caffe 预训练或者Fine-Tuning 操作

Borrowing Weights from a Pretrained Network To borrow the weights of an already trained model, we need to do two things: Rename our layer to match the name of the original model’s …

Caffe 2023年4月8日
000
强大而精致的机器学习调参方法：贝叶斯优化强大而精致的机器学习调参方法：贝叶斯优化

一、简介贝叶斯优化用于机器学习调参由J. Snoek(2012)提出，主要思想是，给定优化的目标函数(广义的函数，只需指定输入和输出即可，无需知道内部结构以及数学性质)，通过不断地添加样本点来更新目标函数的后验分布(高斯过程,直到后验分布基本贴合于真实分布。简单的说，就是考虑了上一次参数的信息**，从而更好的调整当前的参数。他与常规的网格搜索或者随机…

机器学习 2023年4月15日
000
目标检测

图像目标检测识别，计算物体个数，针对电子元器件计算

背景：电子厂的电子元器件生产流水线，特别是插件散装的器件，可以用电子称称量计算出个数，但误差还是不能接受，尝试图像识别方案，目测能解决这个问题！其实拍出来的照片更多的是元器件相互接触，要准确计算元器件个数还是有些难度，通过图像形态学开闭操作，腐蚀等手段尝试以后效果不是很好。最终发现一种简单明了，但是有微小误差的计数，算法思路如下：主要是利用连通区域发现算…

2023年4月8日
000
Caffe

【泡咖啡1】linux下caffe编译以及python环境配置手记

caffe是一个深度学习的库，相信搞深度学习的话，不是用这个库就是用theano吧。要想使用caffe首先第一步就是要配置好caffe的环境。在这里，我主要说的是在debian的linux环境下如何配置好caffe的库。因为python编写程序比较方便，在文章最后，我还会具体说明如何配置python环境。本文章为本人原创，部分内容整理自网络，若有不妥之处请联…

2023年4月6日
000
【机器学习】异常检测算法(I)

在给定的数据集，我们假设数据是正常的，现在需要知道新给的数据Xtest中不属于该组数据的几率p（X）。异常检测主要用来识别欺骗，例如通过之前的数据来识别新一次的数据是否存在异常，比如根据一个用户以前的使用习惯（数据）来判断这次使用的用户是不是以前的用户。或者根据之前CPU正常运行时候的的用量数据来判断当前状态下的CPU是否正常工作。这里我们通过密度估计…

机器学习 2023年4月10日
000
利用docker在window7下安装TensorFlow

安装过程下碰了不少坑，记录一下安装过程，方便以后有需要时复用。 1、安装docker 下载最新版本的docker并且默认安装即可，安装后打开Docker Quickstart Terminal，初次进去需要一段时间。下载网址：https://www.docker.com/products/docker-toolbox 2、拉取本地镜像 docker…

tensorflow 2023年4月8日
000
caffe+opencv3.3.1

跟着时代走换成opencv3.3.1，目前来看所有的都是最新版了。 anaconda最新，opencv最新，我看了protobuf也很新。下次再买台服务器时，我想直接用python来弄，因为这次安装opencv3时，有些anaconda的包太旧了，会有冲突。只好卸载，但是卸载掉又会关联到别的包也要同时卸载，但是别的包又要用，于是只要再另外装，所以下次服务…

Caffe 2023年4月6日
000
Caffe

如何用Caffe训练自己的网络-探索与试验

现在一直都是用Caffe在跑别人写好的网络，如何运行自定义的网络和图片，是接下来要学习的一点。参考 [1] ：http://www.cnblogs.com/denny402/p/5083300.html，下面几乎是全文转载，有部分对自己踩过的坑的补充，向原作者致敬！一、准备数据我去网上找了一些其它的图片来代替，共有500张图片，分为大巴车、恐龙、大…

2023年4月8日
000

合作推广

返回顶部

python keras YOLOv3实现目标检测

1、连接

相关文章