摘要：
一、分类问题损失函数——交叉熵（crossentropy）交叉熵刻画了两个概率分布之间的距离，是分类问题中使用广泛的损失函数。给定两个概率分布p和q，交叉熵刻画的是两个概率分布之间的距离： 我们可以通过Softmax回归将神经网络前向传播得到的结果变成交叉熵要求的概率分布得分。在TensorFlow 阅读全文
posted @ 2022-02-20 20:01
小kk_p
阅读(303)
评论(0)
推荐(0)
摘要：
公式 首先需要了解CrossEntropyLoss的计算过程，交叉熵的函数是这样的： 其中，其中yi表示真实的分类结果。这里只给出公式，关于CrossEntropyLoss的其他详细细节请参照其他博文。 测试代码（一维） import torch import torch.nn as nn impo 阅读全文
posted @ 2022-02-20 19:57
小kk_p
阅读(646)
评论(0)
推荐(0)
摘要：
1、个人理解： 1.1、tensorflow的 构建视图、构建操作... 都只是在预定义一些操作/一些占位，并没有实际的在跑代码，一直要等到 session.run 才会 实际的去执行某些代码 1.2、我们 预定义的 一大堆 视图/操作 等等，并不一定所有的都会执行到，只有 session.run 阅读全文
posted @ 2022-02-20 18:22
小kk_p
阅读(924)
评论(0)
推荐(0)
摘要：
总结对比下L1L1 损失函数，L2L2 损失函数以及SmoothL1SmoothL1 损失函数的优缺点。 均方误差MSE (L2L2 Loss) 均方误差（Mean Square Error,MSE）是模型预测值f(x)f(x) 与真实样本值yy 之间差值*方的*均值，其公式如下 MSE=∑ni=1 阅读全文
posted @ 2022-02-20 16:54
小kk_p
阅读(648)
评论(0)
推荐(0)
摘要：
https://blog.csdn.net/qq_30815237/article/details/93596163 RPN 思路： 1、先通过conv层+pooling层+relu层，可以是vgg，得到feature maps。 2、在feature maps上提取对应的图。在第一步基础上，先通过 阅读全文
posted @ 2022-02-19 23:49
小kk_p
阅读(479)
评论(0)
推荐(0)
摘要：
python2中的range返回的是一个列表 python3中的range返回的是一个迭代值 for i in range(1,10)在python2和python3中都可以使用，但是要生成1-10的列表，就需要用list(range(1,10)) 在python核心编程中要输出abcde的子序列， 阅读全文
posted @ 2022-02-19 22:00
小kk_p
阅读(131)
评论(0)
推荐(0)
摘要：
opencv中关于Rect和Size的宽高顺序折磨了我很久，略作记录。 Size_(_Tp _width, _Tp _height)Size是先宽后高，这一点如果不记得可以随时查看Size定义来确认；Rect_(_Tp _x, _Tp _y, _Tp _width, _Tp _height)在ope 阅读全文
posted @ 2022-02-19 17:46
小kk_p
阅读(289)
评论(0)
推荐(0)
摘要：
#include <iostream>using namespace std; #define WARN_IF(EXP) if(EXP) cerr << #EXP << endl;#define paster( n ) cout << "token" << #n << " = " << n << e 阅读全文
posted @ 2022-02-19 17:20
小kk_p
阅读(404)
评论(0)
推荐(0)
摘要：
本文详细讲解了 RoIPooling 、RoIAlign 和 RoIWarp ，用非常的图来帮助理解，相信通过本文阅读能让你对这三者有更加深刻的理解 如果对你有所帮助请点个在看、点或分享，鼓励一下小编 理解Region of Interest — (RoI Pooling) 快速而简单地解释什么是R 阅读全文
posted @ 2022-02-19 16:35
小kk_p
阅读(1724)
评论(0)
推荐(1)
摘要：
import os# 图片文件夹路径pic_paths= "D:/sample/neg"f=open('neg.txt', 'w')filenames=os.listdir(pic_paths)filenames.sort()for filename in filenames: # 图片绝对路径 o 阅读全文
posted @ 2022-02-17 22:35
小kk_p
阅读(71)
评论(0)
推荐(0)
浙公网安备 33010602011771号