- 博客(21)
- 收藏
- 关注
RSS订阅转载 MXNet安装
github源码网址：https://github.com/apache/incubator-mxnet安装网址： https://mxnet.incubator.apache.org/install/index.html测试v0.10.0-support，安装成功
2018-03-19 15:32:20
795
原创 DSSD: Deconvolutional Single Shot Detector 论文笔记
在SSD的基础上添加了反卷积层，能够更好的检测small objects。
2017-10-30 16:10:32
695
原创 Fast single shot detection and pose estimation 论文笔记
建立了一个卷积网络以提供检测和视角（pose）估计
2017-10-30 10:30:08
1266
原创 Caffe 转SNPE dlc格式之Flatten、Reshape、Permute层的使用
flatten、reshape和permute在snpe中的实现
2017-09-30 16:01:35
7003
原创 花书学习笔记(2) 病态、梯度优化、约束优化
病态条件条件数：是指函数相对于输入的微小变化而变化的快慢程度。而微小的输入变化导致剧烈的输出变化时，方程存在病态。描述f(x)=A−1xf(x)=A^{-1}x的条件数定义为： maxi,j∣∣∣λ1λ2∣∣∣max_{i,j}\left|\frac{\lambda_1}{\lambda_2}\right| 即最大与最小特征值之比。当该数很大时，输出对输入误差敏感。梯度下降对
2017-08-11 11:06:13
1057
原创 花书学习笔记(1) 范数、特征分解、奇异值分解、伪逆、自信息
范数LpL^p 范数定义为： ||x||p=(∑i|xi|p)1p||x||_p=\left(\sum_i|x_i|^p\right)^{\frac{1}{p}}不同范数之间的特点 L2L^2 范数：在机器学习目标函数中经常出现，平方L2L^2范数常为优化问题中的正则项。缺点是在零点附近增长缓慢。 L1L^1 范数：区分零与非零元素 L0L^0 范数：非零元素的个数。在实际问题中
2017-08-10 15:15:27
1043
原创 吴恩达机器学习笔记(3)非线性问题
非线性问题-多项式假设一个线性不可分问题，我们可能设计分类界面如下： g(θ)=θ0+θ1x1+θ2x2+θ3x1x2+θ4x21x2+...g(\theta)=\theta_0+\theta_1x_1+\theta_2x_2+\theta_3x_1x_2+\theta_4x_1^2x_2+... 对于一个n维特征问题，只考虑两个参数相乘的情况，则相加的项的数目为O(n2)O(n^2)。
2017-08-09 16:47:54
306
转载 caffe(12) CNN各层的理解
下面以一个表格显示： 层 主要功能 主要类型 其他 卷积层 提取特征 CONVOLUTION 池化层 特征池化 POOLING 局部响应归一化层 临近抑制 LRN 损失计算层 loss计算 SOFTMAX_LOSS 选择合适的loss范数 EUCLIDEAN_LOSS HINGE
2017-08-09 11:47:03
740
1
原创 吴恩达机器学习笔记(1) Ocatave的使用
正态方程不可逆的情况：1. 线性相关的特征2. 特征数目大于样本数目Octave常用命令与MATLAB和LINUX的使用类似，一个有用的命令：who %显示当前有哪些数据 whosA(:)%将矩阵A拉直为一个向量A.*B %元素相乘A*B %矩阵想乘A.^2 %元素1./A %元素log(A) %元素exp(A) %元素[val, idx] =
2017-08-04 14:20:21
1015
转载 caffe (11) 其他功能
(1) paint the networkpython/draw_net.py, 这个文件，就是用来绘制网络模型的。也就是将网络模型由prototxt变成一张图片。在绘制之前，需要先安装两个库１、安装ＧraphViz# sudo apt-get install GraphViz注意，这里用的是apt-get来安装，而不是pip.2 、安装pydot# s
2017-07-28 11:29:24
276
原创 caffe (10) 使用python测试多张图片统计分类结果
test.py is showed as follows.#coding=utf-8 import osimport numpy as npimport caffe import matplotlib.pyplot as plt root='/home/xxx/caffe/'deploy=root + 'examples/myfile2/cifar10_qui
2017-07-28 11:21:29
495
原创 caffe （8）caffe可视化—安装jupiter测试模型
./build/tools/caffe test -model examples/myfile2/cifar10_quick_train_test.prototxt -weights examples/myfile2/cifar10_quick_iter_300.caffemodel -iterations 5可以使用以上命令测试得到的CNN模型，然后在实际使用中，我们希望能够输入一张图片得到相应
2017-07-19 15:48:41
687
原创 caffe（7） 训练自己的CNN网络—基于自己建立的数据集
首先参照博客http://www.cnblogs.com/denny402/p/5083300.html ，使用博主的数据训练，前面都很顺利，到最后运行时报内存错误，可能的解决方案为：减小batch_size或者增大内存。接下来使用自己的数据训练caffe网络，步骤一一记录下来。
2017-07-18 15:00:11
2530
转载 caffe（6） 训练自己的CNN网络—图像数据转换成lmdb文件
在caffe中，最常用的数据是data类型，data类型要求输入数据是lmdb或者leveldb。而我们的原始数据通常为各种格式的图片，使用caffe生成高效数据输入就要涉及到数据转换了。caffe提供了数据转换需要的工具，convert_imageset.cpp，我们直接使用编译生成的可执行文件进行数据的转换。使用格式如下：convert_imageset [FLAGS] ROOTFOLDE
2017-07-18 11:28:51
1044
转载 caffe （5） 命令行解析
caffe提供三种接口：c++（命令行）， python， matlab。如何使用常用的命令呢？caffe的c++主程序caffe.cpp放在～/caffe/tools/文件夹内，在编译caffe时生成了可执行文件在～/caffe/build/tools/中，当然还有一些其它的功能文件，如：convert_imageset.cpp, train_net.cpp, test_net.cpp等也放
2017-07-18 10:55:13
362
转载 caffe（3） solver.prototxt的理解
solver文件协调整个模型的运作。solver算是caffe的核心的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为# caffe train --solver=*_slover.prototxt在Deep Learning中，往往loss function是非凸的，没有解析解，我们需要通过优化方法来求解。solver
2017-07-17 16:21:46
460
翻译 caffe（2）配置文件.prototxt的理解
首先建立一个net，net有多层构成，层有不同的类型。网络结构定义在.prototxt文件中。下面详细介绍：1. 数据层即输入层。在caffe中数据以blob的格式进行存储和传输，在这一层中是实现数据其他格式与blob之间的转换，例如从高效的数据库lmdb或者level-db转换为blob，也可以从低效的数据格式如hdf5或者图片。另外数据的预处理也在本层实现，如减去均值, 放大缩小, 裁剪和
2017-07-17 13:48:31
18800
转载 caffe （1） ubuntu16.04 caffe cpu 安装
http://www.linuxidc.com/Linux/2016-09/135034.htm第一部分: 安装dependenciessudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt
2017-07-11 14:46:04
454
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