摘要：
这两个函数经常用到，总是记不住，记下来，方便翻阅 c_str()和data():生成一个const char*指针，指向一个临时数组。 c_str()函数返回一个指向正规C字符串的指针，内容与string串相同。 C++中c_str()主要用法就是为了与C语言兼容，在C语言中没有string类型，故 阅读全文
摘要：
物体检测的两个步骤可以概括为： （1）检测目标位置（生成矩形框） （2）对目标物体进行分类 物体检测的主流算法框架大致分为one-stage与two-stage。two-stage算法代表的有R-CNN系列，one-stage算法代表的有YOLO系列。按笔者理解，two-stage算法将步骤一与步骤 阅读全文
摘要：
zmq pub-sub模式的使用可在网上作参考。 这里记录一下这次使用过程中遇到的问题： 一、zmq的传输速率 （1）会受到网速的限制，近似与网速越好，传输速率越高 在公司测试，大家网线都连路由，但是每个人的网速很有可能不同。这就会导致，在同样的平台，同样的代码，不同的位置（即不同的网线）耗时却不同 阅读全文
摘要：
1、YOLOV1有两个缺点： （1）定位不够准确。 （2）和基于region proposal类的方法相比找回率更低。 2、Batch Normalization YOLOV1中也有BN，但是YOLOV2在加入BN后把dropout去掉了，实验证明可以提高2%的mAP. 3、High Resolut 阅读全文
摘要：
NaN的意思是not a number,不是一个数字。 1、梯度爆炸 一般loss的相关量是w——> w的相关量（更新方式）是梯度——>和梯度有关 原因：在学习过程中，梯度变得非常大，使得学习的过程偏离了正常的轨迹。 症状：观察输出日志(runtime log)中每次迭代的loss值，你会发现los 阅读全文
摘要：
阅读全文
摘要：
梯度消失和梯度爆炸其实是一种情况：均是在神经网络中，当前面隐藏层的学习速率低于后面隐藏层的学习速率，即随着隐藏层数目的增加，分类准确率反而下降了。 梯度消失产生的原因： （1）隐藏层的层数过多; （2）采用了不合适的激活函数（更容易产生梯度消失，但是也有可能产生梯度爆炸） 梯度爆炸产生的原因： （1 阅读全文
摘要：
抽空手写了一遍: 阅读全文
摘要：
（4）Leaky ReLU ReLU是将所有的负值设置为0，造成神经元节点死亡的情况。相反，Leaky ReLU是给所有负值赋予一个非零的斜率。 优点： （1）神经元不会出现死亡的情况。 （2）对于所有的输入，不管是大于等于0还是小于0，神经元不会饱和 （3）由于Leaky ReLU线性、非饱和的形 阅读全文
摘要：
sigmoid和tanh是“饱和激活函数”，而ReLU及其变体则是“非饱和激活函数”。使用“非饱和激活函数”的优势在于两点：（1）“非饱和激活函数”能解决所谓的“梯度消失”问题。（2）能加快收敛速度。 sigmoid将实值输出压缩在[0,1]范围内；tanh函数将实值输出压缩在[-1, 1]的范围。 阅读全文