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

pycuda 之 安装与简单使用

 pycuda安装:    (1)查看CUDA版本:cat /usr/local/cuda/version.txt   (目前实验CUDA版本为:CUDA Version 9.0.176)    (2)查看cudnn版本:cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2   (目前实验cudnn版本:7.0)  ...

smoothL1 loss的tensorflow实现

def smooth_l1_loss(bbox_pred, bbox_targets, bbox_inside_weights, bbox_outside_weights, sigma=1.0, dim=[1]):'''bbox_pred:预测框bbox_targets:标签框bbox_inside_weights:bbox_outside_...

matlab使用TCP/IP Server Sockets

server 与 client 通信:(image)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% serverclose all;clear all;clc;data =imread('img.jpg');data=im2double(data);s = whos('data'

#matlab
pycuda 之 安装与简单使用

 pycuda安装:    (1)查看CUDA版本:cat /usr/local/cuda/version.txt   (目前实验CUDA版本为:CUDA Version 9.0.176)    (2)查看cudnn版本:cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2   (目前实验cudnn版本:7.0)  ...

[pytorch] 图像识别之mixup/cutout/Margin loss....简单实现

本人kaggle分享链接:https://www.kaggle.com/c/bengaliai-cv19/discussion/128592Mixupfrom torchtoolbox.tools import mixup_data, mixup_criterionalpha = 0.2for i, (data, labels) in enumerate(train_data...

matlab实现图像预处理的很多方法

RGB = imread('sy.jpg');                     % 读入图像imshow(RGB),                                  % 显示原始图像GRAY = rgb2gray(RGB);                          % 图像灰度转换imshow(GRAY),              

TensorFlow 聊天机器人

上一次提到了不错的学习聊天机器人的资源,不知道小伙伴们有没有去学习呢。自己动手做聊天机器人教程我最近每天都会学一点,拿出解读来和大家分享一下。本文结构:聊天机器人的架构简图用 TensorFlow 实现 Chatbot 的模型如何准备 chatbot 的训练数据Chatbot 源码解读1. 聊天机器人的架构简图

机器学习之Softmax回归

 机器学习之Softmax回归-Softmax回归模型是logistic回归模型在多分类问题上的推广,在多分类问题中,类标签 y 可以取两个以上的值。-Softmax回归模型对于诸如MNIST手写数字分类等问题是很有用的,该问题的目的是辨识10个不同的单个数字。-Softmax回归是有监督的在 logistic 回归中,我们的训练集由个已

#机器学习
8种常见机器学习算法比较

你要的答案或许都在这里:小鹏的博客目录MachineLP的Github(欢迎follow):https://github.com/MachineLP简介机器学习算法太多了,分类、回归、聚类、推荐、图像识别领域等等,要想找到一个合适算法真的不容易,所以在实际应用中,我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法,诸如SVM,GBDT,Adaboost,现在...

#逻辑回归#线性回归#决策树
神经网络训练中的Tricks之高效BP(反向传播算法)

Tricks!这是一个让人听了充满神秘和好奇的词。对于我们这些所谓的尝试应用机器学习技术解决某些问题的人,更是如此。曾记得,我们绞尽脑汁,搓手顿足,大喊“为什么我跑的模型不work?”,“为什么我实现的效果那么差?”,“为什么我复现的结果没有他论文里面说的那么好?”。有人会和你说“你不懂调参!里面有很多Tricks的!”,“可能作者没有完全描述实现过程的Tricks,你发邮件去问问原作者!”我的天

#神经网络
    共 26 条
  • 1
  • 2
  • 3
  • 请选择