- 博客(8)
- 收藏
- 关注
RSS订阅
原创 【模型压缩】XNOR-Net: ImageNet Classification Using Binary Convolutional Neural Networks论文理解+pytorch代码解析
ddd
2021-07-15 12:37:39
2551
3
原创 【环境】NVIDIA驱动安装+cuda11.0（ubuntu16.04）
目录一、N卡驱动的安装二、CUDA安装一、N卡驱动的安装1、去NVIDIA官网找到对应自己显卡驱动的文件example：GeForce GTX 1060 6G2、根据pytorch对应版本选择显卡驱动版本，一般为向下兼容，下载run文件，如NVIDIA-Linux-x86_64-460.67.run3、禁用自带的驱动打开配置文件：$ sudo gedit /etc/modprobe.d/blacklist-nouveau.conf 禁用nouveau，在...
2021-08-31 11:00:29
2579
原创 【机器学习】泛化误差上界
泛化能力：模型对未知数据的预测能力泛化误差：模型是f^\hat{f}f^，该模型对于未知数据预测的误差即为泛化误差：Rexp(f^)=EP[L(Y,f^(X))]=∫X×YL(y,f^(x))P(x,y)dx dy\begin{aligned}R_{\exp }(\hat{f}) &=E_{P}[L(Y, \hat{f}(X))] \\&=\int_{\mathcal{X} \times \mathcal{Y}} L(y, \hat{f}(x)) P(x, y) \m
2021-03-20 23:24:42
2275
原创 【深度学习3】Logistics回归的梯度下降法
回顾logistics回归的公式，如下所示：考虑单个样本的情况：假设一个样本只有两个特征x1，x2；那么对应的权重参数只有两个参数w1，w2；还有一个参数b这里怎么进行通俗易懂的理解：也就是一张图片，只由x1与x2两个数值表示，那么训练时用到的参数维度要与图片的维度相匹配，所以权重参数也为w1，w2转化成计算图的形式，如下所示：反向传播计算w1，w2以及b的梯度，如下所示：利用梯度下降法，迭代公式如下所示：...
2020-11-06 14:20:52
879
原创 【深度学习2】计算图的通俗理解
神经网络中计算利用的是正向或者反向传播来计算；首先通过前向转播计算出神经网络输出，紧接着反向传播计算出对应的梯度或者导数，这个过程运用到计算图。正向传播的过程是计算J（总体成本）反向传播的过程是计算对应参数的梯度，从而使用梯度下降训练神经网络这两个过程都是基于计算图进行的。什么是计算图？ 称为有向图，通俗来说就是有方向和节点的图，方向代表有箭头“→”，每个箭头对应一个变量，有箭头对应有节点接收箭头末端和传递数据，节点用于数学运算（+-*/......
2020-11-05 22:29:26
1040
原创 【深度学习1】Logistics回归在数学思维上感性理解
a.样本的表示（x，y）：其中：i：第i个样本（图片）m：样本的总数n：图片的总像素点b.Logistics实现的思想思想加工：给1个样本，可以得到结果y，y的范围在0~1之间，表示是否的概率程度其中权重w和拦阻器b是网络的参数为什么要在y输出外层加sigmoid函数？因为wx+b的结果总是不近人情的，会远大于1或为负数，通过sigmoid函数，可以说对结果进行了归一化的处理，能通过数值的大小判断，0~1之间的程度。...
2020-11-05 17:01:22
287
原创 建立端口别名
在运行多个usb的时候，要是没有给特定的usb命名和权限，就会产生错误。https://www.ncnynl.com/archives/201707/1869.html这个网站有比较详细的介绍，但是少了一点，就是在创建脚本之后要运行脚本。来到文件目录下面sudo chmod -R 777 *./arm.sh 出现下面的信息则说明基本不会有什么意外了.Restarting udev...
2018-11-04 18:01:28
893
原创 ubuntu16.04安装boost到指定目录下
一、安装boost1.到网站下载对应的boost的安装包https://sourceforge.net/projects/boost/files/boost/2.下载完成之后解压相应的安装包在相关目录下面打开终端：unzip boost_1_67_0.zip （这里我下载的是boost_1_67_0版本的，其他版本的也类似。）3.解压出来以后，进入解压出来的文件夹，执行下面的命...
2018-10-28 17:41:02
6070
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