提前安装依赖库：sudo apt-get install libatlas-base-devsudo apt-get install libjasper-devsudo apt-get install libqtgui4sudo apt-get install libqt4-test# 可能还需要安装下面的依赖sudo apt-get install libhdf5-dev提前在电脑上下载好ope

一、前言ECA-NET(CVPR 2020)简介：论文名：ECA-Net: Effificient Channel Attention for Deep Convolutional Neural Networks论文地址：https://arxiv.org/abs/1910.03151开源代码：https://github.com/BangguWu/ECANet作为一种轻量级的注意力机制，ECA-

一、前言正当本人在纠结如何组合使用 优化器和学习率 调整方法时，看到了这篇文章，属实让我豁然开朗。口说无凭，实验数据比对更能说明问题。看似玄学，炼丹（训练）也有门路。膜拜大佬！二、正文本文作者模拟复现了自己在深度学习训练过程中可能遇到的多种情况，并尝试解决这些问题，文章围绕学习率、动量、学习率调整策略、L2正则、优化器展开。“深度模型是黑盒，而且本次并没有尝试超深和超宽的网络，所以结论只能提供一个

DDPM扩散模型包括两个过程：前向过程（forward process）和反向过程（reverse process），其中前向过程又称为扩散过程（diffusion process）。无论是前向过程还是反向过程都是一个参数化的马尔可夫链（Markov chain），其中反向过程可以用来生成数据，可通过变分推断来进行建模和求解。在DDPM中，通过连续添加高斯噪声来破坏训练数据,然后通过反转这个噪声过

一、前言正当本人在纠结如何组合使用 优化器和学习率 调整方法时，看到了这篇文章，属实让我豁然开朗。口说无凭，实验数据比对更能说明问题。看似玄学，炼丹（训练）也有门路。膜拜大佬！二、正文本文作者模拟复现了自己在深度学习训练过程中可能遇到的多种情况，并尝试解决这些问题，文章围绕学习率、动量、学习率调整策略、L2正则、优化器展开。“深度模型是黑盒，而且本次并没有尝试超深和超宽的网络，所以结论只能提供一个

一、前言由于写论文，不单单需要可视化数据，最好能将训练过程的完整数据全部保存下来。所以，我又又又写了篇迁移学习的文章，主要的改变是增加了训练数据记录的模块，可以将训练全过程的数据记录为项目路径下的Excel文件。其次是更换了网络，改用了比较轻量级的MobileNetV2。可以看到MobileNetV2模型仅仅只有14M，在识别速度上完胜。在准确率上来说，只比Resnet和Densenet差那么一点

DDPM扩散模型包括两个过程：前向过程（forward process）和反向过程（reverse process），其中前向过程又称为扩散过程（diffusion process）。无论是前向过程还是反向过程都是一个参数化的马尔可夫链（Markov chain），其中反向过程可以用来生成数据，可通过变分推断来进行建模和求解。在DDPM中，通过连续添加高斯噪声来破坏训练数据,然后通过反转这个噪声过

1.Pangolin的安装官方下载地址：https://github.com/stevenlovegrove/Pangolin/archive/refs/tags/v0.6.zip也可以从我的资源中下载：# 安装依赖项sudo apt-get install libglew-devsudo apt-get install libboost-dev libboost-thread-dev libbo

一、环境的搭建1.tensorflow2.4和pytorch1.7环境的搭建参考：树莓派4B32位官方系统配置tensorflow2.4以及pytorch1.7_Leonard2021的博客-CSDN博客2.opencv4.5.3环境的搭建参考：树莓派32位官方系统配置opencv(whl)无需编译_Leonard2021的博客-CSDN博客3.其他python包的安装pip install pa

首先参考https://blog.csdn.net/dujuancao11/article/details/114002979这篇文章，把python的默认版本改为3.7然后利用WinSCP传输工具把相应的whl文件传输到树莓派的某个文件夹中，所需的whl文件在本人的上传资源中可以获取。首先，配置tensorflow2.4安装相关系统依赖sudo apt-get install -y libhdf