上一页 1 ··· 8 9 10 11 12 13 14 15 16 ··· 19 下一页
摘要: 参考博客:https://blog.csdn.net/xiaoyezi_1834/article/details/50724875 使用Anjuta 我使用的是ubuntu18.04,安装命令: sudo apt-get install anjuta 安装完成后,启动,在命令窗口输入: anjuta 阅读全文
posted @ 2019-12-07 10:41 巨鹿王十二 阅读(230) 评论(0) 推荐(0)
摘要: 关于MXnet的介绍: MXNet: A flexible and efficient library for deep learning. 这是MXNet的官网介绍,“MXNet是灵活且高效的深度学习库”。 MXNet是主流的三大深度学习框架之一: TensorFlow:Google支持,其简化版 阅读全文
posted @ 2019-12-07 10:18 巨鹿王十二 阅读(1198) 评论(0) 推荐(0)
摘要: 官网教程:https://cmake.org/cmake/help/latest/guide/tutorial/index.html# 永远需要记住,第一手资料永远是重要的! A Basic Starting Point (Step 1) 一个简单的起点 对于一个简单的项目,一个三行的CMakeLi 阅读全文
posted @ 2019-12-07 09:32 巨鹿王十二 阅读(181) 评论(0) 推荐(0)
摘要: 参考博客:https://blog.csdn.net/u013139259/article/details/52143240 阅读全文
posted @ 2019-12-05 11:39 巨鹿王十二 阅读(159) 评论(0) 推荐(0)
摘要: 参考博客:https://www.cnblogs.com/Peyton-Li/p/7620266.html 模型小型化旨在保证模型效果不会明显下降的情况下降低模型的参数量,从而提高模型的运算速度。 以下是几种模型小型化的方法: 1、修改某些卷积层的num_output 其实很多模型的参数都有冗余,有 阅读全文
posted @ 2019-12-05 11:00 巨鹿王十二 阅读(452) 评论(0) 推荐(0)
摘要: 熟悉代码调用流程,可以在调试结束前显示代码图,操作位置: 比如开源的caffe_ocr的代码图: 阅读全文
posted @ 2019-12-04 16:41 巨鹿王十二 阅读(1125) 评论(1) 推荐(0)
摘要: Caffe是纯粹的C++/CUDA架构,支持命令行、Python和MATLAB接口;可以在CPU和GPU直接无缝切换: Caffe::set_mode(Caffe::GPU); Caffe的优势 1、上手快:模型与相应优化都是以文本形式而非代码形式给出 Caffe给出了模型的定义、最优化设置以及预训 阅读全文
posted @ 2019-11-30 11:32 巨鹿王十二 阅读(295) 评论(0) 推荐(0)
摘要: 本机配置cuda8.0使用的cudnn是下面要说的重点,vs2015,win10,1080Ti 下载了开源项目:https://github.com/senlinuc/caffe_ocr 编译的时候报错:caffe_ocr-master/src/caffe/layers/DenseBlock_lay 阅读全文
posted @ 2019-11-30 10:16 巨鹿王十二 阅读(840) 评论(0) 推荐(0)
摘要: 无意间想到的,有时间会补充内容。 还记得学线性代数时计算矩阵的特征值和特征向量,然后这个矩阵就可以用这个特征值和特征向量表示。 这样就可以理解成矩阵其实是多个向量拼在一起的,这样就可以将矩阵和向量建立联系。 特征值和特征向量其实就是寻求原向量组合的最简单表示,因为向量是可以分解和组合的。 为什么要用 阅读全文
posted @ 2019-11-30 09:38 巨鹿王十二 阅读(868) 评论(0) 推荐(0)
摘要: Linux调试: makefile中-g加上————编译 进入到可执行程序文件夹 1、gdb TestLinux(进入gdb模式) 2、l(查看当前代码) 3、b linenumber(设置断点) 4、r(执行) 5、s(逐步执行,进入函数) 6、回车(重复上一条命令) 7、print variab 阅读全文
posted @ 2019-11-28 12:32 巨鹿王十二 阅读(159) 评论(0) 推荐(0)
上一页 1 ··· 8 9 10 11 12 13 14 15 16 ··· 19 下一页