11 2018 档案
摘要：pytorch coco 目标检测 DataLoader实现 pytorch实现目标检测目标检测算法首先要实现数据的读入，即实现 和`DataLoader`两个类。 借助 实现了CoCo2017用于目标检测数据的读取，并使用 显示。 分析 使用 显示读入数据，或者要送入到网络的数据应该有三个部分 1
阅读全文
摘要："博客" 给出了三个算例。 可以看出，focal loss 对可很好分类的样本赋予了较小的权重，但是对分错和不易分的样本添加了较大的权重。 对于类别不平衡，使用了$\alpha_t$进行加权，文章中提到较好的值是0.25，说明在训练过程中仍然需要对正样本进行降权。 正常的理解是训练过程中负样本的数量
阅读全文
摘要：Faster RCNN 和Retinanet在将图像数据输送到网络之前，要对图像数据进行预处理。大致上与 "博客" 提到的相同。 事实上还可以采取第三步，将图片的宽和高扩展为32的整倍数，正如在Retinanet使用的。下面是一个简单的Pytorch数据预处理模块：
阅读全文
摘要：假设给定一个数组 以及对应的掩膜（即指示标志数组） ，获得veca中对应 中为 的元素。 假设 为`{0.1, 0.2, 0.3, 0.4} flags {true, false, false, true} vecb {0.1, 0.4}`。 使用for循环自然可以很简单地解决这个问题，但是想要用标
阅读全文
摘要：今天使用 "hiddenlayer" 测试了下retinanet网络的可视化。 首先，安装hiddlayer，直接pip 然后在终端加载模型并显示： 模型太复杂了，放在 "这里" 了。 昨天晚上对比着模型结构的pdf和代码又看了下，发现还是很有用的，起码对网络的数据流动的认识更加清晰了。
阅读全文
摘要：最近注意到在一些caffe模型中，偏置项的学习率通常设置为普通层的两倍。具体原因可以参考(https://datascience.stackexchange.com/questions/23549/why is the learning rate for the bias usually twice
阅读全文
摘要：pytorch 中提供了对Tensor进行Crop的方法，可以使用GPU实现。具体函数是 和`torch.nn.functional.grid_sample`。前者用于生成二维网格，后者对输入Tensor按照网格进行双线性采样。 函数中将图像坐标归一化到$[ 1, 1]$，其中0对应 1，width
阅读全文
摘要：在安装ubuntu之前需要条一下BIOS，讲UEFI模式改为Legacy 模式。 ubuntu分区系统搭建可以参考一下博客： 分区大小为： 1. boot 400~500M 2. swap 内存大小 3. 主分区 20G可以30G 4. home 剩余全是 引导区一定要放在boot上 添加对exfa
阅读全文
摘要：notMNIST数据集分类 简介 "notMNIST数据集" 是于2011公布的，可以认为是MNIST数据集地一个加强版本。数据集包含了从A到J十个字母，由large与small两个子集组成。其中samll数据集是经过手工清理的，包含19k个图片，误分类率越为0.5%，large数据集是未经过手工清
阅读全文
浙公网安备 33010602011771号