- 博客(88)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 网络结构作用简介
主干网络的设计取决于任务的需求和模型的复杂程度，常见的主干网络包括ResNet、VGG、MobileNet等。Head（头部网络）： 头部网络通常连接到主干网络的输出，负责处理主干网络提取的特征，并生成最终的目标检测结果。综上所述，主干网络负责提取图像的特征，头部网络负责生成目标检测的结果，连接网络负责对主干网络特征进行整合和融合。在目标检测任务中，通常会采用一种常见的网络架构，即主干网络（backbone）、头部网络（head）和连接网络（neck）的组合。
2023-08-20 10:43:08
636
原创 神经网络的归一化（Normalization）和正则化（Regularization）总结
神经网络的归一化（Normalization）和正则化（Regularization）是神经网络优化中常用的技巧，可以提高模型的性能和稳定性。Batch Normalization（BN）：BN 是一种对神经网络中每个 Batch 进行幅员归一化的方法，可以增加模型的稳定性和收敛速度，提高模型的泛化性能。L2 正则化：将模型的权重进行 L2 正则化，可以使得模型的权重值尽可能地接近 0，从而达到模型平滑化的目的。以上是归一化和正则化的简单介绍和操作方法，实际应用中需要根据具体问题进行选择和优化。
2023-05-12 22:25:02
1209
1
原创 pytorch 优化器调度器
通常，优化器调度器作为一个单独的对象与优化器一起使用，每个优化器调度器都有自己的超参数和更新规则。动量调整优化器：这种优化器会根据梯度的变化情况自适应地调整学习率或者动量，以加速训练过程。固定学习率优化器：这种优化器不对学习率进行调整，使用固定的学习率进行训练。优化器调度器根据训练过程中的学习率、训练损失、验证损失等指标的变化自动调整超参数，从而使得模型的训练和验证效果更加稳定和高效。综上所述，不同的优化器调度器拥有不同的调整策略，根据任务需求和模型特点选择不同的优化器和调整策略可以更好地提升模型效果。
2023-05-06 18:46:18
597
原创 nn.Conv2d参数详解及输入特征图尺寸的计算
kernel_size：卷积核的大小，通常为正方形，可以是单个整数表示正方形大小，也可以是一个元组（tuple）表示不同宽度和高度的大小，如 (3, 5) 表示宽度为 3 个像素，高度为 5 个像素的卷积核；需要注意的是，卷积层的参数选择也会影响特征图的大小。比如，在使用大尺寸的卷积核进行卷积时，会使得特征图的尺寸减小，而使用小尺寸的卷积核则会使得特征图的尺寸增加。其中，W 表示输入特征图的宽度，H 表示输入特征图的高度，K 表示卷积核的大小，P 表示 padding 的大小，S 表示卷积核的步幅。
2023-05-06 16:24:51
7286
2
原创 grad_fn 属性的作用
在 PyTorch 中，计算图是动态构建的，即在执行每个操作时都会生成一个新的节点，将其连接到已有的节点上。在反向传播（backpropagation）过程中，计算图会被反向遍历，从输出张量（即目标张量）开始逐个计算每个张量的导数（即梯度）并保存在相应的张量中，最终得到整张图的梯度信息。属性，用于表示该张量是如何计算出来的（即其生成该张量的操作）。属性寻找每个张量的生成操作，并根据该操作的导数规则求出该张量在当前图结构下的梯度。属性为相应的操作，表明该张量依赖于其他张量生成。
2023-05-04 16:20:16
1318
原创 神经网络的归一化（Normalization）和正则化（Regularization）总结
最大-最小归一化：将数据线性缩放到 [0,1] 区间，具体公式为：$x_{norm} = \frac{x - x_{min}}{x_{max} - x_{min}}$，其中 $x_{max}$ 和 $x_{min}$ 分别是数据的最大值和最小值。神经网络的归一化（Normalization）和正则化（Regularization）是神经网络优化中常用的技巧，可以提高模型的性能和稳定性。L2 正则化：将模型的权重进行 L2 正则化，可以使得模型的权重值尽可能地接近 0，从而达到模型平滑化的目的。
2023-05-04 15:55:57
1157
原创 迁移学习 pytorch
在 PyTorch 中，由于 torchvision 库中已经内置了一些经典的预训练模型，因此我们可以通过简单的调用函数来实现迁移学习。这个迁移学习的教程只是一个基础的例子，实际上还有很多技巧可以提高模型性能，例如调整超参数、使用数据增强技术等。这里我们进行 10 轮训练（epoch），每轮训练使用一个 batch_size 等于 128 的训练集上的数据进行训练。这里，我们用一个全连接层代替了预训练模型最后的分类层，并使用交叉熵损失作为损失函数，使用随机梯度下降优化器进行模型训练。
2023-05-03 00:16:15
560
原创 损失函数和激活函数
1. 对于分类问题，常用的损失函数有交叉熵（Cross Entropy）、多类别交叉熵（Categorical Cross Entropy）、二元交叉熵（Binary Cross Entropy）等，可以根据类别数和标签类型进行选择；损失函数和激活函数都是神经网络中的核心组件，对于不同的任务和数据集，选择合适的损失函数和激活函数是非常重要的。因此，在选择损失函数和激活函数时，需要结合具体问题和实验结果进行选择和调整，以获得更好的性能表现。激活函数也是很灵活的，通常可以根据实验结果来选择。
2023-05-02 00:55:15
466
原创 【无标题】torch.optim.SGD参数详解
在训练过程中，我们使用optimizer.zero_grad()将梯度设置为0，然后使用model(inputs)得到模型输出，用损失函数计算输出和目标之间的误差，再用误差对模型参数进行反向传播，最后使用optimizer.step()更新参数。torch.optim.SGD是PyTorch中实现的Stochastic Gradient Descent(SGD)优化器，用于更新神经网络中的参数，以最小化损失函数，从而提高模型的精度。- lr：学习率（learning rate），控制每次参数更新的步长。
2023-05-01 20:57:10
2287
原创 Opencv模板OCR识别和卷积网络模型OCR识别
优点是速度较快，对于简单的字体、字号和背景干扰少的情况下准确率较高，且开发成本较低。卷积网络模型OCR识别则是基于深度学习的OCR识别方法，将图像作为深度学习模型的输入，通过神经网络进行训练和预测。优点是对于多种字体、字号和背景干扰多的情况下具有较高的准确率，且能够自适应不同场景。综上所述，如果需要识别多种字体、字号和背景干扰多的情况下，建议使用卷积网络模型OCR识别。如果需要快速开发、识别单一字体、字号且背景干扰少的情况下，则可以使用Opencv模板OCR识别。
2023-04-30 19:26:28
280
原创 PyTorch 的input[range(target.shape[0]), target] 表达式
然后，这个整数范围用于指定要获取的输入中的特定行, 即。张量中第一个维度的大小计算得出的整数范围。的张量，包含了输入张量中所有位置需要的值。张量第一维大小一样， 且包含输入张量(张量指定列，从而选取每行中的所需位置。)中所指定行所有的列。这样的表达式通常用于获取输入张量(其中每个值都是得到所需位置的结果。)中特定位置的值，其中 位置由。在 PyTorch 中，类似。最终会返回一个大小为。
2023-04-16 22:47:57
424
原创 torch.hub.load报错解决
设置 torch.hub._validate_not_a_forked_repo=lambda a,b,c: True即可。
2023-04-10 11:17:39
944
原创 模型训练时使用的 model.train() 和模型测试时使用的 model.eval()
这种模式适用于训练阶段，由于 Dropout 在每次迭代时随机关闭神经元，因此可以减少神经元之间的相互依赖，使得模型泛化能力更强。这种模式适用于测试阶段，在测试阶段，我们通常关注的是模型的输出结果，而不是模型内部的 Dropout 或 Batch Normalization 操作。因此，在测试阶段，我们需要关闭这些操作，并进行模型的前向计算和输出。将模型设置为测试模式。这样，我们就可以在测试过程中关闭梯度计算和 Batch Normalization 的运算，并保证测试数据和训练数据的统计特征相同。
2023-04-08 21:44:29
1916
原创 nn.Conv2d详解
注意，对于卷积操作，输入数据一般为四维张量，需要按照 batchsize × 通道数 × 高度 × 宽度的维度排列，这里 x 的大小为 (1, 3, 224, 224) 表示 batchsize 为 1，通道数为 3，输入图像的尺寸为 224x224。这里我们定义了一个输入通道数为 3，输出通道数为 32，卷积核大小为 3x3，步长为 1，边界填充数为 1 的卷积层。然后，我们定义了一个大小为 (1, 3, 224, 224) 的输入数据 x，执行前向计算得到输出 out。
2023-04-08 20:28:02
4294
原创 pytorch的no_grad()用法
方法是 PyTorch 中的一个上下文管理器，在进入该上下文管理器时禁止梯度的计算，从而减少计算的时间和内存，加速模型的推理阶段和参数更新。在推理阶段，只需进行前向计算，而不需要计算和保存每个操作的梯度。在参数更新时，我们只需要调整参数，并不需要计算梯度，而在训练阶段，需要进行反向传播以获取梯度，并对其进行参数更新。方法可以避免由于不必要的梯度计算而导致计算图占用过多的内存，从而降低了程序的性能。例如，以下代码将比其中不包含。
2023-04-08 15:12:44
1666
转载 backward 最好的解释
outputs : 函数的因变量，即需要求导的那个函数，在本例子中，为z，当然，他可以是一个tensor，也可以是几个tensor，如[tensor1,tensor2,tensor3...]inputs : 函数的自变量，在本例中，即对应的是[x,y]，他可以是一个tensor，也可以是几个tensor，如[tensor1,tensor2,tensor3...]grad_output : 这个参数和前面两种方法中的grad_tensors是同样的含义，当出现向量对向量求导的时候需要指定该参数。
2023-04-06 22:50:36
770
原创 目标检测算法
基于区域的目标检测算法主要分为两个阶段：生成区域和分类定位。其基本思想是在图像中选择一些可能包含目标的区域，然后对这些区域进行特征提取和目标分类，最后对目标的精确位置进行定位。在基于单阶段的目标检测算法中，网络可以直接从原始图像中预测目标的位置和类别，而不需要进行区域生成和分类定位等多个阶段的操作。总的来说，目标检测算法因其结构和算法原理不同，具有不同的优缺点和适用范围。目标检测算法可以分为两类：基于区域的目标检测算法和基于单阶段的目标检测算法。基于单阶段的目标检测算法。
2023-04-06 20:46:14
644
原创 提升卷积神经网络能够跨分辨率识别
为了让卷积神经网络能够跨分辨率识别，需要采用一些特殊的方法，增加模型的适应性和识别能力。根据实际应用情况选择合适的方法可以提高分类的准确度。
2023-04-06 17:31:15
564
原创 神经网络通常比 SIFT 更精确、更可靠!
神经网络通常比 SIFT 更精确、更可靠，尤其是在需要处理大量数据和覆盖更广泛的场景时。SIFT 是一种比较常见的图像解决方案，但在大规模应用和处理复杂数据集时可能表现不佳。
2023-04-06 16:47:09
364
原创 vue页面刷新及组件生命周期钩子函数的整理
beforeCreate（创建前）、created（创建后）、beforeMount(载入前)、mounted（载入后）、beforeUpdate（更新前）、updated（更新后）、beforeDestroy（销毁前）、destroyed（销毁后）对应的钩子函数是beforemount，在这一阶段，我们虽然依然得不到具体的DOM元素，但vue挂载的根节点已经创建，下面vue对DOM的操作将围绕这个根元素继续进行；mounted是平时我们使用最多的函数了，一般我们的异步请求都写在这里。.........
2022-08-31 10:39:46
9018
转载 JS遍历对象属性的7种方式
在有些开发场景下，可能需要获取一个对象的所有属性字段名，或者同时获取属性字段名和属性值，比如下面的一个普通的对象：}，属性值为，实际过程中的对象可能更加复杂，字段也会更多。对于遍历一个对象的属性，最容易想到的就是使用。...
2022-08-29 14:23:08
19923
转载 python网络编程调用recv函数完整接收数据的三种方法
最近在使用python进行网络编程开发一个通用的tcpclient测试小工具。在使用socket进行网络编程中，如何判定对端发送一条报文是否接收完成，是进行socket网络开发必须要考虑的一个问题。这里，简要介绍一下判别数据接收接收完成常用的三种方法： 1.基础数据接收法： 使用基础数据接收法时，当与服务socket断开连接时，会接收到空字符串。因此，可以根据此特点，在程序中加入循环，一直接收数据，直到数据发送端关闭socket连接。适用场景：客户端和服务器的链接为短链接（即一次socket
2022-03-13 18:14:54
2532
1
转载 python Socket 参数详解
Python提供了两个基本的 socket 模块。 第一个是 Socket，它提供了标准的 BSD Sockets API。 第二个是 SocketServer， 它提供了服务器中心类，可以简化网络服务器的开发。下面讲的是Socket模块功能1、Socket类型套接字格式：socket(family,type[,protocal])使用给定的地址族、套接字类型、协议编号（默认为0）来创建套接字。 socket类型 描述 ...
2022-03-11 10:22:41
6281
1
转载 element ui 表格自适应
由于项目的需求规定表格中的内容超出部分不能悬浮显示，要自适应宽，先element 表格的是不支持自适应的，经过搜索引用了基于 Element-UI 二次封装的支持自适应列宽的 table-column 列组件github link af-table-column安装npm install af-table-column在main.js引入import Vue from 'vue'import ElementUI from 'element-ui'//需要按需引入，先引入vue并引入elemen.
2022-03-08 00:28:55
451
原创 Django orm使用记录
以以下例子为基础做一些记录# -*- coding: utf-8 -*-from __future__ import unicode_literalsfrom django.db import models# Create your models here.#班级主表(一)class Clazz(models.Model): cno = models.AutoField(primary_key=True) cname = models.CharField(max_l.
2022-03-07 11:12:59
273
转载 Django中的事务操作
事务干货：https://zhuanlan.zhihu.com/p/93067082事务使用：https://www.cnblogs.com/oklizz/p/11240212.html 在写项目时，特别是view中，我们可能需要进行多个业务操作（不仅仅是操作sql）。比如说：在编辑case的接口，我需要对case对应的interface进行新增/修改/删除操作，以及对case进行更新操作；我需要这样实现：.
2022-03-06 21:02:47
534
原创 使用阿里巴巴IconFont的方法
第一步.注册登录https://www.iconfont.cn/collections/index?spm=a313x.7781069.1998910419.6第二步选择图标----创建项目---将图标添加到项目第3步生成代码第4步 拷贝代码：@font-face { font-family: 'iconfont'; /* project id 3221706 */ src: url(''); src: url('?#iefi...
2022-03-04 16:41:05
522
转载 javascript中set与get方法详解
其中get与set的使用方法：1、get与set是方法，因为是方法，所以可以进行判断。2、get是得到 一般是要返回的 set 是设置 不用返回3、如果调用对象内部的属性约定的命名方式是_age <script type="text/javascript"> var p = { name:"chen", work:function() { console.log("wording..."); ...
2022-02-24 11:45:17
1638
转载 vue项目中如何进行登录控制(为什么要使用to.matched)
1.vue项目当中通常都是通过设置routes配置项来控制路由跳转，例如设置routes:[ { path: '/cinema', redirect: '/page/cinema', component: BlankLayout, meta: { title: '影院' , requiresAuth: true} children: [ { path: '/cinema/plan', .
2022-02-24 11:28:52
311
转载 理由权限验证
router.addRoutes函数签名：router.addRoutes(routes: Array<RouteConfig>)动态添加更多的路由规则。参数必须是一个符合 routes 选项要求的数组。基本使用:const routes = [ { path: '/', name: 'Home', component: Home }]const router = new VueRouter({ routes})export defa.
2022-02-24 11:20:56
100
原创 非框架 js引用写法
1.html<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <meta http-equiv="X-UA-Compatible" content="ie=edge"> <tit.
2022-02-23 15:47:19
670
转载 基于axios的二次封装
/** * 封装请求 * @url: String 请求地址 * @method: String 请求方法 * @params: Object 请求参数 */export function request(url, method, params) { return new Promise((resolve, reject) => { axios({ method: method, url: url, .
2022-02-22 12:24:54
49
原创 js promise对象的使用说明，async,await
function log(time) { setTimeout(function(){ console.log(time) // resolve() }, time) } async function fun() { // await log(5000) // await log(10000) log(1000) console.log.
2022-02-22 11:51:40
452
转载 js async
JS中的async/await的用法和理解1、首先需要理解async 和 await的基本含义 async 是一个修饰符，async 定义的函数会默认的返回一个Promise对象resolve的值，因此对async函数可以直接进行then操作,返回的值即为then方法的传入函数复制代码// 0. async基础用法测试async function fun0() { console.log(1) return 1}fun0().then( x => { con.
2022-02-22 11:15:56
4970
转载 iOS自动化测试-WebDriverAgent
安装 homebrewhomebrew 是 Mac OS 下最优秀的包管理工具，没有之一。xcode-select --installruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"安装 python（本例中使用 python3）脚本语言 python 用来编写模拟的用户操作。brew install python3安装 libimo
2022-02-13 23:46:04
530
原创 router登录逻辑实现页面跳转
main.js文件中<br>router.beforeEach((to, from, next) => { NProgress.start() const token = localStorage.getItem('token');//login.vue组件请求成功保存属性 if(token==="true"){ //如果有就直接到首页咯 next(); } else { if(to.path=='/login'){ //如果是登录页.
2022-02-12 02:00:36
392
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人