jzrita的博客

原创 【原创】pycharm中 plt.imshow不显示图像

问题描述：在服务器上打开pycharm，importmatplotlib.pyplot as plt成功。但是在code中调用plt.imshow时代码报错“QXcbConnection: Failed to initialize XRandr”。解决过程：尝试了方法一：在importmatplotlib.pyplot as plt前加命令“ import matplotl...

转载 [转知乎] 2018计算机图形学研究报告

原文地址：https://zhuanlan.zhihu.com/p/42717450报告内容速览概述篇：计算机图形学概念 / 发展历史 / 中国计算机图形学发展/ 著名公司 技术篇：计算机图形学总体框架 / 研究内容/ 相关技术算法 人才篇：领军人物 / 中坚力量/ 青年学者 会议篇：在各地举办的会议 应用篇：计算机图形学在各个领域的应用 趋势篇：计算机图形学的发展趋势...

转载 [转知乎]数据可视化：你想知道的经典图表全在这

数据可视化：你想知道的经典图表全在这原文地址：https://zhuanlan.zhihu.com/p/24168144本文是《如何快速成为数据分析师》的第四篇教程，如果想要了解写作初衷，可以先行阅读七周指南。温馨提示：如果您已经熟悉数据可视化，大可不必再看这篇文章，或只挑选部分。Excel的课程告一段落，今天开始第二周的内容，数据可视化阶段。数据可视化是一个热门的概念，是分析师手...

转载 【转】关于caffe 卷积层中group参数的应用

原文地址：https://blog.csdn.net/liyuan123zhouhui/article/details/70858472caffe Convolution层的convolution_param参数字典中有一个group参数，其意思是将对应的输入通道与输出通道数进行分组，比如输入数据大小为90x100x100x32 90是数据批大小 100x100是图像数据shape，32是通...

转载 【转】ReLU上的花样

原文地址：https://blog.csdn.net/xinzhangyanxiang/article/details/51419768 ReLU上的花样CNN出现以来，感觉在各个地方，即便是非常小的地方都有点可以挖掘。比如ReLU。ReLU的有效性体现在两个方面：克服梯度消失的问题加快训练速度而这两个方面是相辅相成的，因为克服了梯度消失问题，所以训练才会快。ReLU的起...

转载 【转】迁移学习技巧以及如何更好的finetune 模型

原文地址：https://blog.csdn.net/u014381600/article/details/71511794最近在finetune model的时候遇到了点问题，开贴记录一下。也算填自己踩过的坑。 文章参考翻译自cs231n 其实我们常用的直接finetune pre-trained model就属于迁移学习（Transfer Learning）的一种。因为我们很少在训练一...

原创 ubuntu14.04安装tensorflow+cuda8.0+cudnn5.1教程

记住在ubuntu14.04+cuda8.0+cudnn5.1的组合下，只能安装ensorflow1.0的版本。pip uninstall tensorflow-gpupip install tensorflow-gpu==1.0保证他强行安装1.0版本。

原创 【原创】如何解决python进程被kill掉后GPU显存不释放的问题

今早kill掉服务器里两个python进程，结果发现GPU的显存并没有被释放。在网上查了各种方法，最后搞定。这是进程被kill掉后显存依旧被占的情景：莫慌~试试以下几步：1 重新开一个shell，然后输入： ps aux|grep user_name|grep python。所有该用户下的python程序就会显示出来（很多在用watch命令都不会显示的进程在这里可以看到）；2 然后再一个个用kil...

转载 [转]为什么说未来的深度学习是小、轻、快

转自新智元https://mp.weixin.qq.com/s/iWrROs_IH9J67idOahBsGgWhy the Future of Machine Learning is Tiny当Azeem邀请我到CogX做演讲时，他希望我能把核心集中于引导用户思考的某一个点上。前几年，我的首要任务是让人们相信，深度学习是一场真正的革命，而不仅仅是一时的风尚，目前已经有足够多的例子可以证明这个观点。...

转载 【转】ReLU、LReLU、PReLU、CReLU、ELU、SELU

ReLULReLUPReLUCReLUELUSELUReLU tensorflow中：tf.nn.relu(features, name=None)LReLU(Leaky-ReLU)  其中aiai是固定的。ii表示不同的通道对应不同的aiai. tensorflow中：tf.nn.leaky_relu(features, alpha=0.2, name=None)PReLU 其中aiai是可以学...

转载 CNN中千奇百怪的卷积方式大汇总

2017.9.19 更新：补充了两个新的卷积工作：Deformable Convolution以及Squeeze_excitation Convolution，实现的demo样例我后续会贴出来。推荐另一篇很好的总结：变形卷积核、可分离卷积？卷积神经网络中十大拍案叫绝的操作。这篇总结很专业，并且很好的回答了评论中的疑问：Depthwise Separable Convolution就是卷积加grou...

转载 卷积神经网络中十大拍案叫绝的操作。

变形卷积核、可分离卷积？卷积神经网络中十大拍案叫绝的操作。Professor ho千亿个神经元的一份子/愿天下无BUG 关注他1,098 人赞了该文章CNN从2012年的AlexNet发展至今，科学家们发明出各种各样的CNN模型，一个比一个深，一个比一个准确，一个比一个轻量。我下面会对近几年一些具有变革性的工作进行简单盘点，从这些充满革新性的工作中探讨日后的CNN变革方向。注：水平所限，下面的见解...

转载 对抗自编码器：Adversarial Autoencoders

前一篇文章介绍了原始的GAN理论，包括后续提出的能够适用于更高分辨率的DCGAN在内，其模型本质都是训练一个生成器G，然后去不断欺骗一个也在实时更新的判别器D，虽然这个模型框架一定程度上非常好的解决了以往Generative Model需要非常多监督信息的弊端（例如Learning to Generate Chairs, Tables and Cars with Convolutional Net...

转载 Adversarial Autoencoders学习笔记

转载 【Tensorflow】tf.nn.atrous_conv2d如何实现空洞卷积？

tensorflow版本1.2.0，python2.7环境关于空洞卷积的理论可以查看以下链接，这里我们不详细讲理论：1.Long J, Shelhamer E, Darrell T, et al. Fully convolutional networks for semantic segmentation[C]. Computer Vision and Pattern Recognition, 2...

原创 学习Tensorflow很好的教学材料

网页（文字）：RNN LSTM的讲解  http://colah.github.io/posts/2015-08-Understanding-LSTMs/视频：周莫烦的一系列教学视频： https://www.youtube.com/channel/UCdyjiB5H8Pu7aDTNVXTTpcg以及他的网页：https://morvanzhou.github.io/ 持续更新中..........

转载 从零安装 Caffe (Ubuntu 14.04) Install Caffe in Ubuntu 14.04 from Scratch

Coldmooon's BlogHOMEABOUTCONTACT从零安装 Caffe (Ubuntu 14.04)Install Caffe in Ubuntu 14.04 from ScratchPosted by Coldmooon on August 3, 2015一、前言本文记录了在新安装的 ubuntu 14.04 系统下安装 caffe 的过程。这里主要参考了两个链接： 1) http...

转载 Padding，Kernel-size，stride关系公式

记录下公式，总忘记：像素宽度W，Padding size：P，Kernel size：K，Stride ： S，公式为Wn+1=(Wn+P∗2−K)/S+1

转载 深度学习平台搭建笔记（我的TANTI-XP）

深度学习平台搭建安装顺序：(注意相关版本兼容问题参考官网) ubuntu14.04  ssh（Xshell 5， WinSCP，Xmanager）   Nvidia  CUDA8.0(cudnn5.1) (caffe, tensorflow, keras) 1.       python(anaconda)+ tensorflow + keras + pycharm2.    opencv + m...

原创 连接远程linux机器时无法使用matlab gui的解决方案

我的解决方案因为我是通过X manager来操作的，所以在现在shell里右击对应要连接的服务器的“属性”之后进入SSH点亮（它默认是不允许的）“转发X11链接到”。然后就好了。网上解决方案 用ssh连接romate linux之后要打开matlab的界面.却得到warning: No display specified.的警告虽然每个linux都是可以打开matlab界面的.但是需要使用界面的程...

转载 l0-Norm, l1-Norm, l2-Norm, … , l-infinity Norm

I’m working on things related to norm a lot lately and it is time to talk about it. In this post we are going to discuss about a whole family of norm.What is a norm?Mathematically a norm is a total si...

原创 在caffe中调用python层的问题和解决方案

之前很早以前在caffe中用过python写的loss layer，很久不用后在新的服务器上使用就各种“No module named WeightedEuclideanLossLayer2”（注：WeightedEuclideanLossLayer2.py是我的loss层 ）这个问题的解决分成两大块。1 就WeightedEuclideanLossLayer2.py文件而言因为说“No modu...

转载 拉格朗日乘数法

原文出处：http://www.cnblogs.com/maybe2030/p/4946256.html阅读目录1. 拉格朗日乘数法的基本思想2. 数学实例3. 拉格朗日乘数法的基本形态4. 拉格朗日乘数法与KKT条件　　拉格朗日乘数法（Lagrange Multiplier Method）之前听数学老师授课的时候就是一知半解，现在越发感觉拉格朗日乘数法应用的广泛性，所以特意抽时间学习了麻省理工学...

转载 Majorization-Minimization优化框架

版权声明：本文为博主原创文章，转载请注明出处，谢谢！ http://blog.csdn.net/jbb0523/article/details/52134630题目：Majorization-Minimization优化框架        Majorization-Minimization优化框架在各类算法中是很常见的，而且这个思想其实也很容易理解，简单点说，只需文献【1】中的三页PPT即可：  ...

转载 论文笔记-Two-Stream Convolutional Networks for Action Recognition in Videos

原文地址：http://blog.csdn.net/lk274857347/article/details/73559112论文贡献：提出了结合空域和时域网络的two_stream卷积网络结构。验证了即使在较小规模的训练数据集上，在多帧稠密光流上训练的卷积神经网络可以获得非常好的性能。展示了多任务学习(multiple learning)，应用于不同的运动分类数据集，可以同时提升数据集的规模和检测...

转载 论文笔记——（有源码）Real-time Action Recognition with Enhanced Motion VectorCNNs

原文地址：http://blog.csdn.net/AUTO1993/article/details/78315175行为识别阅读笔记（paper+code）：Real-time Action Recognition with Enhanced Motion VectorCNNs这篇文章是发表在CVPR2016上的一篇文章，这篇文章主要是对双流法进行了改进，双流法的诟病就是采用optimal fl...

转载 论文笔记-《Towards Good Practices for Very Deep Two-Stream ConvNets》

原文地址:http://blog.csdn.net/lk274857347/article/details/77645586作者信息：Limin Wang, Yuanjun Xiong, Zhe Wang, Yu Qiao,摘要深度卷积神经网络在静止图像的目标识别取得了巨大的成功，但是在视频的行为识别领域，深度学习提升的效果并不是很显著，主要的原因有两点：相对于图像识别，视频的行为识别所使用的卷积...

转载 如何理解深度学习中的卷积？

原文地址： http://www.yangqiu.cn/aicapital/2382000.html译自Tim Dettmers的Understanding Convolution in Deep Learning。有太多的公开课、教程在反复传颂卷积神经网络的好，却都没有讲什么是“卷积”，似乎默认所有读者都有相关基础。这篇外文既友好又深入，所以翻译了过来。文章高级部分通过流体力学量

转载 Deep learning基于theano的keras学习笔记（1）-Sequential模型

《统计学习方法》中指出，机器学习的三个要素是模型，策略和优算法，这当然也适用于深度学习，而我个人觉得keras训练也是基于这三个要素的，先建立深度模型，然后选用策略（目标函数），采用优化器，编译和训练模型。Sequential模型，顾名思义，就是多个网络层的线性堆叠 建立模型有两种方式：一是向layer添加list的方式，二是通过.add()方式一层层添加（一个add为一层），具体可见

转载 python中的argparse模块(参数解析)

import argparseparse = argparse.ArgumentParser()parse.add_argument("a", help="params means")parse.add_argument("-C", "--gc", default="count")parse.add_argument("--ga", help="params means ga",d

转载 三种循环神经网络(RNN)算法的实现(From scratch、Theano、Keras)

原文地址：http://blog.csdn.net/clayanddev/article/details/53947012 前言跳过废话，直接看正文经过一段时间的学习，我初步了解了RNN的基本原理和实现方法，在这里列出三种不同的RNN实现方法，以供参考。RNN的原理在网上能找到很多，我这里就不说了，说出来也不会比那些更好，这里先推荐一个RNN教程，讲的很好，四个po

转载 关于python 中的__future__模块（from __future__ import ***）

今天在学习目标检测的Python接口代码是，对于image检测的Python的第一行便出现了：from __future__ import print_function。经过查找，原来这是为了在老版本的Python中兼顾新特性的一种方法。具体地，如下：从python2.1开始以后, 当一个新的语言特性首次出现在发行版中时候, 如果该新特性与以前旧版本python不兼容, 则该特性将

转载 caffe常用层的参数设置说明

package caffe;       前面几个比较基础不介绍了，关于caffe blob一些介绍，还有一些数据输入的参数介绍就不介绍了这里酒介绍一些常用到的和比较新的层的参数设置参数。如需转载，请注明转载自：http://blog.csdn.net/mxs30443/article/details/53694695FillerParameter：     

转载 Caffe下卷积神经网络（CNN）中的一些特殊层

Batch Normalization意义： 网络训练时，用来加速收敛速度提醒： 已经将BN集成为一个layer了，使用时需要和scale层一起使用训练的时候，将BN层的use_global_stats设置为false； 测试的时候将use_global_stats设置为true，不然训练的时候会报“NAN”或者模型不收敛 – 师兄的经验，我还没试验过用法： 详见 残差神经网络

转载 深度学习：识别图片中的电话号码

自动识别图片中电话号码，也可以推广到识别字符串，英文等。---识别--->“18811610168”当然，背景会有干扰（自然环境），字体也更多变。要求：全对识别，人工修正的成本过高，如果有一位识别错误，人工修正还不如重新输入方便（人工输入可以支持语音识别的）。保证85%以上的数据是可以全对识别的，最好返回全对识别的概率。当然对于电话号码业务，根据识别的文本结

转载 一文搞懂LSTM 网络

循环神经网络(RNN)人们的每次思考并不都是从零开始的。比如说你在阅读这篇文章时，你基于对前面的文字的理解来理解你目前阅读到的文字，而不是每读到一个文字时，都抛弃掉前面的思考，从头开始。你的记忆是有持久性的。传统的神经网络并不能如此，这似乎是一个主要的缺点。例如，假设你在看一场电影，你想对电影里的每一个场景进行分类。传统的神经网络不能够基于前面的已分类场景来推断接下来的

转载 [转]pycharm ImportError: No module named caffe

安装好caffe后，将caffe/python的路径添加到用户环境变量~/.bashrc中：export PYTHONPATH=/home/dumengnan/caffe-master/python1然后输入sudo ldconfig确认，原以为可以开开心心地在python中调caffe了。看来还是图样图森破呀，在pycharm中import caffe时，一直出现下面的错误：

转载 One by One [ 1 x 1 ] Convolution - counter-intuitively useful

One by One [ 1 x 1 ] Convolution - counter-intuitively usefulWhenever I discuss or show GoogleNet architecture, one question always comes up - "Why 1x1 convolution ? Is it not redundan

转载 来自西弗吉利亚大学li xin整理的CV代码合集（转）

http://blog.csdn.net/shuzfan/article/details/44592599 [-]Image denoisingImage codingImage demosaicingImage interpolation and SuperresolutionRGBD image processingImage segmentationparsi

转载 ＨＭ的下载简单配置

原文地址：http://blog.csdn.net/qq_21747841/article/details/73188782看到的文章里有关于ＨＭ配置的文章，但不是非常具体，刚开始我看的时候非常困扰，这里我总结一下ＨＭ的下载。 首先是ＳＶＮ：https://tortoisesvn.net/downloads.html　　ＳＶＮ是下载ＨＭ的工具 然后打开HM的下载页面：h