摘要:“数字人体”视觉挑战赛-宫颈癌风险智能诊断 参赛对象 面向全社会开放,高等院校、科研单位、互联网企业等人员均可报名参赛。注:大赛主办和技术支持单位如有机会接触赛题背景业务、产品、数据的员工,则自动退出比赛,放弃参赛资格。 报名及实名认证(即日起—2019年11月20日) 1、报名方式:登录比赛官网, 阅读全文
posted @ 2019-10-11 11:03 小宋是呢 阅读(1077) 评论(0) 推荐(1) 编辑
摘要:0 序·简介 在使用Ubuntu或者Windows执行一些复杂数据运算时,需要关注下CPU、GPU以及内存占用量,如果数据运算超出了负荷,会产生难以预测的错误。本文将演示如何用简单地方式,实时监控Ubuntu或者Windows的CPU、GPU以及内存占用量,教会大家如何实时监控电脑状态。 水平有限, 阅读全文
posted @ 2019-10-11 08:35 小宋是呢 阅读(1078) 评论(0) 推荐(1) 编辑
摘要:此篇教程参考自TensorFlow 2.0 + Keras Crash Course,在原文的基础上进行了适当的总结与改编,以适应于国内开发者的理解与使用,水平有限,如果写的不对的地方欢迎大家评论指出。觉得文章有用的话麻烦点赞,想看原文可以点击链接kx上网访问。 ​ ​ 0 序 TensorFlow 阅读全文
posted @ 2019-10-08 14:43 小宋是呢 阅读(2646) 评论(0) 推荐(2) 编辑
摘要:​ ​ 0 序篇 2015年11月,Google正式发布了Tensorflow的白皮书并开源TensorFlow 0.1 版本。 2017年02月,Tensorflow正式发布了1.0.0版本,同时也标志着稳定版的诞生。 2019年10月,TensorFlow在经历七个多月(2019年3月1日-20 阅读全文
posted @ 2019-10-03 21:16 小宋是呢 阅读(480) 评论(0) 推荐(1) 编辑
摘要:0 前言 TensorFlow 2.0,今天凌晨,正式放出了2.0版本。 不少网友表示,TensorFlow 2.0比PyTorch更好用,已经准备全面转向这个新升级的深度学习框架了。 ​ 本篇文章就带领大家用最简单地方式安装TF2.0正式版本(CPU与GPU),由我来踩坑,方便大家体验正式版本的T 阅读全文
posted @ 2019-10-01 17:11 小宋是呢 阅读(12451) 评论(3) 推荐(0) 编辑
摘要:深度学习用的有一年多了,最近开始NLP自然处理方面的研发。刚好趁着这个机会写一系列NLP机器翻译深度学习实战课程。 本系列课程将从原理讲解与数据处理深入到如何动手实践与应用部署,将包括以下内容:(更新ing) NLP机器翻译深度学习实战课程·零(基础概念) NLP机器翻译深度学习实战课程·壹(RNN 阅读全文
posted @ 2019-08-22 16:06 小宋是呢 阅读(433) 评论(0) 推荐(0) 编辑
摘要:0. 前言介绍 开源地址:https://github.com/matterport/Mask_RCNN 个人主页:http://www.yansongsong.cn/ MaskRCNN是何凯明基于以往的faster rcnn架构提出的新的卷积网络,一举完成了object instance segm 阅读全文
posted @ 2019-08-16 10:13 小宋是呢 阅读(1917) 评论(0) 推荐(0) 编辑
摘要:0.深入理解GPU训练加速原理 我们都知道用GPU可以加速神经神经网络训练(相较于CPU),具体的速度对比可以参看我之前写的速度对比博文: [深度应用]·主流深度学习硬件速度对比(CPU,GPU,TPU) GPU是如何加速的呢? 我打算从两个方面来解答: 单个GPU较于CPU加速: 在训练网络中,其 阅读全文
posted @ 2019-08-13 16:11 小宋是呢 阅读(1493) 评论(0) 推荐(0) 编辑
摘要:face_recognition是一个强大、简单、易上手的人脸识别开源项目,并且配备了完整的开发文档和应用案例,特别是兼容树莓派系统。此项目是世界上最简洁的人脸识别库,你可以使用Python和命令行工具提取、识别、操作人脸。 本项目的人脸识别是基于业内领先的C++开源库 dlib中的深度学习模型,用 阅读全文
posted @ 2019-08-05 15:19 小宋是呢 阅读(902) 评论(0) 推荐(2) 编辑
摘要:[深度应用]·Keras实现Self-Attention文本分类(机器如何读懂人心) 配合阅读: [深度概念]·Attention机制概念学习笔记 [TensorFlow深度学习深入]实战三·分别使用DNN,CNN与RNN(LSTM)做文本情感分析 笔者在[深度概念]·Attention机制概念学习 阅读全文
posted @ 2019-05-27 11:55 小宋是呢 阅读(2031) 评论(1) 推荐(0) 编辑
摘要:此文源自一个博客,笔者用黑体做了注释与解读,方便自己和大家深入理解Attention model,写的不对地方欢迎批评指正。。 阅读全文
posted @ 2019-05-26 16:13 小宋是呢 阅读(360) 评论(0) 推荐(0) 编辑
摘要:在使用TensorFlow&Keras通过GPU进行加速训练时,有时在训练一个任务的时候需要去测试结果,或者是需要并行训练数据的时候就会显示OOM显存容量不足的错误。以下简称在训练一个任务的时候需要去测试结果,或者是需要并行训练数据为进行新的运算任务。 阅读全文
posted @ 2019-05-17 10:44 小宋是呢 阅读(2133) 评论(1) 推荐(1) 编辑
摘要:滑动平均滤波法(又称递推平均滤波法),时把连续取N个采样值看成一个队列 ,队列的长度固定为N ,每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则) 把队列中的N个数据进行算术平均运算,就可获得新的滤波结果。 阅读全文
posted @ 2019-05-16 11:35 小宋是呢 阅读(5836) 评论(0) 推荐(0) 编辑
摘要:经典网络 经典网络包括 LeNet、AlexNet 以及 VGG 等。 LeNet:1998,Gradient based learning applied to document recognition 用于手写数字识别,可以看到,卷积神经网络的基本框架已经有了,卷积、激活、池化和全连接,这几个基 阅读全文
posted @ 2019-05-13 20:30 小宋是呢 阅读(113) 评论(0) 推荐(0) 编辑
摘要:在图片分类的中经常可以看到Top-1,Top-5等TopN准确率(或者时错误率)。 那这个TopN是什么意思呢?首先Top-1准确率最好理解,就是我们用argmax从网络输出取到的预测index与真实index的准确率。 Top-5准确率就是指从网络输出取到的预测概率最大5个index与真实的index进行比对,5个之中任意一个比对成功就算预测正确了。同理Top-3就是指概率最大3个index. 阅读全文
posted @ 2019-05-13 20:01 小宋是呢 阅读(437) 评论(0) 推荐(0) 编辑
摘要:在开发的过程中遇到一个问题,就是需要把numpy作为pandas的一个元素进行保存,注意不是作为一列元素。但是实践的过程中却不顺利,会报错,现在我解决了这个问题,并且把心得和理解分享出来,希望能帮到后来人。 阅读全文
posted @ 2019-05-09 23:30 小宋是呢 阅读(1673) 评论(0) 推荐(0) 编辑
摘要:在深度学习中,有时会使用Matlab进行滤波处理,再将处理过的数据送入神经网络中。这样是一般的处理方法,但是处理起来却有些繁琐,并且有时系统难以运行Matlab。Python作为一种十分强大的语言,是支持信号滤波滤波处理的。 本文将以实战的形式基于scipy模块使用Python实现简单滤波处理,包括内容有1.低通滤波,2.高通滤波,3.带通滤波,4.带阻滤波器。具体的含义大家可以查阅大学课程,信号与系统。简单的理解就是低通滤波指的是去除高于某一阈值频率的信号;高通滤波去除低于某一频率的信号;带通滤波指的是类似低通高通的结合保留中间频率信号;带阻滤 阅读全文
posted @ 2019-05-08 15:04 小宋是呢 阅读(9735) 评论(1) 推荐(5) 编辑
摘要:Dlib是一个深度学习开源工具,基于C++开发,也支持Python开发接口,功能类似于TensorFlow与PyTorch。但是由于Dlib对于人脸特征提取支持很好,有很多训练好的人脸特征提取模型供开发者使用,所以Dlib人脸识别开发很适合做人脸项目开发。 上面所说的人脸识别开发,主要是指人脸验证,就是输入两张人脸照片,系统会对比输出0或者1,代表判断是否是同一个人。一般的人脸识别开发可以简单分为1.人脸特征建模与2.使用人脸特征模型进行验证(其实还应包括人脸对齐等,这些也可以划分到1中)。使用Dlib进行开发时,我们直接可以使用训练好的人脸特征 阅读全文
posted @ 2019-04-25 00:38 小宋是呢 阅读(2556) 评论(2) 推荐(2) 编辑
摘要:[开发技巧]·AdaptivePooling与Max/AvgPooling相互转换 个人网站--> http://www.yansongsong.cn/ 1.问题描述 自适应池化Adaptive Pooling是PyTorch的一种池化层,根据1D,2D,3D以及Max与Avg可分为六种形式。 自适 阅读全文
posted @ 2019-04-22 16:25 小宋是呢 阅读(2677) 评论(0) 推荐(1) 编辑
摘要:[深度应用]·实战掌握PyTorch图片分类简明教程 个人网站--> http://www.yansongsong.cn/ 项目GitHub地址--> https://github.com/xiaosongshine/image_classifier_PyTorch/ 1.引文 深度学习的比赛中,图 阅读全文
posted @ 2019-04-20 10:07 小宋是呢 阅读(1593) 评论(0) 推荐(0) 编辑
摘要:“数字人体”视觉挑战赛-宫颈癌风险智能诊断 参赛对象 面向全社会开放,高等院校、科研单位、互联网企业等人员均可报名参赛。注:大赛主办和技术支持单位如有机会接触赛题背景业务、产品、数据的员工,则自动退出比赛,放弃参赛资格。 报名及实名认证(即日起—2019年11月20日) 1、报名方式:登录比赛官网, 阅读全文
posted @ 2019-10-11 11:03 小宋是呢 阅读(1077) 评论(0) 推荐(1) 编辑
摘要:0 序·简介 在使用Ubuntu或者Windows执行一些复杂数据运算时,需要关注下CPU、GPU以及内存占用量,如果数据运算超出了负荷,会产生难以预测的错误。本文将演示如何用简单地方式,实时监控Ubuntu或者Windows的CPU、GPU以及内存占用量,教会大家如何实时监控电脑状态。 水平有限, 阅读全文
posted @ 2019-10-11 08:35 小宋是呢 阅读(1078) 评论(0) 推荐(1) 编辑
摘要:此篇教程参考自TensorFlow 2.0 + Keras Crash Course,在原文的基础上进行了适当的总结与改编,以适应于国内开发者的理解与使用,水平有限,如果写的不对的地方欢迎大家评论指出。觉得文章有用的话麻烦点赞,想看原文可以点击链接kx上网访问。 ​ ​ 0 序 TensorFlow 阅读全文
posted @ 2019-10-08 14:43 小宋是呢 阅读(2646) 评论(0) 推荐(2) 编辑
摘要:​ ​ 0 序篇 2015年11月,Google正式发布了Tensorflow的白皮书并开源TensorFlow 0.1 版本。 2017年02月,Tensorflow正式发布了1.0.0版本,同时也标志着稳定版的诞生。 2019年10月,TensorFlow在经历七个多月(2019年3月1日-20 阅读全文
posted @ 2019-10-03 21:16 小宋是呢 阅读(480) 评论(0) 推荐(1) 编辑
摘要:0 前言 TensorFlow 2.0,今天凌晨,正式放出了2.0版本。 不少网友表示,TensorFlow 2.0比PyTorch更好用,已经准备全面转向这个新升级的深度学习框架了。 ​ 本篇文章就带领大家用最简单地方式安装TF2.0正式版本(CPU与GPU),由我来踩坑,方便大家体验正式版本的T 阅读全文
posted @ 2019-10-01 17:11 小宋是呢 阅读(12451) 评论(3) 推荐(0) 编辑
摘要:深度学习用的有一年多了,最近开始NLP自然处理方面的研发。刚好趁着这个机会写一系列NLP机器翻译深度学习实战课程。 本系列课程将从原理讲解与数据处理深入到如何动手实践与应用部署,将包括以下内容:(更新ing) NLP机器翻译深度学习实战课程·零(基础概念) NLP机器翻译深度学习实战课程·壹(RNN 阅读全文
posted @ 2019-08-22 16:06 小宋是呢 阅读(433) 评论(0) 推荐(0) 编辑
摘要:0. 前言介绍 开源地址:https://github.com/matterport/Mask_RCNN 个人主页:http://www.yansongsong.cn/ MaskRCNN是何凯明基于以往的faster rcnn架构提出的新的卷积网络,一举完成了object instance segm 阅读全文
posted @ 2019-08-16 10:13 小宋是呢 阅读(1917) 评论(0) 推荐(0) 编辑
摘要:近几年来,基于神经网络的深度学习方法在计算机视觉、语音识别等领域取得了巨大成功,另外在自然语言处理领域也取得了不少进展。在NLP的关键性基础任务—命名实体识别(Named Entity Recognition,NER)的研究中,深度学习也获得了不错的效果。 开源地址:https://github.c 阅读全文
posted @ 2019-08-15 16:52 小宋是呢 阅读(1132) 评论(0) 推荐(0) 编辑
摘要:0.前言 深度学习用的有一年多了,最近开始NLP自然处理方面的研发。刚好趁着这个机会写一系列NLP机器翻译深度学习实战课程。 本系列课程将从原理讲解与数据处理深入到如何动手实践与应用部署,将包括以下内容:(更新ing) NLP机器翻译深度学习实战课程·零(基础概念) NLP机器翻译深度学习实战课程· 阅读全文
posted @ 2019-08-15 09:39 小宋是呢 阅读(389) 评论(0) 推荐(0) 编辑
摘要:0.深入理解GPU训练加速原理 我们都知道用GPU可以加速神经神经网络训练(相较于CPU),具体的速度对比可以参看我之前写的速度对比博文: [深度应用]·主流深度学习硬件速度对比(CPU,GPU,TPU) GPU是如何加速的呢? 我打算从两个方面来解答: 单个GPU较于CPU加速: 在训练网络中,其 阅读全文
posted @ 2019-08-13 16:11 小宋是呢 阅读(1493) 评论(0) 推荐(0) 编辑