PyTorch-网络的创建，预训练模型的加载modules(),named_modules(),children(),named_children() 访问模型的各个子模块详细，还有其他

深度学习常见优化算法总结之前了解深度学习时接触了优化算法，但是一直是有一个印象，这次有时间就一起整理学习下深度学习的优化算法，开始学习~????在一个深度学习问题中，我们通常会预先定义一个损失函数。有了损失函数以后，我们就可以使用优化算法试图将其最小化。在深度学习中，包括传统的 SGD，Momentum SGD，AdaGrad，RMSProp 和 Adam 等。不过光看图可能无法理解其中的精妙之处

CNN 模型所需的计算力（flops）和参数（parameters）数量是怎么计算的？第一个回答十分详细

PyTorch中模型的parameters()方法浅析详细详细

pytorch之日志模板logging用Python写代码的时候，在想看的地方写个print xx 就能在控制台上显示打印信息，这样子就能知道它是什么了，但是本人的项目代码我需要看大量的地方或者在一个文件中查看的时候，这时候print就不大方便了，所以Python引入了logging模块来记录我想要的信息。开始简单的了解logging模块吧~1. logging的优势python的ogging模块

3D-2D估计输入:3d空间点 2d像素点，输出:相机的位姿此时相机位姿估计已知一张图片含有3D信息，另一个只有2D信息，此问题采取特征点法估计若干图像中的相机运动。思路为先从图像中提取若干特征，然后在3D-2D图像间进行特征匹配，这样就得到许多匹配好的点，再根据这些点进行相机位姿的求解，即求解相机相对于世界坐标系的姿态改变量R,t。其旋转矩阵设为R，平移向量设为t。3D-2D估计本质是pespe

至此，encode就完成了，一开始我们的网络没有经过训练，框都是乱跑的，经过编码之后约束到一个区间。这个时候，我们网络的输出pred_bboxes经过encode之后得到的框(记作res)几乎就是target框，还记得之前的Anchor中心点所在网格的左上角坐标a=(6,2)吗，加到res上不就是人工标注嘛！20的feature map为例**，stride=32，对应9组anchor中的第一组：

至此，encode就完成了，一开始我们的网络没有经过训练，框都是乱跑的，经过编码之后约束到一个区间。这个时候，我们网络的输出pred_bboxes经过encode之后得到的框(记作res)几乎就是target框，还记得之前的Anchor中心点所在网格的左上角坐标a=(6,2)吗，加到res上不就是人工标注嘛！20的feature map为例**，stride=32，对应9组anchor中的第一组：

二分类、多分类与多标签问题及对应损失函数的选择之前只是了解了一些图像分类的知识，知道它大概的意思，因为笔者的研究最终也可以叫做分类，所以今天有时间来一起整理下图像分类以及对应的损失函数。开始学习~????1 . 概念（1）二分类:表示分类任务有两个类别，比如我们想识别图片中是不是狗，也就是说，训练一个分类器，输入一幅图片，用特征向量x表示，输出是不是狗，用y=0或1表示。二类分类是假设每个样本都被

pytorch模型的保存和加载、checkpoint其实之前笔者写代码的时候用到模型的保存和加载，需要用的时候就去度娘搜一下大致代码，现在有时间就来整理下整个pytorch模型的保存和加载，开始学习把~pytorch的模型和参数是分开的，可以分别保存或加载模型和参数。所以pytorch的保存和加载对应存在两种方式：1. 直接保存加载模型（1）保存和加载整个模型# 保存模型torch.save(mo