摘要：
1. 深入理解感受野 感受野（Receptive Field） 是指特征图上的某个点能看到的输入图像的区域， 即特征图上的点是由输入图像中感受野大小区域的计算得到的。 举个简单的例子， 如图3.10所示为一个三层卷积网络， 每一层的卷积核为3×3， 步长为1， 可以看到第一层对应的感受野是3×3， 阅读全文
posted @ 2020-09-14 19:57
赵家小伙儿
阅读(898)
评论(0)
推荐(1)
摘要：
1. 池化层 在卷积网络中， 通常会在卷积层之间增加池化（Pooling） 层， 以降低特征图的参数量， 提升计算速度， 增加感受野， 是一种降采样操作。池化是一种较强的先验， 可以使模型更关注全局特征而非局部出现的位置， 这种降维的过程可以保留一些重要的特征信息， 提升容错能力， 并且还能在一定程 阅读全文
posted @ 2020-09-14 19:32
赵家小伙儿
阅读(8666)
评论(1)
推荐(2)
摘要：
神经网络如果仅仅是由线性的卷积运算堆叠组成， 则其无法形成复杂的表达空间， 也就很难提取出高语义的信息， 因此还需要加入非线性的映射， 又称为激活函数， 可以逼近任意的非线性函数， 以提升整个神经网络的表达能力。 在物体检测任务中， 常用的激活函数有Sigmoid、ReLU及Softmax函数。 1 阅读全文
posted @ 2020-09-11 19:05
赵家小伙儿
阅读(487)
评论(0)
推荐(0)
摘要：
当前的物体检测算法虽然各不相同， 但第一步通常是利用卷积神经网络处理输入图像， 生成深层的特征图， 然后再利用各种算法完成区域生成与损失计算， 这部分卷积神经网络是整个检测算法的“骨架”， 也被称为Backbone。 Backbone是物体检测技术的基础， 其中也涌现出了多种经典的结构， 如VGGN 阅读全文
posted @ 2020-09-11 18:43
赵家小伙儿
阅读(618)
评论(0)
推荐(0)
摘要：
数据对于深度学习而言是至关重要的， 丰富、 完整、 规范的数据集往往能训练出效果更佳的网络模型。 本节将首先介绍当前较为主流的公开数据集， 然后从数据的加载、 数据的GPU加速、 数据的可视化3个方面介绍PyTorch的使用方法。 1. 主流公开数据集 深度学习能够取得快速发展的一个原因是建立在大量 阅读全文
posted @ 2020-09-10 20:41
赵家小伙儿
阅读(258)
评论(0)
推荐(0)
摘要：
参考：https://blog.csdn.net/haitaobiyao/article/details/106438397 参考：https://blog.csdn.net/DD_PP_JJ/article/details/102960704 阅读全文
posted @ 2020-09-10 18:58
赵家小伙儿
阅读(658)
评论(0)
推荐(0)
摘要：
模型是神经网络训练优化后得到的成果， 包含了神经网络骨架及学习得到的参数。 PyTorch对于模型的处理提供了丰富的工具， 本节将从模型的生成、 预训练模型的加载和模型保存3个方面进行介绍。 1. 网络模型库： torchvision.models 对于深度学习， torchvision.model 阅读全文
posted @ 2020-09-09 20:21
赵家小伙儿
阅读(180)
评论(0)
推荐(0)
摘要：
在上述介绍中， nn.Module模块提供了网络骨架， nn.functional提供了各式各样的损失函数， 而Autograd又自动实现了求导与反向传播机制， 这时还缺少一个如何进行模型优化、 加速收敛的模块， nn.optim应运而生。 nn.optim中包含了各种常见的优化算法， 包括随机梯度 阅读全文
posted @ 2020-09-09 20:02
赵家小伙儿
阅读(421)
评论(0)
推荐(0)
摘要：
在深度学习中， 损失反映模型最后预测结果与实际真值之间的差距， 可以用来分析训练过程的好坏、 模型是否收敛等， 例如均方损失、交叉熵损失等。 在PyTorch中， 损失函数可以看做是网络的某一层而放到模型定义中， 但在实际使用时更偏向于作为功能函数而放到前向传播过程中。 PyTorch在torch. 阅读全文
posted @ 2020-09-09 19:14
赵家小伙儿
阅读(192)
评论(0)
推荐(0)
摘要：
--Xshell1. 删除非空文件夹以及子目录下全部内容：rm -rf 目录名字；2. 创建文件夹：mkdir 文件名；3. 复制文件夹dir1到文件夹dir2：cp -r dir1 dir2；4. 删除文件：rm 文件名；5. 执行文件：vi 文件名.cc6. 查看当前的文件所在目录：pwd7. 阅读全文
posted @ 2020-09-08 18:40
赵家小伙儿
阅读(169)
评论(0)
推荐(0)
浙公网安备 33010602011771号