1、创建容器：nvidia-docker rn -it --name gago_gaobin_tf -p 3333:22 -p 3334:6006 -p 3335:8888 -v /usr/data4/docker:/notebooks tensorflow/tensorflow:latest-gpu-dev /bin/bash2、安装ssh-server：apt-get update

最近在搞faster-rcnn的改动，网上看到很多人在做的一些改进，其中就包括冻结Bn等等方式，于是自己也就查了一下tensorflow里面冻结层的方法，现在总结如下：1、比如使用一个VGG的前面提取特征的部分，而微调其全连层，或者将其全连层更换为使用convolution来完成，可以使用TensorFlow的stop_gradient函数，将模型的一部分进行冻结。2、采用get_collecti

参考了一些网上的SSD的实现，现在对其进行tensorflow的实现讲解，我将一行一行的讲解实现过程。附一个我写的SSD算法的详解链接。一、Backbone函数（基于VGG16）# 基于vgg16函数的backbone#b1net = self.conv2d(x,filter=64,k_size=[3,3],scope=...

在运行的时候出现了如下的错误，查看源码后发现问题的所在。是因为定义的is_training=True不是tf.bool类型。

一种编码器-解码器结构。编码器逐渐减少池化层的空间维度，解码器逐步修复物体的细节和空间维度。编码器和解码器之间通常存在快捷连接，因此能帮助解码器更好地修复目标的细节。U-Net 是这种方法中最常用的结构。蓝色代表卷积和激活函数, 灰色代表复制, 红色代表下采样, 绿色代表上采样然后在卷积, conv 1X1代表核为1X1的卷积操作, 可以看出这个网络没有全连接,只有卷积和下采样. 这也是一个端