1. 前言在机器学习中，我们通常关心优化某一特定指标，不管这个指标是一个标准值，还是企业KPI。为了达到这个目标，我们训练单一模型或多个模型集合来完成指定得任务。然后，我们通过精细调参，来改进模型直至性能不再提升。尽管这样做可以针对一个任务得到一个可接受得性能，但是我们可能忽略了一些信息，这些信息有助于在我们关心的指标上做得更好。具体来说，这些信息就是相关任务的监督数据。通过在相关任务间共享表

//============================================================================// Name: wgb.cpp// Author: wgb// Version:// Copyright: Your copyright notice// Description : He

什么是知识蒸馏？近年来，神经模型在几乎所有领域都取得了成功，包括极端复杂的问题。然而，这些模型体积巨大，有数百万(甚至数十亿)个参数，因此不能部署在边缘设备上。知识蒸馏指的是模型压缩的思想，通过一步一步地使用一个较大的已经训练好的网络去教导一个较小的网络确切地去做什么。“软标签”指的是大网络在每一层卷积后输出的feature map。然后，通过尝试复制大网络在每一层的输出(不仅仅是最终的损失)，小

ubuntu 安装搜狗输入法（sogou）以及遇到的问题1. 安装步骤1.1.移除ibussudo apt-get purge ibussudo apt-get autoremove1.2. 安装fcitxsudo apt-get install fcitx1.3 安装搜狗sudo dpkg -i sougou_64.deb1.4 设置

简单解释Transform是在神经网络之后又发展的一个比较流行的深度模型，今天就给大家解释一下这个模型的原理。首先先抛出一个问题？神经网络有哪些缺点，或者是LSTM有什么不足之处，以至于让我们又发展了Transform这个深度模型？在这里我自己总结出了几点：1、 难解释性，神经网络的一个通病，做出来的好坏都比较难解释，2、 梯度消失和梯度爆炸的问题。3、 LSTM只能串行计算，不能并行，因为它是一

1.import numpy as npimport osimport matplotlib.pyplot as pltimport sysimport cv2a = np.load('/home/wgb/Desktop/Dex2/training_gqcnn/datasets/adv_synth/depth_ims_tf_table_00099.npz')['arr_0']b

运用skimage.transform进行图像处理后，发现像素数值在-1 与1 之间，然后减去数据RGB的均值（100左右），不可行。1. PIL读取，旋转，缩放的操作于是采用命令import matplotlib.pyplot as pltimport numpy as npfrom PIL import Imageimg = Image.open('lena.png')

# coding=utf-8import numpy as npimport cv2image = cv2.imread("d:/bgs.jpg")b= np.array([[[100,100],[250,100], [300,220],[100,230]]], dtype = np.int32)im = np.zeros(image.shape[:2], dtype ...

http://wiki.ros.org/roscpp/Overview/Initialization%20and%20Shutdown在调用任何roscpp函数之前首先要调用ros::init()函数有一下两种形式：ros::init(argc,argv,"my_node_name");或者ros::init(argc,argv,"my_node_name",ros::init_o

一、分段常数衰减 tf.train.piecewise_constan()二、指数衰减 tf.train.exponential_decay()三、自然指数衰减 tf.train.natural_exp_decay()四、多项式衰减 tf.train.polynomial_decay()五、余弦衰减 tf.train.cosine_decay()线性余弦衰减 tf.train.linear_cos