04 2018 档案

摘要:先说定义:batch normalization字面意思就是批量标准化。在每次SGD时。在activation前,对mini-batch做规范化操作,使得结果的均值为0,方差为1. 阅读全文
posted @ 2018-04-26 19:55 在下小白 阅读(243) 评论(0) 推荐(0)
摘要:报错信息: OP_REQUIRES failed at assign_op.h:111 : Resource exhausted: OOM when allocating tensor with shape[3,3,384,384] and type float on /job:localhost/ 阅读全文
posted @ 2018-04-26 19:08 在下小白 阅读(5846) 评论(1) 推荐(1)
摘要:def onehot(labels): '''one-hot 编码''' #数据有几行输出 n_sample = len(labels) #数据分为几类。因为编码从0开始所以要加1 n_class = max(labels) + 1 #建立一个batch所需要的数组,全部赋0. onehot_lab 阅读全文
posted @ 2018-04-26 11:35 在下小白 阅读(3083) 评论(0) 推荐(1)
摘要:如上贴出了:错误信息和错误代码。 这个问题困扰了自己两天,报错大概是说输入的数据和接受的格式不一样,不能作为tensor。 后来问了大神,原因出在tf.reshape(),因为网络训练时用placeholder定义了输入格式,所以输入不能用tensor,而tf.reshape()返回结果就是一个te 阅读全文
posted @ 2018-04-25 18:59 在下小白 阅读(6559) 评论(0) 推荐(0)
摘要:安装好了tensorflow-gpu版本,然后程序中写好了 with tf.device('/gpu:0'): 但是python3 .py程序时还是有错误。 报错为: 2018-04-24 12:58:02.460531: I tensorflow/core/platform/cpu_feature 阅读全文
posted @ 2018-04-24 21:28 在下小白 阅读(12704) 评论(0) 推荐(1)
摘要:《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》,这篇paper提出了空间金字塔池化。 之前学习的RCNN,虽然使用了建议候选区域使得速度大大降低,但是对于超大容量的数据,计算速度还有待提高 阅读全文
posted @ 2018-04-11 10:26 在下小白 阅读(3880) 评论(0) 推荐(0)
摘要:最近在学习RCNN,对于Bounding-Box(BB)regression能够提高边界框的精确度,对于其内容产生了很大兴趣。 主要内容学习自大神博客:https://blog.csdn.net/bixiwen_liu/article/details/53840913 侵删 这张图很有代表性,红色r 阅读全文
posted @ 2018-04-10 16:42 在下小白 阅读(404) 评论(0) 推荐(0)
摘要:一摘要: 两个主要工作:1将cnn和自上而下的区域提案结合进行定位和对象分割;2当训练数据稀缺时,先预训练然后微调。 rccn工作分为四步:1输入一张图片 2用selective search算法对每张图片产生2000张自下而上的候选目标区域 3用cnn对每一个候选区域提取深度特征(因为候选区域大小 阅读全文
posted @ 2018-04-09 22:39 在下小白 阅读(940) 评论(0) 推荐(0)