tumi678的博客

nvidia-smips -ef | grep python 可以看谁在用卡

1.矩阵操作1.1矩阵生成这部分主要将如何生成矩阵，包括全０矩阵，全１矩阵，随机数矩阵，常数矩阵等tf.ones | tf.zerostf.ones(shape,type=tf.float32,name=None) tf.zeros([2, 3], int32) 用法类似，都是产生尺寸为shape的张量(tensor)sess = tf.InteractiveSession()x = tf.on...

1.首先安装Ubuntu14.04，这是Ubuntu系列最稳定的版本。安装驱动，有条件使用GPU的，采用GPU加速。2.安装GPU驱动过程：ctrl+Alt+F1输入账号密码sudo stop lightdmsudo susudo apt-get --purge remove nvidia-*./NVIDIA（tab一下）......--no-opengl-files

0.文件夹名首先，确定你的数据集所放的文件夹名字，例如我的叫logos。（或者和voc2007一样的名字：VOC2007）1.图片命名虽然说图片名对训练没什么影响，但建议还是按VOC2007那样，如“000005.jpg”这种形式。至于图片格式，代码里是写的jpg。批量修改图片名字为VOC2007格式可以参考以下Matlab代码：[plain] 

看代码之前先简述一下SSD的做法：图片被送进网络之后先生成一系列feature map，传统一点的框架会在feature map（或者原图）上进行region proposal提取出可能有物体的部分然后进行分类，这一步可能非常费时，所以SSD就放弃了region proposal，而选择直接生成一系列defaul box（或者叫prior box），然后将这些default box回归

1. 迁移学习2. 预训练模型3. 使用预训练模型4. 运用预训练模型 ? 提取特征(extractfeatures) ? 优化模型(finetune the model)5. 优化模型的方式6. 在数字识别中使用预训练模型 ? 只针对输出密集层(outputdense layer)的重新训练 ? 冻结初始几层网络的权重因子1什么是迁移学习？我们知道，神