- 博客(81)
- 资源 (9)
- 收藏
- 关注
RSS订阅原创 【人工智能笔记】第四十节：TF2实现VITGAN对抗生成网络，Siren网络 实现
【人工智能笔记】第四十节：TF2实现VITGAN对抗生成网络，Siren网络 实现
2022-05-29 10:30:00
282
1
原创 【人工智能笔记】第三十九节：TF2实现VITGAN对抗生成网络，ModulatedLinear调制模块 实现
【人工智能笔记】第三十九节：TF2实现VITGAN对抗生成网络，ModulatedLinear调制模块 实现
2022-05-29 10:15:00
190
原创 【人工智能笔记】第三十八节：TF2实现VITGAN对抗生成网络，CoordinatesPositionalEmbedding博里叶位置编码 实现
【人工智能笔记】第三十八节：TF2实现VITGAN对抗生成网络，CoordinatesPositionalEmbedding博里叶位置编码 实现
2022-05-29 10:00:00
300
原创 【人工智能笔记】第三十七节：TF2实现VITGAN对抗生成网络，SLN自调制 实现
【人工智能笔记】第三十七节：TF2实现VITGAN对抗生成网络，SLN自调制 实现
2022-05-29 09:15:00
178
原创 【人工智能笔记】第四十五节：TF2实现VITGAN对抗生成网络，VITGAN主体 实现
【人工智能笔记】第四十五节：TF2实现VITGAN对抗生成网络，VITGAN主体 实现
2022-05-29 02:30:00
467
原创 【人工智能笔记】第四十四节：TF2实现VITGAN对抗生成网络，Discriminator鉴别器 实现
【人工智能笔记】第四十四节：TF2实现VITGAN对抗生成网络，Discriminator鉴别器 实现
2022-05-29 01:45:00
310
原创 【人工智能笔记】第三十六节：TF2实现VITGAN对抗生成网络，MSA多头注意力 实现
【人工智能笔记】第三十六节：TF2实现VITGAN对抗生成网络，MSA多头注意力 实现
2022-05-28 21:15:00
418
原创 【人工智能笔记】第三十五节：TF2实现VITGAN对抗生成网络，MLP 实现
【人工智能笔记】第三十五节：TF2实现VITGAN对抗生成网络，MLP 实现
2022-05-27 21:00:00
189
原创 【人工智能笔记】第三十四节：TF2实现VITGAN对抗生成网络，PositionalEmbedding 实现
【人工智能笔记】第三十四节：TF2实现VITGAN对抗生成网络，PositionalEmbedding 实现
2022-05-26 20:45:00
309
原创 【人工智能笔记】第四十三节：TF2实现VITGAN对抗生成网络，ISN 实现
【人工智能笔记】第四十三节：TF2实现VITGAN对抗生成网络，ISN 实现
2022-05-26 16:32:48
254
原创 【人工智能笔记】第四十二节：TF2实现VITGAN对抗生成网络，PatchEmbedding 实现
【人工智能笔记】第四十二节：TF2实现VITGAN对抗生成网络，PatchEmbedding 实现
2022-05-26 16:32:15
474
原创 【人工智能笔记】第四十一节：TF2实现VITGAN对抗生成网络，Generator生成器 实现
【人工智能笔记】第四十一节：TF2实现VITGAN对抗生成网络，Generator生成器 实现
2022-05-26 16:31:43
220
原创 【人工智能笔记】第三十三节：TF2实现VITGAN对抗生成网络，Mapping NetWork 实现
该章节介绍VITGAN对抗生成网络中，Mapping NetWork 部分的代码实现。
2022-05-21 21:45:00
538
原创 【人工智能笔记】第三十二节：TF2实现VITGAN对抗生成网络，网络结构简介
该系列一共分成N篇文章，对照论文实现每个细节，并附上源码，该系列完成最后会附上github地址。
2022-05-18 22:04:50
600
原创 【人工智能笔记】第三十一节：AutoML系列，用NNI框架进行神经网络架构搜索与超参调优（一）
本章节介绍AutoML框架NNI的安装及使用方法。NNI为微软开发的AutoML框架，支持多种模型的自动调参及架构搜索等功能。
2022-01-03 19:32:01
1271
3
原创 【人工智能笔记】第三十节：注意力原理分析，及tensorflow 2.0 实现
【人工智能笔记】第三十节：注意力原理，及tensorflow 2.0 实现
2021-09-25 13:48:35
584
3
原创 【Docker初探】第十一节：Docker的GPU支持，使用Tensorflow GPU镜像
安装Docker参考：https://docs.docker.com/get-docker/安装NVIDIA最新驱动参考：https://www.nvidia.cn/Download/index.aspx?lang=cn注意，旧显卡也可以用最新驱动，尽量装最新的。安装 NVIDIA Docker 支持参考：https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html#docker# 设置
2021-07-08 15:58:31
250
原创 【K8s笔记】第六节：创建ingress进行负载均衡（Https）
创建证书SecretSecret还可以保存 密码 等重要保密数据。参考：https://kubernetes.io/zh/docs/concepts/configuration/secret/kubectl create secret tls my-tls-secret \ --cert=path/to/cert/file \ --key=path/to/key/file
2021-07-08 15:57:23
229
原创 【K8s笔记】第五节：服务间通过 kube-dns 互相通信
K8s 默认安装了 kube-dns 服务，实际上是 CoreDNS。可以通过下面命令查询：kubectl get svc -n kube-systemkubectl get pods -n kube-system在容器内，可以通过 “<服务名>.<命名空间>” 访问其它 Service，kube-dns 会自动解析对应IP。可在容器内通过下面命令验证：nslookup ingress-nginx-controller.ingress-nginx Server: &
2021-07-02 14:15:04
192
原创 【K8s笔记】第四节：K8s 结构图与各种模块说明
Ingress：负载均衡负载，需要先安装 Ingress 控制器，有多种控制器。参考：https://kubernetes.io/zh/docs/concepts/services-networking/ingress/Service：服务，用于暴露容器接口。常用类型：ClusterIP：集群内部可访问。NodePort：映射到主机端口，可从外部访问。参考：https://kubernetes.io/zh/docs/concepts/services-networking/service/..
2021-07-02 14:13:50
123
原创 【K8s笔记】第三节：kubernetes常用命令
查询部署列表kubectl get deployments部署镜像kubectl create deployment <部署名称> --image=<仓库名称>:<tag>删除部署kubectl delete deployment <部署名称或ID>查询Pod列表kubectl get pods查询详细信息# 按node名称或ID查信息kubectl describe nodes kubernetes-node-emt8.c.myp
2021-06-07 10:20:24
62
原创 【K8s笔记】第二节：生产环境安装，安装 kubeadm、kubelet 和 kubectl
确保每个节点上 MAC 地址和 product_uuid 的唯一性# 查MACip link# 查product_uuidsudo cat /sys/class/dmi/id/product_uuid允许 iptables 检查桥接流量# 确保 br_netfilter 模块被加载lsmod | grep br_netfilter# 显式加载该模块sudo modprobe br_netfilter# 配置br_netfiltercat <<EOF | sudo tee
2021-06-07 10:16:30
369
原创 【K8s笔记】第一节：生产环境安装，容器运行时
一、安装Docker参考 Docker安装文档# 删除旧版本sudo apt-get remove docker docker-engine docker.io containerd runc# 更新软件列表sudo apt-get update# 安装前置软件sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ gnupg \ lsb-release# 添加GPG key
2021-06-07 10:15:29
133
原创 【Docker初探】第十节：部署Docker本地镜像仓库Harbor（Helm方式，Arm64与X86_64）
安装 helmsnap install helm --classic下载harbor charthelm repo add harbor https://helm.goharbor.iohelm fetch harbor/harbor --untar创建harbor证书# 生成keymkdir ./harbor-cacd ./harbor-caopenssl genrsa -out tls.key# 生成crtopenssl req -x509 -new -nodes -key t
2021-06-06 12:19:43
1208
原创 【Docker初探】第九节：部署Docker本地镜像仓库Harbor
拉取registry镜像docker pull docker.io/registry创建证书docker pull docker.io/registry启动registrydocker run -d --restart=always --name registry \-v /mnt/linksys/docker_files/docker_certs:/certs \-v /mnt/linksys/docker_files/docker_registry/:/tmp/registry \-
2021-06-01 16:47:26
109
原创 【Docker初探】第八节：Docker常用命令
查询镜像docker images查询容器docker ps -a创建镜像（在当前文件夹创建Dockerfile文件）docker build -t <仓库名称>:<tag> .拉取镜像docker pull <仓库名称>:<tag> .删除镜像docker rmi <镜像ID>删除容器docker rm <容器ID>进入容器（新终端）sudo docker exec -it <容器ID>
2021-05-22 22:13:17
102
原创 【人工智能笔记】第二十九节 tensorflow 2.0 实现Facebook的无监督图像表示模型MoCo
作者提出动量对比度（MoCo）用于无监督的视觉表示学习。从作为字典查找的对比学习[29]的角度来看，作者构建了一个带有队列和移动平均编码器的动态字典。这样就可以动态地构建大型且一致的词典，从而促进对比性的无监督学习。MoCo在ImageNet分类的通用线性协议下提供了竞争性的结果。更重要的是，MoCo学习到的表示将转移到下游任务。 MoCo可以胜过在PASCAL VOC，COCO和其他数据集上进行监督的预训练对等任务中的7个检测/细分任务，有时会大大超过它。这表明，在许多视觉任务中，无监督和有监督的表征学习
2021-03-26 15:09:20
450
原创 【人工智能笔记】第二十八节 tensorflow 2.0 实现YoloV3与YoloV4
基于tensorflow2的YoloV3与YoloV4实现yolov3源码地址：https://github.com/tfwcn/tensorflow2-machine-vision/tree/master/AIServer/ai_api/ai_models/yolo_v3yolov4源码地址：https://github.com/tfwcn/tensorflow2-machine-vision/tree/master/AIServer/ai_api/ai_models/yolo_v4实现内容
2021-03-16 14:38:00
185
原创 【人工智能笔记】第二十七节 tensorflow 2.0 中保存模型的方式及注意事项
在 tensorflow2 中，保存模型有多种方法，方法都在tf.keras.models下面：保存模型：save_model 或 model.save，读取模型：load_model。这里可保存成TensorFlow格式或者HDF5 文件。 只保存模型权重：model.save_weights，读取模型权重：model.load_weights。这里同样可以保存成TensorFlow格式或者HDF5 文件。 从配置读取模型结构：model.from_config(model.get_c...
2021-03-12 09:08:51
1923
原创 【人工智能笔记】第二十六节 tensorflow 2.0 实现 RepVGG 高效卷积
该版本基于PyTouch版本改写。作者提出了一个简单但功能强大的卷积神经网络架构，该架构具有类似于VGG的推理时间主体，该主体仅由3x3卷积和ReLU的堆栈组成，而训练时间模型具有多分支拓扑。训练时间和推理时间架构的这种解耦是通过结构性重新参数化技术实现的，因此该模型称为RepVGG。在ImageNet上，据我们所知，RepVGG的top-1准确性达到80％以上，这是纯模型首次实现该精度。在NVIDIA 1080Ti GPU上，RepVGG模型的运行速度比ResNet-50快83％，比ResNet-10
2021-01-28 15:09:47
1225
8
原创 【人工智能笔记】第二十五节 tensorflow 2.0 实现卷积注意力模块
卷积注意力有两种：平面注意力，通过对单通道，同一平面内的特征，进行注意力权重的计算与应用。能实现平面内的特征动态权重分配。 通道注意力，通过所有通道，同一位置的单个特征点，进行注意力权重的计算与应用。能实现跨纬度的特征动态权重分配。下面把两种注意力模式结合起来，实现代码如下：import tensorflow as tffrom typing import Tuple, Unionclass AttentionConv2D(tf.keras.layers.Layer): def
2021-01-07 09:51:05
605
原创 【人工智能笔记】第二十四节 tensorflow 2.0 自定义模型训练流程，采用动态学习速率加快训练过程
本节介绍如何在tenserflow2.0下自定义模型训练流程。首先我们先实现一个正常的训练流程，然后再改变训练流程，加快训练收敛速度。下面分开两部分讲解。一、正常训练流程通过重构模型里train_step(self,data)方法，可自定义训练流程。同理重构test_step(self,data)方法，可自定义测试流程。正常训练流程：拆分数据，根据dataset将输入x与label拆分开。 将x输入model，正向传播，获得结果y_pred。 label与结果计算loss。 通过l..
2020-12-25 14:18:01
1475
原创 【人工智能笔记】第二十三节 efficientdet 目标检测模型，官方源码分析系列，Optimizer梯度计算分析（五）
本章继续分析Efficientdet源码的Optimizer梯度计算部分。模型计算梯度使用了SGD Optimizer和tfa.optimizers.MovingAverage，tfa.optimizers.MovingAverage是一个梯度均值，按一定比例保留上一次的梯度值，减少前期梯度波动范围，防止梯度爆炸。Optimizer定义代码如下，训练时直接使用该方法返回的Optimizer计算梯度：def get_optimizer(params): """Get optimizer."
2020-11-02 10:48:44
345
原创 【人工智能笔记】第二十二节 efficientdet 目标检测模型，官方源码分析系列，loss计算分析（四）
本章继续分析Efficientdet源码的loss计算部分。loss计算部分，是整个训练过程的关键所在。正确的计算能让训练加快收敛，与提高模型精度。训练过程包括：素材预处理，将标签转换成模型输出对应形状。 传入模型进行前向传播，计算出预测结果。 将预测结果与实际结果进行loss计算。 根据梯度将loss进行反向传播，更新各层的权重变量。要计算loss，首先，从标签预处理开始。标签处理代码在efficientdet\dataloader.py文件，InputReader类中实现。官方源码因
2020-11-02 10:48:36
953
原创 【人工智能笔记】第二十一节 efficientdet 目标检测模型，官方源码分析系列，Box与Class回归细节分析（三）
本章继续分析Efficientdet模型，Box与Class回归网络部分。Box与Class实现代码一样，共5层共用一个卷积层，然后链接单独的BN，接激活函数swish，drop_connect方法用于drop部分卷积。Box与Class主要区别是在最后一层通道数不同，Box通道数为num_anchors*4，Class通道数为num_anchors*(num_classes+1)，这里的1为背景。结构图如下：代码如下：class ClassNet(tf.keras.layers.La
2020-10-27 20:42:30
397
原创 【人工智能笔记】第二十节 efficientdet 目标检测模型，官方源码分析系列，BiFPN实现细节分析（二）
本章继续分析，BiFPN的实现部分。各种FPN结构如下：如图，单个BiFPN有8个Node。在Efficientdet模型中，由如下类组成： FPNCells：按fpn_cell_repeats参数生成重复多个BiFPN。 FPNCell：代表单个BiFPN，包含8个Node。 FNode：将当前Node的多个输入融合，产生一个输出。 代码结构如下：FPNCells代码如下：class FPNCells(tf.keras.layers.Layer): .
2020-10-22 23:31:26
3642
3
原创 【人工智能笔记】第十九节 efficientdet 目标检测模型，官方源码分析系列，Backbone实现细节（一）
这次是根据官方源码，分析efficientdet模型实现细节。因官方代码基于谷歌的automl框架实现，有很多选项配置，该系列基于默认配置，只关注一些实现细节，一些简单的层会粗略带过，计划分为如下章节：Backbone实现细节分析 BiFPN实现细节分析 Box与Class回归细节分析 Loss计算分析 Optimizer梯度计算分析efficientdet模型结构如下：代码结构如下：对应代码位于efficientdet/keras/efficientdet_keras.py：
2020-10-20 10:51:59
1746
1
原创 【人工智能笔记】第十八节 tensorflow 2.0 分布式训练之多服务器的实现方式
多服务器分布式训练，使用tf.distribute.experimental.MultiWorkerMirroredStrategy，在调用前需要先配置包含各个服务器信息的全局变量，全局变量格式如下：# 设置全局变量，定义多个workeros.environ['TF_CONFIG'] = json.dumps({ 'cluster': { 'worker': ["localhost:12345", "localhost:12346"] # 这里有两个worker },
2020-09-01 11:00:43
762
CodeSmith v8.5 SchemaExplorer.PostgreSQLSchemaProvider 源码，可读描述
2023-05-14
【人工智能笔记】第十节 Tensorflow 2.0 实现指针仪表方向纠正及指针识别 源码
2022-01-28
【原创】MP3标签修改器 V1.2 for Android
2015-04-16
【原创】Android小游戏FireBoll 1.01
2014-03-30
【原创】MP3标签修改器 V1.0 for Android
2011-11-25
最好的wim压缩解压软件! Wimtool V1.30
2011-07-11
最好的wim压缩解压软件!
2009-05-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人