- 博客(6)
- 收藏
- 关注
RSS订阅原创 pytorch学习
1.pytorch中的网络搭建 models = torch.nn.Sequential(*layers) or layer1 = Conv2d(...)(x) layer2 = Relu()(layer1) ..... 创建网络模块： class model(torch.nn.Module): def __init__(self): pass def forward(self): pass 2.pytorch的数据集 搭建方式： class loaddata(torch.utils.data.
2021-03-29 18:32:04
152
原创 Faster rcnn总结
Faster RCNN 学习总结 Faster RCNN原文链接：论文原文 pytorch代码参考：点击下载 1.整体框架 原文中的整体框架如下图所示，分为特征提取，RPN，ROI，分类预测四个主要环节。 2.图片特征提取 图片特征提取采用的神经网络可以使用VGG16，ResNet50等网络，对输入图片的大小不做要求。不同大小的图片经过采样后得到形状不同的特征图。 3.RPN RPN网络的作用可以分为两个部分，如下所示： 网络的一部分为预测anchor框的相关信息，另一部分为判断anchor框为真实样本
2021-03-29 17:12:14
210
原创 读论文Creating Irish Music using a Generative Adversarial Network
目的： 用已有的Irish Music生成… 用ABC notation将曲子转换成… 知识点： 在Discrimination中应用： multi-tower : 意思就是用多个同样的输入，然后分别计算卷积。原文如下： The discriminator starts off with a 6-tower convolution network (that is, 6 convolutions run sideby-side, as opposed to being dependent on each
2020-11-02 21:47:55
186
原创 dilate convolution
获得更大的感受野，使得到的信息来的范围更加广。 具体图如下： a图为33的1-dilated conv,红色的为采样点；b图为33的2-dialted conv,红色的为采样点，其他的为0，可以看出其感受野达到了77;c图为33的3-dilated conv，红色的为采样点，其他的为0，可以看出其感受野达到了15*15。 获得更大的感受野也有很多其他的方法，比如卷积时stride大一点，但那样会降低图片的大小。 参考：https://blog.youkuaiyun.com/suixinsuiyuan33/article
2020-11-02 20:52:40
200
原创 LSTM的学习
记录下自己LSTM这几天卡住我的地方 1：LSTM的输入由上一个时间的细胞输出h(t-1)与这一个时间的输入xc组成，这两者通过组合成了时间t的输入。 2：当前时间步的输出为ht，该ht就是预测后的值，我的目标是产生一个单个的数值，所以通过linear线性变化，得到这个值，然后计算损失和反向传播梯度下降训练LSTM中的参数。对于分类问题softmax一样。 3：一些tensorflow中LSTM的参数理解，input_timesteps表示这一个环节拥有多少个lstm的小系统，比如我现在有32492的数据，
2020-10-27 20:29:49
301
1
原创 在Python文件中导入自己在别的py文件中定义的函数
将自己py文件所在的文件夹路径写入到一个txt文件中，将txt的后缀改为path，然后放入anaconda\lib\site-packages中，就可以在新的py中对其进行调用，如图所示。
2020-10-11 23:09:38
1551
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人