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

目标检测中的多尺度特征

目录1. 图像金字塔(image pyramid)1.1 多尺度训练/测试(multi-scale training/testing)1.2 SNIP(Scale Normalization for Image Pyramids)2. 特征金字塔(feature pyramid)2.1 直接的多尺度特征预测2.2 多尺度特征融合+单尺度特征预测2.3 多尺度特征融合+多尺度特征预测目标检测中最具挑

深度学习管理工具

官方文档:在跟踪实验时,通过运行 mlflow ui 后在 http:// localhost:5000 中进行查看。目前没办法打开,也不确定是否将结果上传到mlflow的服务器中。mlflow 主要有四大功能:Tracking、Projects、Models、Model Registry(1) 跟踪实验以记录并比较实验参数和实验结果(2) 以可复用可复现的方式对代码进行打包,以便不同工程师去复现

#深度学习
深度学习管理工具

官方文档:在跟踪实验时,通过运行 mlflow ui 后在 http:// localhost:5000 中进行查看。目前没办法打开,也不确定是否将结果上传到mlflow的服务器中。mlflow 主要有四大功能:Tracking、Projects、Models、Model Registry(1) 跟踪实验以记录并比较实验参数和实验结果(2) 以可复用可复现的方式对代码进行打包,以便不同工程师去复现

#深度学习
目标检测中的mAP和AP计算原理

1TP、FN、FP、TN这4个概念来源于下面两个表格,两个表格只是在不同领域中的叫法,实际上是一样的,其中,第一个表是在机器学习领域的叫法,第二个表格是在医学领域上的叫法。在二分类问题上,根据预测结果与真实情况的差别,会存在以下4种情况。True positive (TP)False negative (FN)False positive (FP)True negative (T...

ResNet网络感受野计算:

1. 感受野计算公式假设第i−1i-1i−1层特征的感受野为RFi−1RF_{i-1}RFi−1​,第iii层特征的感受野为:RFi=RFi−1+(ki−1)∏j=1i−1sjRF_{i}=RF_{i-1}+(k_i-1)\prod_{j=1}^{i-1}s_jRFi​=RFi−1​+(ki​−1)j=1∏i−1​sj​其中,kik_iki​是第iii层的卷积核尺寸(或池化核尺寸),sjs_jsj

目标检测中的mAP和AP计算原理

1TP、FN、FP、TN这4个概念来源于下面两个表格,两个表格只是在不同领域中的叫法,实际上是一样的,其中,第一个表是在机器学习领域的叫法,第二个表格是在医学领域上的叫法。在二分类问题上,根据预测结果与真实情况的差别,会存在以下4种情况。True positive (TP)False negative (FN)False positive (FP)True negative (T...

np.max()、np.argmax()、np.maximum()、np.min()、np.argmin()、np.minimum()、np.sum()

numpy专题——最值、求和最大值np.max()np.argmax()np.maximum()求和二级目录三级目录最大值np.max()参数解析np.max(array, axis=None, out=None, keepdims=False)一维ndarrayimport numpy as nparray1 = np.array([1, 3, 2, 8, 5])prin...

#python#numpy
Pytorch构建数据集——torch.utils.data.Dataset()和torch.utils.data.DataLoader()

目录1. torch.utils.data.Dataset2. torch.utils.data.DataLoader在pytorch中,提供了一种十分方便的数据读取机制,即,使用torch.utils.data.Dataset与torch.utils.data.DataLoader组合得到数据迭代器。在每次训练时,利用这个迭代器输出每一个batch数据,并能在输出时对数据进行相应的预处理或数据增

Pytorch提取神经网络层结构、层参数及自定义初始化

目录1. 提取层结构1.1 children()1.2 modules()1.3 named_children()和named_modules()2.提取参数及自定义初始化2.1 提取参数2.2 自定义初始化1. 提取层结构对于一个给定的模型,如果不想模型中所有的层结构,只希望能够提取网络中的某一层或者某几层,应该如何实现呢?首先定义一下神经网络结构:import torchimport torc

    共 18 条
  • 1
  • 2
  • 请选择