Lv.的博客
上一页 1 ··· 9 10 11 12 13 14 15 16 17 ··· 190 下一页
摘要: 原文:https://medium.com/@karan_jakhar/keras-vs-pytorch-dilemma-dc434e5b5ae0 作者:Karan Jakhar 前言 上一篇2020年计算机视觉学习指南 介绍了两种深度学习框架--Keras 和 PyTorch ,这篇文章的作者就对 阅读全文
posted @ 2020-12-24 20:02 Avatarx 阅读(1382) 评论(0) 推荐(0)
摘要: Colab是google最近推出的一项Python在线编程的免费服务, 有了它,不学Python编程的理由又少了一个 Colab环境已经集成了流行的深度学习框架Tensorflow,并附赠了一个虚拟机(40GB硬盘+2*2.30GHZ CPU+12.72GB内存),如果在国内无法访问google的服 阅读全文
posted @ 2020-12-24 19:49 Avatarx 阅读(881) 评论(0) 推荐(0)
摘要: Keras是一个由Python编写的开源人工神经网络库,可以作为Tensorflow、Microsoft-CNTK和Theano的高阶应用程序接口,进行深度学习模型的设计、调试、评估、应用和可视化 [1] 。 Keras在代码结构上由面向对象方法编写,完全模块化并具有可扩展性,其运行机制和说明文档有 阅读全文
posted @ 2020-12-24 19:43 Avatarx 阅读(765) 评论(0) 推荐(0)
摘要: Python的脚本文件是开源的,量化策略的安全性没有保障。因此需要保护源码。那么要对Python代码进行混淆、加密保护。 混淆代码,我准备使用pyminifier。而加密处理,就比较麻烦。 Python有py、pyc、pyw、pyo、pyd等文件格式。 其中,pyc是二进制文件。但很容易被反编译。 阅读全文
posted @ 2020-12-23 21:11 Avatarx 阅读(5698) 评论(0) 推荐(0)
摘要: 这篇论文是CVPR2017年的文章,采用特征金字塔做目标检测,有许多亮点,特来分享。 论文:feature pyramid networks for object detection论文链接:https://arxiv.org/abs/1612.03144 论文概述: 作者提出的多尺度的object 阅读全文
posted @ 2020-12-23 20:27 Avatarx 阅读(1551) 评论(0) 推荐(0)
摘要: Focal loss主要是为了解决one-stage目标检测中正负样本比例严重失衡的问题。该损失函数降低了大量简单负样本在训练中所占的权重,也可理解为一种困难样本挖掘。 目标识别有两大经典结构: 第一类是以Faster RCNN为代表的两级识别方法,这种结构的第一级专注于proposal的提取,第二 阅读全文
posted @ 2020-12-23 20:07 Avatarx 阅读(582) 评论(0) 推荐(0)
摘要: 目录 Focal Loss for Dense Object Detection Intro Problems Loss Trick RetinaNet Detector OHEM Code Focal Loss for Dense Object Detection Intro 这又是一篇与何凯明大 阅读全文
posted @ 2020-12-23 08:29 Avatarx 阅读(158) 评论(0) 推荐(0)
摘要: https://pjreddie.com/darknet/imagenet/ ImageNet Classification You can use Darknet to classify images for the 1000-class ImageNet challenge. If you ha 阅读全文
posted @ 2020-12-23 07:53 Avatarx 阅读(105) 评论(0) 推荐(0)
摘要: https://blog.csdn.net/u010122972/article/details/83541978 优点Darknet是一个比较小众的深度学习框架,没有社区,主要靠作者团队维护,所以推广较弱,用的人不多。而且由于维护人员有限,功能也不如tensorflow等框架那么强大,但是该框架还 阅读全文
posted @ 2020-12-23 07:51 Avatarx 阅读(1330) 评论(0) 推荐(0)
摘要: 产生式模型(Generative Model)与判别式模型(Discrimitive Model)是分类器常遇到的概念,它们的区别在于: 对于输入x,类别标签y: 产生式模型估计它们的联合概率分布P(x,y) 判别式模型估计条件概率分布P(y|x) 产生式模型可以根据贝叶斯公式得到判别式模型,但反过 阅读全文
posted @ 2020-12-13 14:01 Avatarx 阅读(349) 评论(0) 推荐(0)
上一页 1 ··· 9 10 11 12 13 14 15 16 17 ··· 190 下一页