摘要：出错之后： https://github.com/open-mmlab/mmdetection/issues/1705#issuecomment-558044873 https://pytorch.org/get-started/previous-versions/ 注意2: pytorch，cud 阅读全文

摘要：版本查询： python版本：直接which python或者python进入界面查看； pytorch版本：进入python，import torch, torch.__version__ cudatoolkit版本（这里特指conda安装的那个cuda）：进入python，import torc 阅读全文

摘要：>>> torch.matmul(a,b)tensor([0., 0., 0., 0., 0., 0., 0., 0.]) 如果a是5,8维，报错。 例子2： >>> torch.matmul(b,a)tensor([0., 0., 0., 0., 0., 0., 0.]) 4) 高维情况 i）其中 阅读全文

摘要：# measure data loading time data_time.update(time.time() - end) input, target = input.cuda(), target.cuda() if i==2: def for_hook(module,input, output 阅读全文

摘要：1）在Makefile中400行左右， CXXFLAGS += -MMD -MP 改成：CXXFLAGS += -MMD -MP -std=c++0x,好像还改了不少地方，有的是 -std=c++11 NVCCFLAGS +=....改成NVCCFLAGS +=....-std=c++11（必有效） 阅读全文

摘要：https://cn.mathworks.com/matlabcentral/answers/294938-cannot-find-lmwgpu More specifically change the Makefile: Caffe Master Makefile line 519 阅读全文

摘要：GANs第一篇比较熟悉，不介绍。看看变种。 1） LAPGANs：金字塔，逐步优化生成图片（Deep Generative Image Models using Lapalacian Pyramid of Adversarial Networks），想法是，它将 GAN 的学习过程变成了“序列式” 阅读全文

摘要：1. 四部曲 1）forward; 2) 计算误差 ；3）backward; 4) 更新 eg: 1）outputs = net(inputs) 2）loss = criterion(outputs, labels) 3）loss.backward() 4）optimizer.step() 其中，每 阅读全文

摘要：0.迅速入门：根据上一个博客先安装好，然后终端python进入，import torch ************************************************************ 1.pytorch数据结构 1）初始化方式： eg1: 列表初始化： data = [- 阅读全文

摘要：1.安装conda 1）下载一个.sh文件：https://www.anaconda.com/download/#linux 2）sh xxx.sh这个文件，按提示点击下去 3）更新~/.bashrc: source ~/.bashrc 2.安装pytorch 1）到此路径安装：http://pyt 阅读全文

摘要：1.一开始是FaceNet 2.一个重要的改进：image-based, Ding etal. 3.对于样本挑选的改进： 1）hard samples: hard positive 和hard negative (In Defense of Triplet Loss for person Re-Id 阅读全文

摘要：（1）.prototxt中的输入表示一样，如 dim: 10 dim: 3 dim: 227 dim: 227 （2）代码喂入数据不一样： python: input_blob = np.zeros((config.batchsize, 3, config.crop_h, config.crop_w 阅读全文

摘要：验证： 在测试时可以一张图，但设置use_global_stats:true,已经验证，第一台4gpu上，路径：/home/guangcong/projects/unlabeled-video/train-video-tracking-demo1.3-5.1, 实验一、设置conifg.batchs 阅读全文

摘要：set layer parameters: loss_weight:1 阅读全文

摘要：reference: 1. Paper describes initializing the deconv layer with bilinear filter coefficients and train them. But in the provided train/val.prototxt, 阅读全文

摘要：2006年以前的一些经典的网络及之间的区别： 1.自编码器： 受限玻尔兹曼堆叠+反向对称堆叠 2.深度信念网络： 受限玻尔兹曼堆叠+睡醒算法（生成模型） 受限玻尔兹曼堆叠+有监督算法，如反向传播（判别模型） 3.深层玻尔兹曼机器： 是一种具备多层结构的无向图模型，不过像受限玻尔兹曼机一样，深层玻尔兹 阅读全文

摘要：先说一个关系： 概率图模型 >玻尔兹曼机器 >受限玻尔兹曼机器 玻尔兹曼机器是一种特殊的概率图模型，其特殊体现在： （1）二值的 （2）从定义能量开始，能量 >概率 （3）两种区分的节点v,h,共nv+nh个，状态有2^(nv+nh)个，分析时根据每个状态的翻转会带来的能量减少。故有2^(nv+nh 阅读全文

摘要：关于cifar-10和mnist的weight_decay和momentum也是相当的重要；就是出现一次把cifar-10的两个值直接用在mnist上，发现错误很大。 阅读全文

摘要：http://blog.csdn.net/shenxiaolu1984/article/details/52215983 两步： 训练判别器：最小化鉴别误差 训练生成器：最大化鉴别误差 问：训练生成器时，鉴别器那部分要fixed住吗？ http://it.sohu.com/20161003/n469 阅读全文

摘要：梯度消失或爆炸问题： http://blog.csdn.net/qq_29133371/article/details/51867856 阅读全文