3 麻瓜智能

尚未进行身份认证

公众号及简书:麻瓜智能

等级
博文 67
排名 2w+

深度学习完全攻略!(连载十一:YOLO原理理解)

翻了翻之前的文件夹,找到这个之前整理的YOLO理解文档,在此基础上,做了一些修改,特做更新。我相信很多同学在理解YOLO的时候是有很多疑惑的,尤其是1个cell,两个boundingbox,20个类别,简直头大。这篇文章带你来理解,如果有错误,不吝赐教。相比于RCNN系列的算法,YOLO将分类问题转换为回归问题。关于RCNN系列,会在后面更新,请不要捉急。既然是回...

2019-07-16 22:28:41

深度学习完全攻略!(连载七:先从基本的模型开始-端到端的验证码识别)

直接写FCN跳跃性有点大,那么这一节就用一个简单的例子来回顾一下卷积神经网络。下一节写一写RCNN,再下一节写一些yolo或SSD,再下一节就写FCN,这样保持连贯性。先看本节内容。我们把验证码的识别任务转换为一个分类任务,以便于神经网络干他最擅长的事情。这就是端到端的识别,而非传统的先对字符分割,分别训练,最后识别。所以本节任务就很简单,输入一堆验证码的图片,告诉标签,不用其他的操作,直...

2019-07-07 19:16:03

拒绝做深度学习调参工程师,带你了解图像处理中的傅里叶变换

这一节,看是介绍了一些基本的知识,但是,其隐藏的内涵非常多,比如说,为什么时域和频域的尺寸一致,为什么FFT要求是2^n尺寸,DFT怎么来的等等等。不捉急,带着这些问题,我们用下面的例子来一一作答。2.傅里叶级数和傅里叶变换我相信,看完上面的,你心里有一百个问号?哪怕是很多同学已经学过通信的知识,估计也忘得一干二净。更别说那些没学过的同学,估计也是一脸的萌萌哒。而网上的东西,要么...

2019-06-23 16:06:50

深度学习完全攻略!(连载六:CUDA10.1+tensorflow+VS+anaconda3安装)

首先检查你的电脑,主要就是显卡、CPU和内存。比如,下面是我的电脑配置。CPU:I5-8300RAM:8GGPU:GTX1060深度学习真的需要安装很多东西,由于很多同学都是以windows做主要的操作系统,所以,本文就以window为例.anaconda:https://repo.continuum.io/archive/Anaconda3-5.2.0-Windows-x86...

2019-06-15 12:54:16

深度学习完全攻略!(连载五:GPU加速技术指南)

本文以同步至公众号,欢迎订阅。第四章cm编译器这一章,我们就用一个例子来说明cm的client和server时如何联系到一起,并最终运行的。以高斯模糊为例。此例也是intel提供的一个案例,但是没有说明怎么用。哈哈哈。第一节建一个client的程序假设文件名字为gauss_client.cpp#include"cm_rt.h"#include"common/b...

2019-05-06 00:06:42

深度学习完全攻略!(连载四:GPU加速技术指南)

本文已同步至公众号,方便交流:第三章库函数这一章,我们就写一写CM中提供了哪些库函数,来帮助我们实现内核的编程。第一节属性限定符Cm设置有函数的限定符,便于这些函数能够被编译器编译成GPU可以运行的文件。在前面的博客中,《深度学习完全攻略。(连载二:GPU加速技术指南)》主要阐述了client端的编程,但是client端的编程是不适用这些限定符的。那么cm中都有哪些限...

2019-05-02 17:08:36

深度学习完全攻略!(连载三:GPU加速技术指南)

我只是一个搬运工,CM是Intel自己开发并开源的东东,方便开发者使用他的芯片。所以,也算是给Intel做免费宣传。但是从技术上讲,是没有界限的。本文已同步至公众号,欢迎订阅。Cm服务端的设计就像C语言一样,又有些类似C++。如果你有一些c/c++的编程基础,对于理解服务端的代码就很容易。这一节,会从以下几个方面来介绍,数据类型,运算符和库函数来介绍。至于扩展的一些函数,有兴趣的可以自...

2019-04-27 22:10:02

深度学习完全攻略!(连载二:GPU加速技术指南)

此刻我正在喝茶!Cmcompiler的repo如下:https://github.com/intel/cm-compiler.git这一节写一写CM中client端如何编程。client是直接与应用程序交互,同时连接GPU的kernel。如下内容按照调用的先后顺序来写。话不多罗嗦,上干货。前言cm_result_check()这个函数主要用来检查client...

2019-04-25 22:59:56

深度学习完全攻略!(连载一:GPU加速技术指南)

本系列文章根据Intel开源GPU加速技术整理而得。前言在深度学习大行其道的今天,很少有人再关注底层GPU加速的实现。也许是因为实现起来太复杂,但更多的应该是无法快速编程,实现几亿个求解参数的快速实现,而用python接口只需要几行代码。不可否认的是,在一些场合,如果想实现GPU的加速,比如图像增强,图像去噪等,那么就必须要DIY一个加速代码。如果不具备这些知识,将很影响效率。或者说,...

2019-04-14 18:44:28

图像处理中常用的加速技术

做了这么长的时间,我也一直在是思考这个问题,也当是个经验总结。先抛开硬件上的东西。2019年第一更,本来想去放松下的,那就下午吧,上午休息下。1、我经常用到的就是积分图,这个好处自然不多说,尤其是在目标的定位、目标过滤上有很大的作用。直接通过数组下表进行查找,那简直就是相当的快。 2、另外一个常用的是分块多线程。假如说CPU是多个核心的话,那么完全可以用多线程加速。原理性的东西这里...

2019-01-01 11:30:26

YOLO-V1算法关键问题说明

 上面的分析来看,显然一代算法还是有缺点的,那么后来就有了二代、三代,在接下来的文章会分析。  

2018-09-15 11:27:56

深度学习综述

本文不会像科技论文那样,详细啰嗦,而是按照解决问题的逻辑思路来写,使得初学者有一个全面的掌握。因为我也是在学习的过程中。本文就只用图来说明,其他人已经写的很多了,我只写比较好看的。  这篇文章参考了吴恩达老师的网易公开课和相关的论文资料,权当做个笔记,所以没有讲到的及新的知识会在后续跟上。现在各种网络结构泛滥,针对性越来越强,眼花缭乱,但是,我觉得基础的东西是根本,博观而约取。 ...

2018-09-09 01:00:52

安装tensorflow出现问题及解决方法

我在安装的时候出现两个问题,一个是pip升级问题,一个是pip调用问题。 第一个问题:在升级pip3时,提示用pipinstall--upgradepip来升级,实际上并没有用,因为我要升级的是pip3.所以用如下的命令pip3install--upgradepip 第二个问题:在安装tensorflow的时候,提示ImportError:canno...

2018-08-19 11:21:04

论如何写好一篇需求报告(或者说产品报告)

从最先开始的需求调研,到最后的产品成型,自己亲自过手的需求报告大概也有十来篇了,与高层领导过会并定型的报告有6篇。这些报告既有关于新产品规划的,又有老产品迭代升级的。作为一个阶段性的总结,我认为有必要将自己的心得体会记录下来,方便同仁之间交流,也方便日后的反思与进步。首先,需求报告(或者产品报告)与科技论文有一定的相似之处,但又有很大的不同。其二,不管是新产品还是老产品的报告,他们的好坏都会...

2018-08-17 23:29:37

用adaboost做的一个人脸检测

一直以来都想写一写这个程序,正好有机会,那就写写吧。之前写了一个用adaboost+Haar-like特征的人脸检测程序,由于也是现学现用,所以在网上找了很多资料。但是,很多东西都没有写明白。对于初入门的以及正在写代码的同学来说,其实关心的是怎么用,怎么写,把关键的问题搞明白,才是重点。所以,本文只会写一写怎么实现(关键的部分会解释一下为什么),而至于里面的原理为什么是这样的,以及怎样去推导这...

2018-08-02 11:18:06

adaboost算法

之前做过人脸识别的应用,所以就想谢谢adaboost算法,也是一个复习和再熟悉的过程吧。

2018-06-30 23:07:21

图像特征提取之LBP算子

今天写写LBP算子

2018-06-30 16:29:58

hadamard矩阵及其应用

因为用到了hadamard矩阵,所以就想记一下hadamard矩阵的构建、性质及应用。

2018-06-29 23:24:34

图像特征提取之DoG算子

今天写写DoG算子。

2018-06-29 23:16:54

libsvm中各参数介绍(包括里面结构体参数的介绍)

在我的项目中用到了libsvm中的函数,但是发现现在很多博客都是一样的,而且,很多参数都没有解释清楚。所以本文就介绍一下,如有错误请指正。主要说明三个参数:svmtrain,svmpredict,svmclassify1、svmtrain2、svmpredict3、svmclassify...

2018-05-26 16:02:01
奖章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周上午根据用户上周的博文发布情况由系统自动颁发。