深度学习

  关于用yolo训练自己VOC格式数据的博文真的不少，但是当我按照他们的方法一步一步走下去的时候发现出了其他作者没有提及的问题。这里就我自己的经验讲讲如何训练自己的数据集。 2.数据集   这里建议大家用VOC和ILSVRC比赛的数据集，因为xml文件都是现成的，省去很多功夫。当然除非你是个执着的孩子就想凭借着非人的毅力和追逐斗鸡眼这种个性特征而自己去标记…

caffe是好用，可是配置其环境实在是太痛苦了，依赖的库很多不说，在VS上编译还各种报错，你能想象那种被一百多个红色提示所笼罩的恐惧。 且网上很多教程是VS2013环境下编译的，问人很多也说让我把15卸载了装13，我的答案是：偏不 记下这个艰难的过程，万一还要再来一次呢…… Attention： 本文使用的caffe windows环境配置为： VS2015…

基于能量的模型(EBM) 基于能量的模型将每一个我们感兴趣的变量构造联系到一个标量能量上. 学习就是修改能量方程从而使得它的外形有我们需要的特点. 举例来说, 希望的是: 期望构造的能量低. 基于能量的概率性模型定义了一个概率分布, 它是由能量方程决定的: 　　　　　　(1) 归一化因子Z被称为配分函数, 类比于物理系统. 基于能量的模型可以通过SGD(随机…

http://blog.csdn.net/xlbryant/article/details/48470987 1.数据库太小一般不会带来不收敛的问题，只要你一直在train总会收敛（rp问题跑飞了不算）。反而不收敛一般是由于样本的信息量太大导致网络不足以fit住整个样本空间。样本少只可能带来过拟合的问题，你看下你的training set上的loss收敛了吗…

这是一篇被ICLR 2019 接收的论文。论文讨论了如何利用场景先验知识 (scene priors)来定位一个新场景(novel scene)中未曾见过的物体(unseen objects)。举例来说，在「厨房」这一场景中，有一张图片显示「苹果」在冰箱的储物架上，同为水果的物体，如「橙子」，会出现在场景的哪个位置呢？论文提出了用基于强化学习的方法来定位「橙…

(1)从程序设计的角度看,对象只是变量,因此: ①在栈上创建对象时,成员变量初始化为随机值 ②在堆上创建对象时,成员变量初始化为随机值 ③在静态存储区创建对象时,成员变量初始化为 0 值 成员变量的初始化 #include <stdio.h> class Test { private:    int i;    int j; public:   …

验证集loss上升，准确率却上升 验证集loss上升，acc也上升这种现象很常见，原因是过拟合或者训练验证数据分布不一致导致，即在训练后期，预测的结果趋向于极端，使少数预测错的样本主导了loss，但同时少数样本不影响整体的验证acc情况。ICML2020发表了一篇文章：《kid丶：【论文】一行代码发一篇ICML？。   validation loss 和 a…

    ReLeQ：一种自动强化学习的神经网络深度量化方法ReLeQ: An Automatic Reinforcement Learning Approach for Deep Quantization of Neural Networks 量化作为压缩的一种重要手段被广泛应用，而位宽和准确率的矛盾也始终存在。目前解决的方法有如CLIP-Q中的贝叶斯优化器…

版本查询 cpu tensorflow conda env list source activate tensorflow python import tensorflow as tf 和 tf.__version__ 1.11.0 keras conda env list source activate keras import keras 2.2.2 p…

日益感觉到自己对深度学习的理解比较肤浅，这段且当做是以前的认识。 上上周去围观了泡泡机器人和AR酱联合举办的论坛。在圆桌阶段，章国峰老师提了一个问题：SLAM会被深度学习方法取代吗？这是一个很有趣的话题。参会的各位大咖基本认为SLAM的某些模块有可能会被深度学习的方法取代，但SLAM本身不会被取代。视＋的CEO则认为SLAM整体上会被深度学习取代。 我的观点…