从零开始的BLOG

与其感慨路难行,不如马上出发


  • 首页

  • 归档268

  • 计算机视觉

  • 深度学习

  • Caffe2

  • PyTorch

  • C++

  • Python

  • 项目

  • CUDA

  • 其他

  • 标签41

  • 关于我

  • 站内搜索(首次加载需3~5秒)

Cpp-整型上下限INT_MAX和INT_MIN及其运算

发表于 2018-10-28   |   更新于 2019-02-25 | 分类于 Cpp | 评论数:
本文字数: 535 | 阅读时长 ≈ 1 分钟
INT_MAX,INT_MIN数值大小因为int占4字节32位,根据二进制编码的规则,INT_MAX = 2^31-1,INT_MIN= -2^31.C/C++中,所有超过该限值的数,都会出现溢出,出现warning,但是并不会出现error。如果想表示的整数超过了该限值,可以使用长整型long l ...
阅读全文 »

梯度消失和梯度爆炸问题详解

发表于 2018-10-27   |   更新于 2019-03-05 | 分类于 深度学习 | 评论数:
本文字数: 1.8k | 阅读时长 ≈ 2 分钟
1.为什么使用梯度下降来优化神经网络参数?反向传播(用于优化神网参数):根据损失函数计算的误差通过反向传播的方式,指导深度网络参数的更新优化。 采取反向传播的原因:首先,深层网络由许多线性层和非线性层堆叠而来,每一层非线性层都可以视为是一个非线性函数$f(x)$(非线性来自于非线性激活函数),因此整 ...
阅读全文 »

各种激活函数整理总结

发表于 2018-10-27   |   更新于 2019-07-28 | 分类于 深度学习 | 评论数:
本文字数: 6.2k | 阅读时长 ≈ 6 分钟
常用激活函数及其导数 激活函数 形式 导数形式 Sigmoid $f(x) =\frac{1}{1+e^{-x}}$ $f’(x) = f(x)(1-f(x))$ Tanh $f(x) = tanh(x)= \frac{e^x-e^{-x}}{e^x+e^{-x}}$ $f’(x) ...
阅读全文 »

Batch-Normalization深入解析

发表于 2018-10-27   |   更新于 2019-07-29 | 分类于 深度学习 | 评论数:
本文字数: 4.5k | 阅读时长 ≈ 4 分钟
InceptionV2 在 V1 的基础上引入了 BN 层, 减少了 Internal Covariate Shift(内部神经元的数据分布差异), 使得每一层的输出都可以规范化到一个标准高斯分布上. 为什么要进行归一化在神经网络中, 数据分布对训练会产生影响. 当数据较大时, 有的激活函数比如 ...
阅读全文 »

《牛客网算法进阶班》视频教程笔记

发表于 2018-10-26   |   更新于 2019-09-07 | 分类于 其他 | 评论数:
本文字数: 501 | 阅读时长 ≈ 1 分钟
第一章大部分机器一秒钟可接受的操作大约在 $10^8$. 题目一: 判断一个整数是否为回文数解法一: 先转成字符串再计算回文至少需要遍历两遍 解法二: 借助 helphelp 代表最高位的阶数, 于是 num/help 就可以得到第一位的数字, num%10 就可以得到最后一位的阶数, 然后对 nu ...
阅读全文 »

训练过程中遇到的问题及解决方案

发表于 2018-10-25   |   更新于 2019-05-06 | 分类于 深度学习 | 评论数:
本文字数: 3.9k | 阅读时长 ≈ 4 分钟
在图像分类任务中, 训练数据不足会带来什么问题, 如何缓解数据量不足带来的问题?(百面: 1.07.1)带来的问题: 过拟合处理方法 基于模型的方法: 采用降低过拟合风险的措施,包括简化模型(如将非线性简化成线性), 添加约束项以缩小假设空间(如L1和L2正则化), 集成学习, Dropout超 ...
阅读全文 »

Detectron 源码解析-网络工具函数

发表于 2018-10-24   |   更新于 2019-02-25 | 分类于 Caffe2 | 评论数:
本文字数: 193 | 阅读时长 ≈ 1 分钟
源码文件: detectron/utils/net.py detectron/utils/c2.py detectron/utils/vis.py: 结果可视化 utils/net.py这个文件经常会被使用到, 它主要的作用提供一些可以使 Caffe2 networks 更方便使用的辅助函数, ...
阅读全文 »

Group Normalization

发表于 2018-10-24   |   更新于 2019-09-08 | 分类于 计算机视觉 | 评论数:
本文字数: 6.1k | 阅读时长 ≈ 6 分钟
作者: Yuxin Wu and Kaiming He发表: ECCV 2018, Best Paper Honorable Mention 核心亮点针对BN对batch size的依赖问题, 提出了一种新的通用型归一化方法提出了一个用于替代BN的简单算法, 称之为GN(Group Normaliz ...
阅读全文 »

R-FCN (NIPS, 2016)

发表于 2018-10-24   |   更新于 2019-09-08 | 分类于 其它 | 评论数:
本文字数: 2.9k | 阅读时长 ≈ 3 分钟
文章: R-FCN: Object Detection via Region-based Fully Convolutional Networks 核心亮点 全卷积网络怎分类任务上表现较好, 但是在目标检测任务往往精度不行, 这是因为在一般情况下, 分类任务具有平移不变性, 而检测任务却要求对目标的 ...
阅读全文 »

Soft-NMS(ICCV, 2017)

发表于 2018-10-24   |   更新于 2019-03-31 | 分类于 计算机视觉 | 评论数:
本文字数: 1.2k | 阅读时长 ≈ 1 分钟
作者: Navaneeth Bodla, Bharat Singh, Rama Chellappa, Larry S.Davis发表: ICCV2017机构: Center For Automation Research 核心亮点提出了一种NMS的变体, 通过利用该变体, 基本上可以提升任何模型的检 ...
阅读全文 »

NMS 算法源码实现

发表于 2018-10-24   |   更新于 2019-09-08 | 分类于 计算机视觉 | 评论数:
本文字数: 12k | 阅读时长 ≈ 11 分钟
【链接】非极大值抑制算法(NMS)及python实现https://blog.csdn.net/Blateyang/article/details/79113030 【链接】NMS-非极大值抑制-Python实现https://blog.csdn.net/u011436429/article/det ...
阅读全文 »

计算机视觉-目标检测训练策略

发表于 2018-10-24   |   更新于 2019-03-23 | 分类于 计算机视觉 | 评论数:
本文字数: 32 | 阅读时长 ≈ 1 分钟
NMSMulti-ScaleTraining Testing #
阅读全文 »

LeetCode 算法题(记录总结)

发表于 2018-10-23   |   更新于 2019-09-07 | 分类于 其他 | 评论数:
本文字数: 3.7k | 阅读时长 ≈ 3 分钟
解题细节: LeetCode-Easy LeetCode-Medium LeetCode-Hard 熟练程度: 优: 看到题目立马想到正确的解题思路, 并且可以一次AC 良: 看到题目后有相对正确的解题思路, 但是在编码实现时经过多次调试才完全正确 中: 看到题目后想到的是次优的解题思路, 在 ...
阅读全文 »

OHEM (CVPR, 2016)

发表于 2018-10-22   |   更新于 2019-09-08 | 分类于 计算机视觉 | 评论数:
本文字数: 5.9k | 阅读时长 ≈ 5 分钟
文章: Training Region-based Object Detectors with Online Hard Example Mining作者: Abhinav Shrivastava, Abhinav Gupta, Ross Girshick 核心亮点提出了一种在线的难样例挖掘算法:作者 ...
阅读全文 »

PASCAL VOC数据集

发表于 2018-10-21   |   更新于 2019-06-25 | 分类于 计算机视觉 | 评论数:
本文字数: 13 | 阅读时长 ≈ 1 分钟
评价标准VOC 数据集介绍
阅读全文 »
1…567…18
ZeroZone

ZeroZone

吾乃闪耀的芝士蛋挞!

268 日志
12 分类
41 标签
GitHub E-Mail
友情链接
  • 零域CSDN博客
  • BoXiao的博客
  • Oldpan的博客
© 2017 — 2019 ZeroZone | 3.2m | 48:10
勤练带来力量