但随着深层神经网络的发展，pooling相关技术在其他领域，其他结构的神经网络中也越来越受关注。与卷积层类似，池化层运算符由一个固定形

在看到SSD论文中遇到了Atrous这个概念，了解到对卷积过程有一定的帮助和提升，下面这篇博文可以很好的解释空洞卷积这个知识点以下文章转载于行者无疆兮优点：在不做pooling损失信息和相同的计算条件下的情况下，加大了感受野，让每个卷积输出都包含较大范围的信息。空洞卷积经常用在实时图像分割中。当网络层需要较大的感受野，但计算资源有限而无法提高卷积核数量或大小时，可以考虑空洞卷积。空洞卷积的概念空洞卷积（dilated convolution）是针对图像语义分割问题中下采样会降低图像分辨率、丢失信息

问题描述：如图，我们有时会遇到上图情况，为啥明明父类文件夹目录下有想要import的文件及API却会出红线，且运行会报错：ModuleNotFoundError: No module named ‘XXX‘,‘XXX‘ is not a package.其实原因很简单，例如在我的工程项目中还有一个Project文件夹下面出现了同名的情况：可谓是老乡见老乡，两眼泪汪汪，系统就会爆出这个Error那么我们该如何解决呢？解决措施：如图，只需要把其他“老乡家的门关上”，这样老王家正在用的工具就不

问题描述：我们通常获取到一个数据集都需要先将其拆分成训练集、测试集、验证集用来不同的训练和运行测试，那么如何将一个数据集拆分呢？解决方案：以下代码举例将flower_photos拆分成train和val两个文件夹：↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓代码为：import osimport randomfrom PIL import Imagefile_name = os.listdir('flower_photos') # file_name是个列表，用来装images目录下的文件名

深度学习中我们会碰到很多的功能层，那么这些层有什么作用？我们该怎么理解呢，我认为本文可以很生动通俗的解答这个问题通常，卷积神经网络除了输入和输出层之外还有四个基本的神经元层，在三层神经网络中，这基层被称为隐藏层卷积层（Convolution）激活层（Activation）池化层（Pooling）完全连接层（Fully connected）卷积层在最初的卷积层中，成千上万的神经元充当第一组过滤器，搜寻图像中的每个部分和像素，找出模式（pattern）。随着越来越多的图像被处理，每个神经元逐渐学

问题描述：有的时候我们会碰到这种情况：就是可能你在anaconda中由于需求不同创建了多个环境，其中你需要用到的环境中可能没有torch和torchvision这些常用的packages，来回切换环境也很麻烦所以有以下解决方案：解决方案：1、 首先打开anaconda3的prompt控制窗口2、 输入你的anaconda路径3、 激活你想设置的anaconda环境（我这里的环境名叫base)4、 然后查看当前环境中的packages list，以便确认你的list中是否以及存在你想下载安