ICode9

精准搜索请尝试: 精确搜索
  • DataWhale八月组队学习-李宏毅深度学习Task05-网络设计的技巧2021-08-25 20:34:13

    一、 为什么使用CNN处理图片 在图片中有一些比整张图片要小的pattern(比如鸟的图片中鸟的喙就是一个小的pattern),识别这些pattern并不需要看整张图片。 这些小的pattern会出现在图片的不同位置,例如鸟图片中鸟的喙可能出现在左上角也可能出现在中间。 对图片进行降采样(池化)不会改变

  • Anaconda channel相关配置2021-08-24 15:32:33

    换源:(清华源) conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ //设置搜索时显示通道地址 conda config --set show_channel_urls yes

  • Django3 channels websocket实时读取日志返回前端2021-08-21 11:01:08

    routing.py 1 from django.urls import re_path 2 from . import consumers 3 4 websocket_urlpatterns = [ 5 re_path(r'ws/', consumers.ChatConsumer.as_asgi()), 6 ] consummers.py 1 # -*- coding: utf-8 -*- 2 # chat/consumers.py 3 import json

  • "mindspore\lite\examples\transfer_learning\src\dataset.cc"注释12021-08-07 17:00:20

    ** "mindspore\lite\examples\transfer_learning\src\dataset.cc"注释1** 一、代码用处 该代码块主要用于读取图片文件 二、代码注释 #include "src/dataset.h" //导入下相关头文件 #include <dirent.h> #include <arpa/inet.h> #include <map> #include <iostream

  • 2021刷新COCO和Cityscapes | Polarized Self-Attention:极化自注意力机制(keras实现)2021-08-03 20:59:26

      Polarized Self-Attention: Towards High-quality Pixel-wise Regression  paper:https://arxiv.org/pdf/2107.00782.pdf code:https://github.com/DeLightCMU/PSA 摘要 像素级回归是细粒度计算机视觉任务中最常见的问题,如估计关键点热图和分割掩模。这些回归问题非常具

  • 蒸馏论文七(Variational Information Distillation)2021-08-03 15:29:54

    本文介绍一种知识蒸馏的方法(Variational Information Distillation)。 1. 核心思想 作者定义了将互信息定义为: 如上式所述,互信息为 = 教师模型的熵值 - 已知学生模型的条件下的教师模型熵值。 我们有如下常识:当学生模型已知,能够使得教师模型的熵很小,这说明学生模型以及获得了

  • 一维卷积过程理解及代码2021-08-02 12:03:00

    以一个例子展示一维卷积过程: 原理 假设输入数据为 6 个维度的数据,有 4 个通道,即[6,4]的数据。 设置核大小(kernel_size)为 2,卷积的步长(stride)为 2,核数量(也就是out_channels)为 1 的卷积。 其中卷积核的通道数和输入的通道数相同,即同样是 4 。 卷积过程及结果如下图所示: 得到一个[1,3

  • ResNet详解与实现2021-08-01 11:06:41

    1、前言 ResNet是何恺明等人于2015年提出的神经网络结构,该网络凭借其优秀的性能夺得了多项机器视觉领域竞赛的冠军,而后在2016年发表的论文《Deep Residual Learning for Image Recognition》也获得了CVPR2016最佳论文奖。本文整理了笔者对ResNet的理解,详细解释了ResNet34、Re

  • weblogic控制台启动报错2021-07-30 17:59:32

    今天接到工程师电话,客户应用访问报错,weblogic控制台打开失败。 1、检查weblogic控制台进程未启动。 2、启动weblogic控制台,启动失败。 3、检查weblogic控制台启动日志,发现: <Jul 30, 2021 4:38:25 PM CST> <Server subsystem failed. Reason: java.lang.AssertionError: Could

  • pytorch 1D卷积与深度可分离卷积2021-07-28 14:03:13

    1.传统一维卷积: 2.改变groups: 将Input的通道分成groups个独立的通道,分别进行卷积。相应的卷积核的通道数也会减小,如下图所示。 下图将64个通道分成32个groups,每个组由两个通道构成,时间维保持不变。一个1d卷积核的大小为(64 / 32, kernel)。 由于output_channels = 128。 对

  • conda配置镜像并安装pytorch2021-07-26 16:04:20

    一、删除镜像 # 换回默认源(清除所有用户添加的镜像源路径,只保留默认的路径) conda config --remove-key channels# 显示所有镜像通道路径命令 conda config --show channels 二、添加镜像 conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/ conda c

  • 【论文复现】Dynamic ReLU(2020)2021-07-22 23:00:25

    目录 前言一、背景或动机二、Dynamic ReLU2.1、定义Dynamic ReLU2.2、实现超函数 θ ( x )

  • 【玩转PointPillars】点云特征提取结构PFE(PillarFeatureNet)2021-07-17 21:03:26

            PointPillars整体网络结构有三个部分构成,他们分别是PFN(Pillar Feature Net),Backbone(2D CNN)和Detection Head(SSD)。其中PFN是PointPillars中最重要也是最具创新性的部分。           在正式讨论PFN之前我们可以幻想一下自己变成一个小蜜蜂,飞翔在3D点云空

  • Anaconda设置channel、常用命令2021-07-15 09:32:34

    1.查看channel conda config --show#显示出所有conda的config信息 conda config --show channels#只显示channels的信息 2.删除channel conda config –remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free 3.增加channel conda config ‐‐add chan

  • GN层(Pytorch)2021-07-06 23:06:21

    BN层存在的问题: BN层的模型效果取决于Batch_size大小,那么我的实验分别在batch_size=4和8的情况下运行的,这些batch_size都无法让BN层真正起到作用,甚至负作用,我个人感觉4的效果比8好这就是个运气问题,BN层中的running_mean,running_var都是最后一次更新后的值,那么每一个mini_bat

  • 大数据——Flume学习笔记2021-07-05 19:34:04

    目录 一、Flume定义 二、Flume基本架构 三、Flume常见案例 1.监控端口数据 2.监控单个目录并将数据输出到hdfs 3.avro source 4.taildir source 5.hive sink 6.hbase sink 一、Flume定义   Flume 是 Cloudera 提供的一种高可用、高可靠、分布式的海量日志采集、聚合和传输

  • 大数据项目实战---电商埋点日志分析(第一部分,往hdfs中写入埋点日志的数据)2021-07-04 21:01:30

    https://www.bilibili.com/video/BV1L4411K7hW?p=31&spm_id_from=pageDriver   架构:  数据流生产Flume读取日志文件做简单ETL后写入到kafka,然后消费Flume从kafka中将数据读出写入到hdfs。项目中还应用了zookeeper来协调的分布式kafka和分布式Hadoop。 步骤1)制作埋点日志dummy文

  • Calculate Mean and Standard Deviation of Data2021-07-03 21:02:15

    import torch import torchvision.transforms as transforms from torch.utils.data import DataLoader import torchvision.datasets as datasets from tqdm import tqdm device = torch.device("cuda" if torch.cuda.is_available() else "cpu") train

  • 手撕代码,不用深度学习框架自己写卷积层2021-07-03 17:34:34

    随着深度学习技术的不断更新,应用越来越广泛。为了方便开发,各大公司都开源了自己深度学习框架,比如Google的Tensorflow,Facebook的Pytorch,百度的PaddlePaddle飞桨,里边各种函数接口API我们调用到手软,非常方便,而且上手也很快。但是在面试的时候,面试官为了考察应聘者对深度学习原理

  • Pytorch构建模型的3种方法2021-07-02 13:30:57

    这个地方一直是我思考的地方!因为学的代码太多了,构建的模型各有不同,这里记录一下! 可以使用以下3种方式构建模型: 1,继承nn.Module基类构建自定义模型。 2,使用nn.Sequential按层顺序构建模型。 3,继承nn.Module基类构建模型并辅助应用模型容器进行封装(nn.Sequential,nn.ModuleLis

  • pytorch_simple_CNN2021-07-02 09:58:55

    convolutional neural network (CNN) using the PyTorch library model class CNN(nn.Module): def __init__(self, in_channels=1, num_classes=10): super(CNN, self).__init__() self.conv1 = nn.Conv2d( in_channels=in_channels,

  • pytorch构建GoogLenet网络模型2021-07-01 17:01:39

    GoogLenet GoogLenet网络模型主要采用一系列Inception模型构成,本文只罗列了其中一种 import torch import torch.nn as nn import torch.nn.functional as F class Inception(nn.Module): def __init__(self, in_c, c1, c2, c3, c4): ''' in_c表示

  • Spring Cloud微服务架构进阶2021-06-28 20:59:07

    服务注册于发现:服务提供方将自己调用地址注册到服务注册中心,让服务调用方能够方便地找到自己;服务调用方从服务注册中心找到自己需要调用的服务的地址。 负载均衡:服务提供方一般以多个实例的形式提供服务,负载均衡功能能够让服务调用方连接到合适的服务节点。并且,服务节点选择

  • MobileNet v32021-06-26 12:30:31

    论文 https://arxiv.org/abs/1905.02244 目录 主要特点 SE通道注意力机制 h-swish激活函数 Redesigning Expensive Layers 总结 参考 主要特点 使用NAS得到网络结构引入MobileNet v1的深度可分离卷积引入MobileNet v2的具有线性瓶颈的倒残差结构引入SE通道注意力机制在SE模块

  • 成功解决PackagesNotFoundError: The following packages are not available from current channels nyoka2021-06-16 22:03:07

    成功解决PackagesNotFoundError: The following packages are not available from current channels nyoka         目录 解决问题 解决思路 解决方法             解决问题 (base) C:\Users\niu>conda install nyoka Collecting package metadata (current_repodata.js

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有