vector是我们常用的容器，向其中增加元素的常用方法有：emplace_back和push_back两种。push_bach():首先需要调用构造函数构造一个临时对象，然后调用拷贝构造函数将这个临时对象放入容器中，然后释放临时变量。emplace_back():这个元素原地构造，不需要触发拷贝构造和转移构造。...

今天用keras训练时发现内存占用率出奇的高，而且显存占用率出奇的低，原来keras没有用gpu训练。通过pip list看到同时安装了tensorflow和tensorflow-gpu，keras默认调用了tensorflow解决办法同时卸载tensorflow，tensorflow-gpu，keras再安装tensorflow-gpu和keras就可以解决...

Tensorflow如何使用一个或多个GPU进行训练注意：训练前要用nvidia-smi来查看一下当前GPU的使用情况，不要一下子就放上去跑把大家一起挤挂了，这是负责任的行为。第一种：python代码中设置使用的GPU使用方法：第一步：import osos.environ["CUDA_VISIBLE_DEVICES"] = "0&qu

1、variable_scope和name_scope存在的价值：和普通模型相比，深度学习模型的节点（参数）非常多，我们很难确定哪个变量属于哪层。为了解决此问题，所以引入了name_scope和variable_scope，两者分别承担着不同的责任：*name_scope*: 为了更好的管理变量的命名空间。*variable_scope*:绝大部分情况下会和tf.get_variabl...

#!/usr/bin/env python# encoding: utf-8"""@version: 1.0@author: levio@contact: levio123@163.com@file: IoU.py"""def compute_iou(rec1, rec2):"""computing IoU:param rec1: (y0, ...

转载：https://blog.csdn.net/TwT520Ly/article/details/79759448在一些github上公开的代码中，我们经常会看到这样的程序if __name__ == '__main__':tf.app.run()像网上的大多数文章一样，先粘贴一下run()的源码：def run(main=None, argv=None):"&quot

How to installThrough PyPipip install thopUsing GitHub (always latest)pip install --upgrade git+https://github.com/Lyken17/pytorch-OpCounter.gitHow to useBasic usagefrom tor...

两片不错的博文，传送门：关于机器学习中Precision和Recall的概念的理解召回率（Recall），精确率（Precision），平均正确率（Average_precision(AP) ），交除并（Intersection-over-Union（IoU））...

在深度学习中，精确率(Precision)和召回率(Recall)是常用的评价模型性能的指标，从公式上看两者并没有太大的关系，但是实际中两者是相互制约的。我们都希望模型的精确了和召回率都很高，但是当精确率高的时候，召回率往往较低；召回率较高的时候精确率往往较低。往往需要对模型的精确率和召回率做出取舍：比如在一般的搜索任务时，在保证召回率的同时，尽量提高精确率；在癌症检测、金融诈骗任务时...

在深度学习中，精确率(Precision)和召回率(Recall)是常用的评价模型性能的指标，从公式上看两者并没有太大的关系，但是实际中两者是相互制约的。我们都希望模型的精确了和召回率都很高，但是当精确率高的时候，召回率往往较低；召回率较高的时候精确率往往较低。往往需要对模型的精确率和召回率做出取舍：比如在一般的搜索任务时，在保证召回率的同时，尽量提高精确率；在癌症检测、金融诈骗任务时...