logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

数据结构与算法_深度优先搜索(DFS)与广度优先搜索(BFS)详解

1.DFS(深度优先搜索)搜索思想在图问题中能以最直观的方式展现。深度优先搜索的步骤分为:递归下去。回溯上来。顾名思义,深度优先,则是以深度为准则,先一条路走到底,直到达到目标。这里称之为递归下去。否则既没有达到目标又无路可走了,那么则退回到上一步的状态,走其他路。这便是回溯上来。下面结合具体例子来理解。如图所示,在一个迷宫中,黑色块代表玩家所在位置,红色块代表终点,问是否有一条到终点的路径我们用

#算法#深度学习#机器学习
深度学习框架_PyTorch_torchvision.transforms.functional.pad()函数

torchvision.transforms.functional.pad(img, padding, fill=0, padding_mode='constant')这个函数用于用指定的填充模式和填充值填充PIL图像。参数:img(PIL图像)-- 要填充的图像。padding(int或tuple)-- 各边的填充值。如果指定为int,表示所有边都按照这个值进行填充。如果指定为长为2...

#python#pytorch#深度学习 +1
工程实践_深度学习训练模型时Loss出现NAN的原因及解决办法

原因1:梯度爆炸产生原因:学习率过大。解决方法:3. 数据归一化(减均值,除方差,或者加入normalization:BN,L2 norm等)。4. 更换参数初始化方法(对于CNN,一般用xavier或者msra的初始化方法)。5. 减小学习率,减小Batch size。6. 加入梯度截断(gradient clipping)。原因2:网络结构设计问题解决方法:加如BN层进行归一化。修改网络结构(

#深度学习#神经网络#机器学习
深度学习_目标检测_IOU(交并比)Python实现

在图像里,目标检测是其中一个领域,最著名的是以矩形框作为目标检测区域,在图像中表达一个矩形框需要有坐标(top,left,bottom,right),即左上角坐标,右下角坐标。从而可以在给定的两个矩形中计算IOU值(交并比),小数点可以四舍五入保留4位。例如输入:(661,27,679,47)(662,27,682,47)接下来我们用Python来进行编程:def compute_iou...

#计算机视觉#深度学习#机器学习 +1
深度学习框架_PyTorch_模型预训练_PyTorch使用预训练模型全流程(实例:CIFAR图像分类)

首先,这篇文章是接着下面这篇文章进行补充的,大家可以先看这篇文章如何手动设计一个分类网络:深度学习框架_PyTorch_使用PyTorch编写卷积神经网络全流程(实例:CIFAR10图像分类)一.预训练模型简介卷积神经网络在图像识别,图像分割等领域取得了非常大的成功,出现了很多非常好的网络模型,比如ResNet、GoogLeNet等图像分类模型、Faster R-CNN、YOLO等目标检测模...

#深度学习#迁移学习#机器学习
深度学习_目标检测_Soft-MNS详解

Soft-NMS论文链接Soft-NMS介绍针对原始NMS过于hard的问题,论文中提出了Soft-NMS进行解决。那原始的NMS有什么问题呢?我们先看下面的图:在上图中,检测算法本来应该输出两个框,但是原始的NMS算法可能会把score较低的绿框过滤掉(如果绿框和红框的IOU大于设定的阈值就会被过滤掉),导致只检测出一个object(一个马),显然这样object的recall就比较低了。而So

#深度学习#机器学习#计算机视觉 +1
深度学习_GAN_CycleGAN

非匹配数据的图像转换Pix2Pix可以很好地处理匹配数据集的图像转换,但是在很多情况下匹配数据集是没有的或者说非常难收集到。在实际生活中,我们却可以很容易的拿到两个领域的大量非匹配数据。下图展示了匹配数据和非匹配数据的区别:CycleGAN就是解决非匹配数据集的图像转换的一种非常好用的网络。对于照片风格的转换,传统CNN网络是通过将某个画作中的风格叠加到原始图片上,如下图所示:上面的方...

#深度学习#机器学习#神经网络
深度学习_模型压缩及移动端部署_TensorRT添加自定义层

如果我们在使用TensorRT时有一些操作并不支持,我们可以自行编写将其作为TensorRT的插件层,从而使得这些不能支持的操作能在TensorRT中使用。我们以上采样层为例,进行编写:首先我们要先定义一个继承自TensorRT插件基类的Upsample类:class Upsample : public IPluginExt然后我们要实现该类的一些必要方法,首先是2个构造函数,一个是传参数构建,另

#机器学习#深度学习#神经网络
深度学习_图像分割_PANet论文详解

PANet论链接PANet介绍这篇文章提出的Path Aggregation Network (PANet)整体上可以看做是在Mask RCNN上做多处改进,充分利用了特征融合:引入bottom-up path augmentation结构,充分利用网络浅特征进行分割。引入adaptive feature pooling使得提取到的ROI特征更加丰富。引入fully-connected fusio

#机器学习#计算机视觉#深度学习
深度学习_GAN_使用PyTorch对DCGAN进行搭建实例

GAN基础概念对抗生成网络(GAN)是一个教深度模型获取训练数据分布的一种框架,因此我们能够使用类似的分布来生成新的数据。首先我们进行一些符号定义。xxx表示图像数据。D(x)D(x)D(x)表示判别网络,它的输出表示数据xxx来自于训练数据而不是生成器的概率。这里输入D(x)D(x)D(x)是CHW大小为3×64×643\times64\times643×64×64的图像。直观地说,当xxx..

#深度学习#机器学习#pytorch +1
    共 147 条
  • 1
  • 2
  • 3
  • 15
  • 请选择