u013044310的博客

一、安装显卡驱动cuda和cudnn1、这里用的是cuda8.0，因为购买的服务器已经配置好的cuda环境，所以暂时先略过。2、安装cudnn。如果要使用gpu来对tensorflow进行加速，除了安装CUDA以外，cuDNN也是必须要安装的。跟cuda一样，去nvidia的官网下载cuDNN的安装包。这里注意：不要下cuDNN v5.1Developer Library for Ubuntu16...

最近在准备写论文用到的数据，为了凑几张图片，开始接触tensorboard。才发现tenboard真心强大。好后悔没有早接触这个东西。以前很多时候都是瞎调参数。把数据扔进去，然后一顿操作猛如虎。得到的结果时好时坏，只能听天由命。但Tensorboard提供了训练过程中的loss等参数的实时观察，就好比在这个炼丹炉上添加了温度计，压力表等多种现代化仪器，可以让你实时观察训练过程，早点发现训练异常。...

前言：这个知乎：faster rcnn中rpn的anchor，sliding windows，proposals之间的联系是什么？问题下的一个回答，这个回答首先解决了anchor是什么（what）的问题，对于初次接触到anchor这个概念的朋友来说，理解到这个深度已经够了。以后研究相关的论文之后，再来补充为什么这么设置anchor的问题（Why）。首先我们需要知道anchor的本质是什么，本...

一、指定对应的GPU（适用于tensorflow，keras）如果你土豪到有自己的专用服务器那就完全可以忽略这一节，但是大多数时候，我们需要和实验室或者公司的其他人共用一台服务器。一般深度学习程序需要跑一天甚至几天。为了避免你们程序之间的“相爱相杀”，最终谁都跑不成的悲惨结局，那么就需要在跑程序之前先封疆而治，指定自己的势力范围。首先，先要知道实验室（公司）的显卡有多少，再决定怎么分蛋糕。...

faster rcnn 源码解读Faster R-CNN论文及源码解读：讲解比较详细，同时有关于anchor这个概念的详细解读faster rcnn源码解析

史上最全的FaceNet源码使用方法和讲解（二）这是对：史上最全的FaceNet源码使用方法和讲解（附预训练模型下载）的一个补充。对模型进行测试：用到的函数：validate_on_lfw.py 在pycharm中配置的参数如下：数据集所在路径 模型所在路径 示例：【】2【】0【】1【】7【】0【】5【】】】1【】2【】-110547 1.png 2.png这...

人脸识别相关论文的优秀解读博客汇总为了便于以后查阅，将看到的人脸识别相关论文的解读博客做一个汇总。0、综述：如何走近深度学习人脸识别？你需要这篇超长综述 | 附开源代码关于度量学习的解释一、FaceNet论文地址：https://arxiv.org/abs/1503.03832参考博客： 1. 史上最全的FaceNet源码使用方法和讲解（附预训练模型下载...

Deep Face Recognition论文翻译作者： Omkar M. Parkhi ····································· Visual Geometry Group omkar@robots.ox.ac.uk Andrea Vedaldi ······································ Depa...

前言：基于python的图片处理包还是很多的，比如PIL,Pillow, opencv, scikit-image等。其中，PIL和Pillow只提供最基础的数字图像处理，功能有限；opencv本质上是一个c++库，只是提供了python的接口，官方更新速度非常慢，而且安装很不容易。综合来看，scikit-image是基于scipy的一款图像处理包，它功能非常齐全，同时将图片作为numpy数组...

前言：整体上翻译了squeezenet：AlexNet-level accuracy with 50X fewer paramenters and 0.5MB model size.这篇论文，便于英文基础不好的同行进行阅读，由于时间仓促，难免有很多错误，请在评论区指出错误并提出宝贵意见，我会及时修正。论文地址：aqueezenet论文SQUEEZENET: ALEXNET-级别精度...

前言：这是关于模型剪枝（Network Pruning）的一篇论文，论文题目是：Learning both weights and connections for efficient neural networks，作者在论文中提出了一种通过网络剪枝对模型进行压缩的思路，详细地描述了模型剪枝的思路，流程和方法。论文地址：Learning both weights and connecti...

前言：以前对SSD算法只有一个比较粗浅的理解，这周为了在组会上讲清楚SSD算法，自己又仔细看了好几遍论文，算是抠得比较细的一篇论文了，总结如下。一、背景当前基于深度学习的通用目标检测框架主要分为两大类，一类是基于候选区域选择的深度学习目标检测算法，该方法将检测分两步完成，其基本步骤是：第一步生成可能存在目标的区域，第二步将每个该区域都输入分类器中进行分类，去掉置信度较低的候选区域，并修置信...