随笔分类 -  深度学习

计算机视觉中的注意力机制总结
摘要：一、背景 最早图像领域，后面应用到NLP领域 人类视觉注意力机制，扫描全局图像，获得重点关注区域，投入更多经历，抑制其它无用信息，提高视觉信息处理的效率与准确性。 在深度神经网络的结构设计中，attention所要分配的资源基本上就是权重了。 视觉注意力分为几种，核心思想是基于原有的数据找到其之间的 阅读全文
posted @ 2020-09-16 02:27 eo_will 阅读(16227) 评论(0) 推荐(2)
PyTorch教程 | 1 图片数据建模流程范例
摘要：构建数据流程是实践过程中核心环节。熟悉pipeline的的构建过程，有助于理解不同代码的结构，也是实现自主创建网络的第一步。 使用Pytorch实现神经网络模型的一般流程包括：1，准备数据 2，定义模型 3，训练模型 4，评估模型 5，使用模型 6，保存模型。 1- 数据加载 在Pytorch中构建 阅读全文
posted @ 2020-08-23 16:11 eo_will 阅读(1080) 评论(-1) 推荐(0)
PyTorch简明教程 | 3-迁移学习实例
摘要：from __future__ import print_function, division import torch import torch.nn as nn import torch.optim as optim from torch.optim import lr_scheduler im 阅读全文
posted @ 2020-08-22 18:41 eo_will 阅读(549) 评论(0) 推荐(0)
PyTorch简明教程 | 2-CNN定义和训练
摘要：##训练分类器 import torch import torchvision import torchvision.transforms as transforms import torch.nn as nn import torch.nn.functional as F #1- 加载和预处理数据 阅读全文
posted @ 2020-08-22 18:39 eo_will 阅读(509) 评论(0) 推荐(0)
PyTorch简明教程 | 1-基础操作和CNN简介
摘要：from __future__ import print_function import torch ##1 基本操作 #构建tensor x = torch.empty(5, 3) x = torch.rand(5, 3) x = torch.zero(5, 3, dtype=torch.long 阅读全文
posted @ 2020-08-22 18:37 eo_will 阅读(387) 评论(0) 推荐(1)
PyTorch | 模型加载/参数初始化/Finetune
摘要：一、模型保存/加载 1.1 所有模型参数 训练过程中，有时候会由于各种原因停止训练，这时候我们训练过程中就需要注意将每一轮epoch的模型保存(一般保存最好模型与当前轮模型)。一般使用pytorch里面推荐的保存方法。该方法保存的是模型的参数。 对应的加载模型方法为(这种方法需要先反序列化模型获取参 阅读全文
posted @ 2019-08-06 20:25 eo_will 阅读(4048) 评论(0) 推荐(0)
PyTorch | 项目结构解析
摘要：在学习和使用深度学习框架时，复现现有项目代码是必经之路，也能加深对理论知识的理解，提高动手能力。本文参照相关博客整理项目常用组织方式，以及每部分功能，帮助更好的理解复现项目流程，文末提供分类示例项目。 1 项目组织 在做深度学习实验或项目时，为了得到最优的模型结果，中间往往需要很多次的尝试和修改。一 阅读全文
posted @ 2019-08-06 19:51 eo_will 阅读(5439) 评论(0) 推荐(1)
基于深度学习的目标检测综述
摘要：导言 随着深度学习和计算机视觉的快读发展，相关技术已经在诸多领域广泛应用。目标检测（Object Detection）作为图像理解中的重要一环，其任务是找出图像中所有感兴趣的目标（物体），确定它们的位置和大小，是机器视觉领域的核心问题之一。 1 什么是目标检测 目标检测的任务是找出图像中所有感兴趣的 阅读全文
posted @ 2019-06-16 18:03 eo_will 阅读(22443) 评论(0) 推荐(5)
贝叶斯深度学习-概述
摘要：一、背景 1.1 深度神经网络 深度神经网络是连接主义系统，通过它通过学习例子来完成任务，而不需要事先了解这些任务。它们可以很容易地扩展到数百万个数据点，并且可以通过随机梯度下降进行优化。 CNN是DNN的变体，能够适应各种非线性数据点。起始层学习更简单的特征，如边和角，后续层学习复杂的特征，如颜色 阅读全文
posted @ 2019-03-07 20:37 eo_will 阅读(7082) 评论(2) 推荐(0)