1、其中LRN就是局部响应归一化：这个技术主要是深度学习训练时的一种提高准确度的技术方法。其中caffe、tensorflow等里面是很常见的方法，其跟激活函数是有区别的，LRN一般是在激活、池化后进行的一中处理方法。        AlexNet将LeNet的思想发扬光大，把CNN的基本原理应用到了很深很宽的网络中。AlexNet主要使用到的新技术点如下。（1）成功使用R

图像数据标注概述在深度学习领域，训练数据对训练结果有种至关重要的影响，在计算机视觉领域，除了公开的数据集之外，对很多应用场景都需要专门的数据集做迁移学习或者端到端的训练，这种情况需要大量的训练数据，取得这些数据方法有如下几种人工数据标注自动数据标注外包数据标注人工数据标注的好处是标注结果比较可靠，自动数据标注一般都需要二次复核，避免程序错误，外包数据标注很多时候会面临数据泄...

深度学习里神奇的1*1卷积核这里主要介绍下1*1卷积核的神奇之处核最好的使用范围，在开始之前需要了解下卷积网络的权值共享概念，其中权值共享基本上有两种方法：在同一特征图和不同通道特征图都使用共享权值，这样的卷积参数是最少的，例如上一层为30*30*40，当使用3*3*120的卷积核进行卷积时，卷积参数为：3*3*120个.(卷积跟mlp有区别也有联系一个神经元是平面排列，一个是线性排列)第二种只

1、tensorflow里的四种交叉熵的实现跟计算：注意：tensorflow交叉熵计算函数输入中的logits都不是softmax或sigmoid的输出，而是softmax或sigmoid函数的输入，因为它在函数内部进行sigmoid或softmax操作tf.nn.sigmoid_cross_entropy_with_logits(_sentinel=None,labels=None,...

1.焦距（FocalLength）　　焦距是从镜头的中心点到胶平面上所形成的清晰影像之间的距离。焦距的大小决定着视角的大小，焦距数值小，视角大，所观察的范围也大；焦距数值大，视角小，观察范围小。根据焦距能否调节，可分为定焦镜头和变焦镜头两大类。　　2.光圈(Iris)　　用F表示，以镜头焦距f和通光孔径D的比值来衡量。每个镜头上都标有最大F值，例如　8mm　/F1.4代表最大孔径为　5...

1、basnet边缘注意力分割网络原理介绍：basnet主要使用了一个Residual Refinement Module跟SSIM loss，其解码网络主要有7个输出，然后通过Residual Refinement Module进行输出一个，总共有8个输出，他们的输出W H大小跟输入数据的W H一样。basnet网络其目标分割效果很好，除了使用上面的RRM网络结构外还有一个是使用了SSIM lo

1.在网上下载一些开源库时经常需要自己使用Cmake进行源代码的工程搭建此处给出曾经遇到的坑。出现错误：CMake Error at CMakeLists.txt:11 (project): No CMAKE_C_COMPILER could be found.这提示的是没有找到C编译器，原因有两种：a.没装C编译器，一般电脑装有VS后都会有C编译器的；b.装的VS...

参考中文官方,详情参考：PyTorch 如何自定义 Module1.自定义ModuleModule 是 pytorch 组织神经网络的基本方式。Module 包含了模型的参数以及计算逻辑。Function 承载了实际的功能，定义了前向和后向的计算逻辑。下面以最简单的 MLP 网络结构为例，介绍下如何实现自定义网络结构。完整代码可以参见repo。1.1 FunctionFunction ...

1、查看本地git add ./指令后查看暂缓区里的文件内容（如果没进行commit操作，这个add会把新旧文件一起放到暂缓区，如果在add后本地删除了某个文件，再进行add，其暂缓区会保留有这个文件的(这个暂缓区是放到.git文件夹下的，下面强制恢复版本的会修改这里的暂缓区，使其存储的是当前版本具有的文件)：git ls-files查看指令，其可以查看本地的代码仓库情况，包括新文件、...

1、StadardScalar()与fit_transform()  其StadardScalar是去均值和进行方差归一化，其是对数据的每一个特征维度进行的操作，即对所有最小的元素进行操作，而不是针对一个样本。其要完成这个功能需要配合fit_transform()函数进行。其实例代码如下：# coding=utf-8# 统计训练集的 mean 和　std 信息from sklea...