- 博客(185)
- 收藏
- 关注
RSS订阅原创 神经网络训练多个epoch，写论文的时候可以取最好的效果那一个epoch作为结果吗？
论文中一般都是用在**验证集上效果最好的模型去预测测试集，多次预测的结果取平均计算准确率或者mAP值而不是单纯的取一次最好的结果作为论文的结果。**如果你在写论文的过程中，把测试集当做验证集去验证的话，这其实是作假的，建议不要这样，一旦有人举报或者复现出来你的结果和你论文中的结果相差很大的话，是会受到很大处分的。我之前曾遇到过这种情况，我在图像分类的过程中曾经用过CutMix增强方式，CutMix其实就是将两张图片放在一起，如下图所示，这种结果会造成验证集上准确率很大的波动，可能一会儿变成99%，一会儿变
2021-11-20 11:41:55
21965
9
原创 用神经网络进行图像分类时，为什么输出层的神经单元数量要跟分类数相同？
1.卷积层和FC层的简单理解全连接层（FC）在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。在实际使用中，全连接层可由卷积操作实现：对前层是全连接的全连接层可以转化为卷积核为1x1的卷积；而前层是卷积层的全连接层可以转化为卷积核为hxw的全局卷积，h和w分别为前层卷积结果的高和宽。2.最后一层FC在上面的讲解中我们可能对FC有了一些简单的理解，在对图像分类中FC的作用
2021-11-20 11:34:00
13427
6
原创 如何理解CNN中的感受野（receptive-field）以及如何计算感受野？
本文转载自博客园用户@shine-lee的彻底搞懂感受野的含义与计算。1. 感受野（Receptive-Field, RF）是什么？The receptive field is defined as the region in the input space that a particular CNN's feature is looking at (i.e. be affected by). 来自A guide to receptive field arithmetic for Convolutiona
2021-09-03 10:30:57
13868
原创 Pytorch：生成随机数种子，torch.mamual_seed()、torch.cuda.manual_seed()、torch.cuda.manual_seed_all()解析
前言在神经网络中，参数默认是进行随机初始化的。如果不设置的话每次训练时的初始化都是随机的，导致结果不确定。如果设置初始化，则每次初始化都是固定的。实际上，计算机并不能产生真正的随机数，而是已经编写好的一些无规则排列的数字存储在电脑里，把这些数字划分为若干相等的N份，并为每份加上一个编号，编号固定的时候，获得的随机数也是固定的。使用原因：在需要生成随机数据的实验中，每次实验都需要生成数据。设置随机种子是为了确保每次生成固定的随机数，这就使得每次实验结果显示一致了，有利于实验的比较和改进。解析为CP
2021-08-10 14:39:29
12811
原创 Pytorch的nn.DataParallel详细解析
前言pytorch中的GPU操作默认是异步的，当调用一个使用GPU的函数时，这些操作会在特定设备上排队但不一定在稍后执行。这就使得pytorch可以进行并行计算。但是pytorch异步计算的效果对调用者是不可见的。但平时我们用的更多其实是多GPU的并行计算，例如使用多个GPU训练同一个模型。Pytorch中的多GPU并行计算是数据级并行，相当于开了多个进程，每个进程自己独立运行，然后再整合在一起。device_ids = [0, 1]net = torch.nn.DataParallel(net,
2021-08-04 20:58:53
24054
3
转载 旷视重磅开源YOLOX：新一代实时目标检测网络，超越现有一切YOLO！
本文首发于极市平台，作者：@Happy，转载须经授权并注明来源前言本文是旷视科技在目标检测方面的最新技术总结，同时也是CVPR2021自动驾驶竞赛冠军方案的技术总结。本文将近两年来目标检测领域的各个角度的优秀进展与YOLO进行了巧妙地集成组合(比如解耦头、数据增广、标签分配、Anchor-free机制等)得到了YOLOX，性能取得了大幅地提升，同时仍保持了YOLO系列一贯地高效推理。此外值得一提的是，YOLO系列终于又回到了Anchor-free的怀抱，不用费劲心思去设计anchor了。YOL.
2021-07-21 20:50:15
12639
原创 ImportError: numpy.core.multarray failed to import
造成这种现象的主要原因是因为版本不匹配的原因，比如torch和numpy的版本不匹配。解决方案，卸载numpy，重新安装即可：conda uninstall numpyconda install numpy
2021-07-20 19:40:42
11915
2
原创 配置远程运行后提示，/usr/bin/python: can‘t open file ‘xxxx‘: [Errno 2] No such file or directory
这个就很奇怪，明明解释器、tools->Deployment都配置好了，并且检查远程和本地两边的目录都有文件，为什么还会出现这个错误呢？？？其实是这样的，在Settings->Project Interpreter 里面这个Path在我关闭掉之后居然空了。于是出现了以下错误：直接加上我的项目路径，问题解决：参考文献【Pycharm踩坑记录】配置远程运行后提示，[Errno 2] No such file or directory...
2021-07-20 19:33:59
19669
4
原创 ClobberError: The package ‘xxx‘ cannot be installed due to a path collision for ‘xx‘ This path alre
原始链接：https://stackoverflow.com/questions/51217876/conda-update-anaconda-fails-clobbererror?newreg=2c51dd84b04b42c49294714471612f07造成这种问题的原因是conda和pip等相关包的版本太低了，自动更新不能用，解决方案，在命令行中输入以下命令：conda clean --allconda update --all...
2021-07-20 19:20:08
16438
1
原创 Ubuntu安装pycharm专业版方法
下载pycharm的安装包，地址为https://www.jetbrains.com/pycharm/download/#section=linux可以直接右击文件=>提取到此处进行解压缩解压好后打开终端设备，输入命令:sudo mv /home/wusaifei/Soft/pycharm-professional-2018.2.4/pycharm-2018.2.4 /opt将pycharm解压包移动到opt文件夹下，然后在终端设置中输入命令对pycharm文件夹付权限sudo chmo
2021-07-19 20:02:41
15834
1
原创 Pycharm专业版安装详细教程！
Pycharm官网地址（下载）：https://link.zhihu.com/?target=https%3A//www.jetbrains.com/pycharm/download/other.html有各种不同版本的Pycharm供下载，本文选择Pycharm专业版下载，建议下载2020.1.5版本.安装教程下载完成之后，就按照步骤开始安装了，点击Next：我选择安装在F盘，因为C盘太占用空间了，会比较卡，点击Next:一定要选着添加到环境变量中，不然后面还要手动配置环境变量，比较麻烦,
2021-07-19 19:52:40
30787
转载 一行代码提升卷积神经网络的计算效率，加速神器torch.backends.cudnn.benchmark
大家在训练深度学习模型的时候，经常会使用 GPU 来加速网络的训练。但是说起 torch.backends.cudnn.benchmark 这个 GPU 相关的 flag，可能有人会感到比较陌生。在一般场景下，只要简单地在 PyTorch 程序开头将其值设置为 True，就可以大大提升卷积神经网络的运行速度。既然如此神奇，为什么 PyTorch 不将其默认设置为 True？它的适用场景是什么？为什么使用它可以提升效率？答案就在本文之中。前言在说 torch.backends.cudnn.benchm.
2021-07-16 22:48:50
12754
原创 Python中计算程序的运行时间
方法1import datitimestart = datetime.datetime.now()# 程序代码段运行end = datetime.datetime.now()print(end-start)运行结果显示：0:00:00.000012方法2import timestart = time.time()# 程序代码段运行end = time.time()print(end-start)运行结果显示：9.5367431640625e-07方法3import
2021-07-16 16:07:59
20513
1
原创 图像去噪方法总结（最全，最详细），持续更新中......
前言图像降噪的英文名称是Image Denoising， 图像处理中的专业术语。是指减少数字图像中噪声的过程，有时候又称为图像去噪。噪声是图像干扰的重要原因。一幅图像在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生,也可能在量化等处理中产生。根据噪声和信号的关系可将其分为三种形式：(f(x, y)表示给定原始图像，g(x, y)表示图像信号，n(x, y)表示噪声。)加性噪声，此类噪声与输入图像信号无关，含噪图像可表示为f(x, y)=g(x, y)+n(x, y),信道噪声及光导摄像
2021-07-15 23:18:30
35875
6
原创 语义分割网络U-Net详解
论文：U-Net: Convolutional Networks for Biomedical Image Segmentation前言语义分割(Semantic Segmentation)是图像处理和机器视觉一个重要分支。与分类任务不同，语义分割需要判断图像每个像素点的类别，进行精确分割。语义分割目前在自动驾驶、自动抠图等领域有着比较广泛的应用。目前已经有不少其他好用的分割网络：Mask RCNN、DeepLabv3+、FCIS等。U-Net网络结构U-Net网络非常简单，前半部分（左边）.
2021-07-15 19:23:37
14891
原创 在Python中，查看torch、cuda和cudnn的版本
有的时候一个Linux系统中很多cuda和cudnn版本，根本分不清哪是哪，这个时候我们需要进入conda的虚拟环境中，查看此虚拟环境下的cuda和cudnn版本。在conda虚拟环境中安装cuda和cudnn。1. 查看torch版本import torchprint(torch.__version__)# 结果# 1.0.0a02. 查看cuda版本import torchprint(torch.version.cuda)# 结果# 9.0.1763. 查看cudnn版本.
2021-07-15 19:15:09
32533
1
原创 如何评价Google提出的MLP-Mixer：只需要MLP就可以在ImageNet上达到SOTA？
前言MLP-Mixer: An all-MLP Architecture for Vision是谷歌大脑的研究员（原ViT团队）在网络架构设计方面挖的新坑，它无需卷积、注意力机制，MLP-Mixer仅需MLP即可达到与CNN、Transformer相媲美的性能。比如，在JFT-300M数据集预训练+ImageNet微调后，所提Mixer-H/14取得87.94%的top1精度。MLP-Mixer这篇论文的创新点和不足首先我们先简单了解一下，MLP-Mixer这篇论文的创新点和不足：MLP-Mixer
2021-05-10 16:23:01
12812
7
原创 目标检测数据集MSCOCO详解
1. 前言介绍一下目标检测领域另外一个比较有名的数据集 MS COCO (Microsoft COCO: Common Objects in Context) .MSCOCO 数据集是微软构建的一个数据集，其包含 detection, segmentation, keypoints等任务。MSCOCO主要是为了解决detecting non-iconic views of objects（对应常说的detection）, contextual reasoning between objects and
2021-04-03 12:41:12
17629
转载 目标检测数据集PASCAL VOC详解
1. 前言PASCAL VOC挑战赛 （The PASCAL Visual Object Classes ）是一个世界级的计算机视觉挑战赛,PASCAL全称：Pattern Analysis, Statical Modeling and Computational Learning，是一个由欧盟资助的网络组织。很多优秀的计算机视觉模型比如分类，定位，检测，分割，动作识别等模型都是基于PASCAL VOC挑战赛及其数据集上推出的，尤其是一些目标检测模型（比如大名鼎鼎的R-CNN系列，以及后面的YOLO，S
2021-04-03 12:27:33
13090
1
原创 Python中的self详细解析
1. 前言我们总会在class里面看见self，但是感觉他好像也没什么用处，就是放在那里占个位子。如果你也有同样的疑问，那么恭喜你，你的class没学明白。所以，在解释self是谁之前，我们先明确几个问题：什么是class，什么是instance，什么是object？什么是method，什么是function？1.1 什么是class，什么是instance，什么是object？Class: 可以理解为一个组装工厂。假如我们要生产一个机器人，那我们先要搭个工厂吧。先确定：我们要先安装胳膊，再安装头，我们的小
2021-03-14 16:40:14
31395
6
原创 Pytorch 中的 forward理解
前言我们在使用Pytorch的时候，模型训练时，不需要调用forward这个函数，只需要在实例化一个对象中传入对应的参数就可以自动调用 forward 函数。class Module(nn.Module): def __init__(self): super().__init__() # ...... def forward(self, x): # ...... return xdata = ...... # 输入
2021-03-14 16:36:27
14274
原创 PyInstaller详解：将.py文件打包成exe文件
1. 安装本人系统是：Ubuntu16.04，python3.7。安装的pyinstaller =3.5, UPX=upx-3.95-amd64_linux.tar.xz。不安装对应版本的pyinstaller和UPX会一直打包不成功（亲测）。首先需要安装pyinstaller：pip install pyinstaller==3.5如果不安装UPX的话，会出现打包成exe失败：upx is not availible.之后需要下载UPX（Linux为例）：https://link.zhih
2021-01-08 11:59:21
12293
原创 Python：fileinput操作文件
fileinput模块提供了一个以行模型循环处理一个或多个文件内容的功能，它实现了对文件中行的“懒惰”迭代，读取时不需要把文件内容放入内存，这样可以提高程序的效率。fileinput模块中常用的函数有：fileinput.input()：返回能够用于迭代一个或多个文件中所有行的对象。fileinput.filename()：返回当前文件的名称。fileinput.lineno()：返回当前读取的行的数量（总得行数）。fileinput.isfirstline()：返回当前行，判断是否是文件的第一
2021-01-08 11:53:28
11972
原创 Python中read()、readline()和readlines()三者间的区别和用法
在python中读取文件常用的三种方法：f.read(), f.readline(), f.readlines()假设python.txt的内容如下所示：PythonHelloI am fine1.read([size])方法read([size])方法从文件当前位置起读取size个字节，若无参数size或为负，则表示读取至文件结束为止，它返回为字符串对象。with open("python.txt") as f: lines = f.read() print(lines.
2021-01-08 11:51:26
17085
1
原创 python中global和nonlocal用法的详细说明
1.前言第一，两者的功能不同。global关键字修饰变量后标识该变量是全局变量，对该变量进行修改就是修改全局变量，而nonlocal关键字修饰变量后标识该变量是上一级函数中的局部变量，如果上一级函数中不存在该局部变量，nonlocal位置会发生错误（最上层的函数使用nonlocal修饰变量必定会报错）。第二，两者使用的范围不同。global关键字可以用在任何地方，包括最上层函数中和嵌套函数中，即使之前未定义该变量，global修饰后也可以直接使用，而nonlocal关键字只能用于嵌套函数中，并且外层函数
2021-01-08 11:48:27
14452
原创 InceptionV3详细代码,带准确率和loss分析，以及ROC曲线（python）
from __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_functionimport timestart_time = time.time()import numpy as npimport matplotlib.pyplot as pltfrom keras.callbacks import Callback,ModelCheckpointfrom k
2021-01-08 11:42:18
12640
2
原创 Transformer模型详解（图解最完整版）
前言Transformer由论文《Attention is All You Need》提出，现在是谷歌云TPU推荐的参考模型。论文相关的Tensorflow的代码可以从GitHub获取，其作为Tensor2Tensor包的一部分。哈佛的NLP团队也实现了一个基于PyTorch的版本，并注释该论文。在本文中，我们将试图把模型简化一点，并逐一介绍里面的核心概念，希望让普通读者也能轻易理解。Attention is All You Need：Attention Is All You Need1.Trans
2021-01-08 11:39:47
24076
3
原创 python中闭包详解
闭包这个概念好难理解，身边朋友们好多都稀里糊涂的，稀里糊涂的林老冷希望写下这篇文章能够对稀里糊涂的伙伴们有一些帮助~请大家跟我理解一下，如果在一个函数的内部定义了另一个函数，外部的我们叫他外函数，内部的我们叫他内函数。**闭包：**在一个外函数中定义了一个内函数，内函数里运用了外函数的临时变量，并且外函数的返回值是内函数的引用。这样就构成了一个闭包。一般情况下，在我们认知当中，如果一个函数结束，函数的内部所有东西都会释放掉，还给内存，局部变量都会消失。但是闭包是一种特殊情况，如果外函数在结束的时候.
2021-01-08 11:17:06
11856
原创 Python中“if __name__==‘__main__‘:”详细解析
引言学过Java、C、C++的程序员应该都知道，每次开启一个程序，都必须写一个主函数作为程序的入口，也就是我们常说的main函数。如下所示， main()就是Java中的一个main函数。public class HelloWorld { public static void main(String[] args) { System.out.println("HelloWorld"); }}与Java、C、C++等几种语言不同的是，Python是一种解释型脚
2021-01-08 11:10:34
15917
原创 python：批量修改文件名，文件夹名
# -*- coding: utf-8 -*-import osimport random#设定文件路径path = r'C:\Users\AI\Desktop\0'ls = []# 对目录下的文件进行遍历for file in os.listdir(path): ls.append(file)# 按照顺序排序修改# ls.sort(key=lambda x: int(x[:-4]))# 随机打乱数据修改# random.shuffle(ls)name = 201f
2020-11-15 21:39:36
11981
原创 深度学习中学习率和batchsize对模型准确率的影响
本内容来自其他的人解析，参考链接在最后的注释。1. 前言目前深度学习模型多采用批量随机梯度下降算法进行优化，随机梯度下降算法的原理如下:n是批量大小(batchsize)，η是学习率(learning rate)。可知道除了梯度本身，这两个因子直接决定了模型的权重更新，从优化本身来看它们是影响模型性能收敛最重要的参数。学习率直接影响模型的收敛状态，batchsize则影响模型的泛化性能，两者又是分子分母的直接关系，相互也可影响，因此这一次来详述它们对模型性能的影响。2. 学习率如何影响模型性.
2020-11-07 23:40:27
28136
原创 将图像数据jpg,png等存储为npy/npz格式
前言将目录./Data/RSD19的19种图像数据的图像，按种类存储为npy/npz格式。RSD19的子目录为，每一个子目录下都有相应种类的图像。思路首先遍历根目录下所有子目录和其中的文件，将内容与label一起保存在numpy中。打乱顺序。输出四个npy/npz文件。于是可以写成下面两个函数。首先是一个辅助的函数, 用来返回label的。例如文件夹内容为Airport, Beach, 最后可以范围对应关系, {‘Airport’: 0, ‘Beach’: 1}。接下来就
2020-10-16 22:03:48
17652
17
原创 linux下安装多版本cuda和cudnn
前言随意切换cuda-8.0和cuda-10.1。查看cuda版本和cudnn版本查看cuda版本nvcc –V或者cat /usr/local/cuda/version.txt查看cudnn版本cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2那我们来看一下我现在的版本：cuda-10.1和cudnn-7.65切换版本首先需要我们安装好cuda和cudnn：cuda官网：https://develop
2020-10-07 22:23:11
14189
原创 YOLO：YOLOv1,YOLOv2,YOLOv3,TinyYOLO，YOLOv4,YOLOv5,YOLObile,YOLOF详解
YOLO系列是基于深度学习的回归方法。RCNN， Fast-RCNN，Faster-RCNN是基于深度学习的分类方法。YOLO官网：https://github.com/pjreddie/darknetgithub.comYOLO v.s Faster R-CNN1.统一网络:YOLO没有显示求取region proposal的过程。Faster R-CNN中尽管RPN与fast rcnn共享卷积层，但是在模型训练过程中，需要反复训练RPN网络和fast rcnn网络.相对于R-CNN系列的"看两眼"(候
2020-10-01 15:55:37
12670
原创 Matplotlib is currently using agg, which is a non-GUI backend, so cannot show the figure.
报错类型：Matplotlib is currently using agg, which is a non-GUI backend, so cannot show the figure.解决方案：加入以下语句：import matplotlib as mplimport matplotlib.pyplot as pltmpl.use(‘TkAgg’)但是我加入以后还是无法显示图片，原因在于mpl.use(‘TkAgg’)语句要在导入所有包之后即最后加。...
2020-08-19 16:27:58
12865
1
原创 YOLO系列：V1,V2,V3,V4简介
YOLO系列是基于深度学习的回归方法。RCNN， Fast-RCNN，Faster-RCNN是基于深度学习的分类方法。YOLO官网：https://github.com/pjreddie/darknetgithub.comYOLO v.s Faster R-CNN1.统一网络:YOLO没有显示求取region proposal的过程。Faster R-CNN中尽管RPN与fast rcnn共享卷积层，但是在模型训练过程中，需要反复训练RPN网络和fast rcnn网络.相对于R-CNN系列的"看两眼"(候
2020-06-26 20:26:05
14566
2
原创 anchor的简单理解
anchor的检测器大致分为：anchor_based、anchor_free。anchor-based类算法代表是fasterRCNN、SSD、YoloV2/V3等。anchor-free类算法代表是CornerNet、ExtremeNet、CenterNet、FCOS， YoloV1等。有一篇论文指出anchor_based和anchor-free方法的本质区别，就是如何定义正负样本。论文是ATSS（自适应训练的样本选择）：论文地址：Bridging the Gap Between Anchor-bas
2020-06-26 20:24:03
12845
原创 python笔记：conda和pypi源的配置
1. 环境变量的配置（conda）下面环境替换成自己的环境即可。1.1 windows将D:\anaconda\Scripts和D:\anaconda添加到环境变量中。1.2 linux打开：vim ~/.bashrc添加：export PATH=~/anaconda3/bin:$PATH 到~/.bashrc中然后：source ~/.bashrc或者一行代码即可：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simpl
2020-06-26 20:21:41
14524
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人