2019 年 7月随笔档案 - Manuel

摘要：https://www.cnblogs.com/coldyan/p/8403506.html 阅读全文

posted @ 2019-07-25 17:16 Manuel 阅读(171) 评论(0) 推荐(0)

损失函数

摘要：深度学习中常见的损失函数分为两种：分类损失和回归损失 Log loss即交叉熵损失：https://blog.csdn.net/google19890102/article/details/79496256 Focal Loss：设计理念：网络在学习的时候往往有大量的负样本（背景），这些样本相对容阅读全文

posted @ 2019-07-18 12:34 Manuel 阅读(196) 评论(0) 推荐(0)

RNN，LSTM

摘要：RNN： Vanilla Neural Network ：对单一固定的输入给出单一固定输出 Recurrent Neural Network:对单一固定的输入给出一系列输出（如：可边长序列），例：图片描述对可变尺寸输入给出单一固定输出，例：语句的情感分析，对视频（时间长度可变）做决策对可变尺寸输阅读全文

posted @ 2019-07-10 16:33 Manuel 阅读(252) 评论(0) 推荐(0)

定位、识别；目标检测，FasterRCNN

摘要：定位：针对分类利用softmax损失函数，针对定位利用L2损失函数（或L1、回归损失等）人关节点检测针对连续变量和离散变量需要采用不同种类的损失函数。识别：解决方案： 1.利用滑动窗口，框的大小和位置无法确定，目标检测需要巨大的计算量，pass 2.备选区域利用区域选择网络ROI，将RO 阅读全文

posted @ 2019-07-09 16:48 Manuel 阅读(1059) 评论(0) 推荐(0)

语义分割

摘要：语义分割：将图片的每个像素按照类别区分开，缺点是无法区分同类别实例语义分割的一些想法： 1.滑动窗口将每一个小窗口通过cnn分类，缺点是计算量非常大 2.全卷积网络：利用全是卷积层的网络来训练，通过填充保持图片的大小不变，最后分类得到语义分割后的图像，C为类别数量在深通道（如64，128，2 阅读全文

posted @ 2019-07-09 16:07 Manuel 阅读(650) 评论(0) 推荐(0)

model.train()和model.eval()

摘要：https://blog.csdn.net/ccbrid/article/details/80573253 阅读全文

posted @ 2019-07-06 15:05 Manuel 阅读(456) 评论(0) 推荐(0)

torch.max()

摘要：https://blog.csdn.net/Z_lbj/article/details/79766690 阅读全文

posted @ 2019-07-06 11:57 Manuel 阅读(115) 评论(0) 推荐(0)

pytorch 反向传播机制

摘要：https://blog.csdn.net/baidu_36161077/article/details/81435627 阅读全文

posted @ 2019-07-06 11:48 Manuel 阅读(289) 评论(0) 推荐(0)