深度学习

语义分割：基于openCV和深度学习（二） Semantic segmentation in images with OpenCV 开始吧-打开segment.py归档并插入以下代码： Semantic segmentation with OpenCV and deep learning # import the necessary packages imp…

语义分割：基于openCV和深度学习（一） Semantic segmentation with OpenCV and deep learning 介绍如何使用OpenCV、深度学习和ENet架构执行语义分段。阅读完今天的文章后，能够使用OpenCV对图像和视频应用语义分割。深度学习有助于提高计算机视觉的前所未有的准确性，包括图像分类、目标检测，现在甚至分割…

NVIDIA深度学习Tensor Core性能解析（上） 本篇将通过多项测试来考验Volta架构，利用各种深度学习框架来了解Tensor Core的性能。 很多时候，深度学习这样的新领域会让人难以理解。从框架到模型，再到API和库，AI硬件的许多部分都是高度定制化的，因而被行业接受的公开基准测试工具很少也就不足为奇。随着ImageNet和一些衍生模型（Ale…

1. tflearn.data_utils from tflearn.data_utils import to_categorical one_hot 编码； 第一个参数为属性列，第二个参数接受类别个数； 2. tflearn.layers.core from tflearn.layers.core import input_data, fully_conn…

Task05：卷积神经网络基础；leNet；卷积神经网络进阶 学习笔记见：https://www.cnblogs.com/guohaoblog/p/12325038.html   卷积神经网络基础 1、假如你用全连接层处理一张256×256的彩色（RGB）图像，输出包含1000个神经元，在使用偏置的情况下，参数数量是： A、65536001 B、655370…

Task03：过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶 task03笔记见：https://www.cnblogs.com/guohaoblog/p/12324894.html   过拟合、欠拟合及其解决方案 1、关于验证数据集的描述错误的是： A、测试数据集可以用来调整模型参数 B、验证数据集可以用来调整模型参数 C、在数据不够多的…

Task06. 批量归一化和残差网络，凸优化，梯度下降 课程笔记：https://www.cnblogs.com/guohaoblog/p/12356884.html   批量归一化和残差网络 1.nn. BatchNorm2d(6)的含义是 A全连接层的批量归一化, batchsize为6 B卷积层的批量归一化，batchsize为6 C全连接层的批量归一…

深度学习部署技术 Once-for-All: Train One Network and Specialize it for Efficient Deployment 论文地址：https://arxiv.org/abs/1908.09791 为了能最好地适应不同的硬件平台和效率约束（即部署方案），深度学习模型的有效部署需要专门的神经网络。传统方法有使用手动…

深度学习Anchor Boxes原理与实战技术 目标检测算法通常对输入图像中的大量区域进行采样，判断这些区域是否包含感兴趣的目标，并调整这些区域的边缘，以便更准确地预测目标的地面真实边界框。不同的模型可能使用不同的区域采样方法。在这里，我们介绍一种这样的方法：它生成多个大小和纵横比不同的边框，同时以每个像素为中心。这些边界框称为锚框。我们将在下面几节中练习基…

  accuracy=(1+3)/(1+2+3+4)，即在所有样本（例子）中做出正确预测的的比例，或者说正确预测的样本数占总预测样本数的比值。 precision=(1)/(1+2)，指的是正确预测的正样本数占所有预测为正样本的数量的比值，也就是说所有预测为正样本的样本中有多少是真正的正样本。从这我们可以看出，accuracy考虑全部样本，而precisio…