张齐贤的博客

论文格式中要求作者加入orcid的链接在名字后边

预训练时候 Pytorch FrozenBatchNorm (BN)一些小心得

Python：【基础语法】 deque()用法

torch.div（） img.shape[-2:] pytorch之torch.zeros_like torch.where()的用法以及例子

init.normal_(self.proj_parse[0].weight, std=0.01) #给tensor初始化，一般是给网络中参数weight初始化，初始化参数值符合正态分布 init.normal_(self.proj_parse[1].weight, std=0.01) init.constant_(self.proj_parse[0].bias, 0) init.constant_(self.proj_parse[1].bias, 0)

datetime 函数

tmux 多屏多操作 实用技巧

注意一点：1.要新建一个空白的proj 2.把那个jar文件call到 中间灰色区域 看仔细一点 不是放在目录下！！最后就是 关闭 再打开 就好使了 如果自己没有试用30 DAY 这个选项 建议把第一个 脚本 使用一下！最后放效果图！ 所有的文件见链接：#########https://download.youkuaiyun.com/download/zqx951102/81161133...

torch.roll 函数的理解：看这个函数的大多应该是从swin transform来的吧，废话不多说：https://blog.youkuaiyun.com/weixin_42899627/article/details/116095067我觉得直接看这个博客就很好了，不过还是总结一下吧：torch.roll(input, shifts, dims=None)torch.roll(x, shifts=(2, 1), dims=(0, 1))tensor([[1, 2],[3, 4],[5, 6],

大家伙在学习深度学习的卷积网络里有一个填充的问题是难免遇到的 所以np给了pad（）这个函数来实现填充 但是多维度（大多数情况下是三维的）的pad函数却很难理解 博主就稍微写一点自己的理解 试图帮助大家理解 不喜勿喷 谢谢！对一维数组的填充： import numpy as nparr1D = np.array([1, 1, 2, 2, 3, 4])'''不同的填充方法'''print 'constant: ' + str(np.pad(arr1D, (2, 3), 'constant'))

keras.models.Sequential() ()适用于简单线性堆叠网络。流程：创建Sequential()对象，逐层堆叠网络import tensorflow as tffrom tensorflow.keras import layers, modelsmodel = models.Sequential()model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))model.ad

代码：import kerasimport keras.backend as Kimport numpy as npfrom keras.datasets import fashion_mnistfrom keras_drop_block import DropBlock2D(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()x_train = np.expand_dims(x_train.astype(K.fl

参考博客1：https://blog.youkuaiyun.com/qianbin3200896/article/details/88656524?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai

图像分类、目标检测、语义分割、实例分割和全景分割的区别：：：https://blog.youkuaiyun.com/kk123k/article/details/86584216?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2allfirst_rank_v2~rank_v25-2-86584216.nonecase&utm_term=%E8%AF%AD%E4%B9%89%E5%88%86%E5%89%B2%E7%AE%97%...

最近在作图时需要将输出的图片紧密排布，还要去掉坐标轴，同时设置输出图片大小。但是发现matplotlib使用plt.savefig()保存的图片周围有一圈空白。那么如何去掉该空白呢？首先，关闭坐标轴显示：plt.axis(‘off’)但是，这样只是关闭显示而已，透明的坐标轴仍然会占据左下角位置，导致输出的图片偏右。要想完全去掉坐标轴，需要改为以下代码：plt.axis(“off”)plt.title("", color = “orange”)plt.imshow(np.squeeze(y)

当你想使用自己的数据集训练一个语义分割神经网络时, 可能会遇到下面的问题：1：很多教程在开始时都是使用 mnist 这样的已经处理好的数据, 一个加载函数就实现了数据的加载. 但是要使用自己的数据集时, 很多新手就蒙了, 不知道如何操作2：训练的数据比较大, 一次性载入内存又不够3：训练的图像尺寸不一样对于以上的问题, 就跟大家一起捋一捋假设标签都是由 语义分割之 标签生成（https://blog.youkuaiyun.com/yx123919804/article/details/107285881） 中

https://blog.youkuaiyun.com/nima1994/article/details/84031759https://blog.youkuaiyun.com/nima1994/article/details/84062253本文主要参考这两篇博客，并实现了代码，原博主没有给出数据集，我当时数据集下载也是出错，我会把代码数据集和训练的model的代码全分享一下：data下的dataset里面有五个文件夹数据集，其中CamVid是源数据集，需要把源数据集文件建成文件夹，我都建好了，直接用就行。Models

高访问链接：https://blog.youkuaiyun.com/fate_fjh/article/details/53446630链接：https://blog.youkuaiyun.com/qq_41760767/article/details/97521397?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.edu_weight&depth_1-utm_source=distribute.pc_r

https://blog.youkuaiyun.com/weixin_43198141/article/details/90178512?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.edu_weight&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.edu_

论文百度一下 官网可以下载。题目：Iris Recognition With Off-the-Shelf CNN Features: A Deep Learning Perspective 虹膜识别与现成的CNN特征:深度学习的观点 文章发表在IEEE Access·2017年12月 **Abs

数据集在这：https://download.youkuaiyun.com/download/zqx951102/12675542#深度学习010-Keras微调提升性能（多分类问题） 参考：https://www.jianshu.com/p/12f831106c68#此处的Fine-tune就是要调整VGG16网络的较高层的卷积层的weights，使其更加适用于我们自己的项目。import numpy as npimport os,random,shutilnp.random.seed(7)# 为Kera

#深度学习009-用Keras迁移学习提升性能（多分类问题）来自：https://www.jianshu.com/p/d0723a267771#使用迁移学习包括两个步骤：第一步是用VGG16网络提取bottleneck features，然后保存这些特征，第二步建立自己的分类器，然后用用保存的特征来训练分类器，优化weights。下面是第一步的代码，只注意一个地方：要修改为：class_mode='categorical'#第二步： 定义自己的分类器，专门适用于本项目的多分类问题，要将最后的Dense层

数据集是猫狗分类的 网上很多资源""""#深度学习006-移花接木-用Keras迁移学习提升性能 https://www.jianshu.com/p/4e3d13a7f4bf#此处我们用VGG16的卷积层统一提取所有图片的特征，将这些特征保存，然后直接加载特征来训练，加载数字比加载图片要快的多，故而训练也快得多#可以看出，主要调整Conv block 5，前面的4个block不需调整。 https://www.jianshu.com/p/5c766be9a9d7import numpy a

详细看代码，外加代码里面有注释。import numpy as npfrom keras.preprocessing.image import ImageDataGenerator #数据增强要用到import os,random,shutilnp.random.seed(7)#本文参考来自：https://www.jianshu.com/p/6904aa059387 代码和介绍#数据集参考：https://blog.youkuaiyun.com/sinat_26917383/article/detai

https://blog.youkuaiyun.com/CAUC_learner/article/details/99655776https://blog.youkuaiyun.com/qq_38451119/article/details/83036495参考这两个，另外那个制作标签也是可以试试的 切到你做好txt的目录下 d: 直接到我放的d盘下 然后输入labelme dataset --labels labels.txt 打开后就能看见右边有label list 第二次打开软件：先anaconda

本博客参考：https://blog.youkuaiyun.com/bryant_meng/article/details/81333633当然我只是顺顺代码，实验确实跑不开。。。人家这泰坦的显卡还跑11小时，，我这1070ti的就算了 试了一下跑30代的结构，大概90左右把 也可以了，，所以想看结果和对比实验的参考上面博客。#https://blog.youkuaiyun.com/bryant_meng/article/details/81333633import osos.environ["CUDA_DEVICE_

https://blog.youkuaiyun.com/weixin_39953502/article/details/80966046?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.edu_weight&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.edu_

深度学习—从LeNet到DenseNet：https://www.cnblogs.com/eilearn/p/9044446.html讲的很全面很不错https://blog.youkuaiyun.com/weixin_43624538/article/details/85227041给出了DenseNet论文链接以及GitHub代码链接，这就是对论文的理解精华部分的总结。...

系列博客精华参考：深度学习：卷积神经网kaggle猫狗分类“：1234https://blog.youkuaiyun.com/qq_40195614/article/details/90450621https://blog.youkuaiyun.com/qq_40195614/article/details/90451369https://blog.youkuaiyun.com/qq_40195614/article/details/97107594https://blog.youkuaiyun.com/qq_40195614/article/

https://blog.youkuaiyun.com/wj1298250240/article/details/104126524比较贴近书中的代码https://blog.youkuaiyun.com/wangyuxi__/article/details/83788740https://blog.youkuaiyun.com/qq_26567507/article/details/89508463参考博客...

http://sofasofa.io/forum_main_post.php?postid=1001607np.concatenate((a,b),axis=1) #axis=1表示对应行的数组进行拼接https://www.cnblogs.com/shueixue/p/10953699.html

https://blog.youkuaiyun.com/einstellung/article/details/82695194介绍详细https://www.cnblogs.com/gezhuangzhuang/p/9823325.html符合书上的例子代码https://blog.youkuaiyun.com/yitian1585531/article/details/86558354https://www...

https://blog.youkuaiyun.com/qq_23869697/article/details/86505343首先这个链接讲了IMDB数据集的解释，Keras的imdb和MNIST数据集无法下载问题解决：http://www.pianshen.com/article/5176384047/百度云保存下载，然后把imdb数据集放在c盘系统文件.keras下，这样就可以pycharm直接...

电脑默认打开的是home文件 所以不行参考链接就可以了：https://jingyan.baidu.com/article/7f41ecec78b8cb593d095ca8.html命令如下：cd /d E:\python深度学习源码\deep-learning-with-python-notebooks-master这个是我的路径 然后在输入Juypter Notebook...

首先在https://blog.youkuaiyun.com/qq_34840129/article/details/86436162下载mnist数据集 放入e盘下首先，下载mnist数据集到本地，下载地址：https://s3.amazonaws.com/img-datasets/mnist.npz这个网站打不开了 所以不要在这下载 导入不了然后参考博客：https://blog.csd...

pycharm从2017.3版之后,将matplotlib的绘图的结果默认显示在SciView窗口中, 而不是弹出独立的窗口, 如图 如果不喜欢这种设置,可以通过如下方式修改,弹出独立窗口 File | Settings | Tools | Python Scientific | Show plots in toolwindow如图, 取消勾选 此时,在执行就会在独立的窗口中弹出Ma...

原标题：7本最佳深度学习书籍，总有一本适合你 编译 | 人工智能头条 参与| 刘畅 编辑| 阿司匹林 深度学习是如今最火热的技术之一，但是对于有心入门却不得其法的同学来说，选择适合自己的书籍至关重要。 本着乐于助人、无私奉献的精神，营长特意为大家精选了 7 本深度学习相关的书籍。这些书籍中，有些非常注重理论知识，主要关注神经网络和深度学习背后的数学...

https://blog.youkuaiyun.com/XiaoYi_Eric/article/details/79952325#commentseditPython之Sklearn使用教程,这个是重点，写的很好看这个！原博主文章应该来着视频课：https://morvanzhou.github.io/我也打算看看这个视频咋样！使用sklearn做各种回归:https://www.cnblogs....

注意事项：n.query([1.0, 0.5, -1.5])，中间括号是有【】代表输入的数据的不能少 第二个就是在pycharm中时候需要一个print函数才能输出结果！这个csdn博客给出的例子代码不是在pycharm上 运行的，所有print一定要写上！print（n.query([1.0, 0.5, -1.5])）最后要说的是，注意粘贴代码时候注意格式！python没有大括号什么的，但是...

神经网络本质上是一个计算流程，在前端接收输入信号后，经过一层层复杂的运算，在最末端输出结果。然后将计算结果和正确结果相比较，得到误差，再根据误差通过相应计算方法改进网络内部的相关参数，使得网络下次再接收到同样的数据时，最终计算输出得到的结果与正确结果之间的误差能越来越小。这里需要搞清楚一个重要概念，就是如何计算误差，我们列一个表，展示一个在最外层有三个节点的网络对误差的三种计算情况：上表列出...