要点一每篇论文都不会说自己的缺点，只会放大优点。但是引用别人的论文时，却总放大别人工作的缺点。当你对比阅读时，形成一个知识串，才会对某个问题有更清晰的认识。要点二论文为了出成果，一般只会选择对自己模型有力的数据集验证。对某一领域数据集的特征了解，便再也不会被作者蒙蔽双眼了。比如NAS(Neural Architecture Search)，很多论文喜欢在CIFAR-10/ CIFAR-100...

显卡是由GPU和显存等组成，图中参数的含义：GPU:GPU编号Name:GPU的名称Persistence-M:持续模式，默认为关闭，比较节能，如果设置成on,耗能比较大，但新的GPU应用启动时，花费的时间更短Fan:风扇转数，在0~100%之间变化Temp:GPU的温度，单位为摄氏度Perf:性能状态，从P0到P12,P0表示最大性能，P12表示最小性能Pwr：U...

【目标检测】NMS、Soft-NMS、fast-NMSNMSSoft-NMSfast-NMSNMSNMS是目标检测中常用的算法，最终网络的输出可能包括了很多预测框，其中一个目标周围会有许多候选框，如下图所示，而该算法目的是找出最佳的目标位置。主要有两种实现方式，一种是将一张图片中的所有的预测框聚在一起进行NMS，一种是将一张图片中所有预测框按所预测的类别分别进行NMS（也就是以类别为外循环...

作用：对tensor在某一dim维度下，根据指定的大小split_size=int，或者list(int)来分割数据，返回tuple元组。torch.split(tensor, split_size_or_sections, dim=0)注意两个细节：1、当split_size为一个int数时，若不能整除int，剩余的数据直接作为一块。2、当split_size为一个列表时，所有数字的和等于要分割

问题：当数组/矩阵过大则只会显示其中一部分，中间会自动用省略号代替：import numpy as npmatrix = np.zeros((100,100), dtype = np.int)print(matrix)解决：通过set_printoptions()设定显示全部import numpy as npnp.set_printoptions(threshold=np.inf)matrix

expand的含义：为1的维度可以变大维度或者维度数增多tensor_1.expand(size)：把tensor_1扩展成size的形状tensor_1.expand_as(tensor_2) ：把tensor_1扩展成和tensor_2一样的形状import torch#1x = torch.randn(2, 1, 1)#为1可以扩展为3和4x = x.expand(2, 3, 4)print

I recommend Anaconda as Python package management system. Please refer to pytorch.org for the detail of PyTorch (torch) installation. The following is the corresponding torchvision versions and suppor

知乎问答：计算机视觉应该怎样入门？目录第一阶段 技术基石图像处理基础图像处理进阶第二阶段 深度学习神经网络初步与调参技巧深度卷积神经网络原理与实践图像搜索技术大规模车辆图片搜索/重识别第三阶段 重点攻坚目标检测及其在无人驾驶领域的作用深度学习在图像语义分割中的应用第四阶段 技术前沿RNN及其应用AlphaGo （强化学习）和GAN背后的原理原图链接第一阶段 技术基石图像处理基础图像处理进阶第二阶段

顶级会议CVPR: International Conference on Computer Vision and Pattern RecognitionICCV: International Conference on Computer VisionECCV: European Conference on Computer VisionNIPS: Annual Conference on...

目录概述自注意力（self-attention）NLPCV软注意力（soft-attention）通道注意力Non-Local位置注意力（position-wise attention）混合域模型(融合空间域和通道域注意力)概述计算机视觉（computer vision）中的注意力机制（attention）的基本思想就是想让模型学会注意力——能够忽略无关噪声信息而关注重点信息。自注意力（self-