- 博客(41)
- 资源 (22)
- 收藏
- 关注
RSS订阅原创 opencv_DNN模块加载caffe模型
WindowsDNN模块需要opencv版本是3.3以上。配置VS环境加入opencv路径。代码逻辑：预设文件加载路径； 加载图片； 读取标签文件类别名称，存储到vector变量中。 API调用caffe模型； 输入图片数据需要格式转换； 前向推理模型，得到结果； 对结果数据进行reshape，找到结果中比例最大值位置信息； 打印对应位置类别名称；main.cpp#include <opencv2/opencv.hpp>#include <opencv2
2021-05-06 18:19:32
566
4
原创 Network in Network
CSDN下载链接https://download.csdn.net/download/qq_38649386/13986601
2020-12-30 20:13:02
158
原创 opencv-基础篇
目录1 图像采集 11.1 数据类型 11.1.1 Mat 11.2 图像加载、截取、转色域 31.2.1 格式与信息 31.2.2 imread 31.2.3 Rect 41.2.4 cvtColor 51.3 加载视频 61.3.1 VideoCapture 1 读摄像头 61.3.2 VideoCapture 2 拍照保存 61.3.3 VideoCapture 3 保存视频 71.3.4 VideoCapture ...
2020-12-30 19:43:34
642
原创 Tengine-EAIDK310使用
目录前言 11 EAIDK310开发流程 21.1 流程图 21.2 必备技能 31.3 Tengine说明 32 深度学习模型模型转换 42.1 保存模型和参数 42.1.1 保存模型结构和权重参数 42.1.2 只保存模型权重 42.1.3 加载别人训练好的模型 42.1.4 分别加载网络的结构和参数 42.2 pytorch转ONNX 52.2.1 保存模型结构和权重参数 52.2.2 只保留模型权重 5...
2020-12-30 19:21:09
2868
原创 YOLOv3文章理解与代码理解资料链接
3 YOLOv33.1 文章3.1.1 YOLOv3 深入理解链接：https://www.jianshu.com/p/d13ae1055302概述：讲先验框尺寸和输出tensor组成3.1.2 What’s new in YOLO v3?链接：https://towardsdatascience.com/yolo-v3-object-detection-53fb7d3bfe6b概述：介绍了YOLO3改进，不是很详细，但是可以锻炼英文阅读能力。3.1....
2020-10-17 21:15:15
182
原创 YOLOv2文章理解与资料链接
2 YOLOv22.1 文章链接https://zhuanlan.zhihu.com/p/35325884https://zhuanlan.zhihu.com/p/475759292.2 speed&mAP比较2.3 改进
2020-10-17 21:13:56
109
原创 YOLOv1文章理解与资料
1 YOLOv1 YOLO v1原文理解 1.1.1 摘录448*448-->CNN-->7*7*30(20+2*(4+1))S*S*(C+B*(4+1))4:(Center_x,Center_y,width,height)a:confidence最多表示的对象：7*7=49个，最多表示出49个对象。总共有 49*2=98 个候选区（bounding box）NMS（非极大值抑制）：每个网格有：20个对象的概率*2个...
2020-10-17 21:12:54
124
原创 《西瓜书+统计学习方法》第一章-误差评估与检验
1 模型评估与选择1.1 经验误差1.2.1 精确度Acc = 1-a/m1.2.2 错误率Error=a/m1.2.3 欠拟合和过拟合欠拟合：增加训练次数。过拟合：无法彻底解决，只能缓解。1.2.4 模型选择对候选模型进行泛化误差评估，选择泛化误差最小的模型。1.2 评估方法1.2.1 留出法按比例留出部分数据做测试集数据。多次留出法，取平均值：过多，变成以全部数据集D做训练，少量的测试集T不能正确评估。过少，训练集数据因每次...
2020-10-17 19:30:59
754
原创 嵌入式AI平台介绍
CSDN下载链接：目录1 技术方案 11.1 可选方案 11.1.1 ARM 11.1.2 CPU+FPGA 11.1.3 AI芯片 11.1.4 树莓派 11.2 挑战与解决 11.2.1 挑战 11.2.2 修剪神经网络 21.2.3 嵌入式终端优化 21.3 GPU 21.4 ARM 31.5 FPGA结构的并行计算 41.5.1 介绍 41.5.2 流水线计算 41.5.3 分布式流水线计...
2020-10-13 08:49:06
6873
2
原创 K210使用和测试
B站链接：https://www.bilibili.com/video/BV1ET4y1c7rw/CSDN文件下载：GitHub链接：目录前言 41 Kendryte开发 51.1 IDE环境 51.2 开发使用 61.2.1 驱动安装 61.2.2 使用教程 61.3 加载深度学习模型 71.4 摄像头和显示屏调试 81.4.1 测试camera和LCD 81.4.2 图像底色问题 81.4.3 LCD图像反...
2020-10-13 08:40:53
9944
2
原创 海思开发板
MPP：https://blog.csdn.net/ywcpig海思提供的媒体处理软件平台(Media Process Platform,简称 MPP),可支持应用软件快速 开发。该平台对应用软件屏蔽了芯片相关的复杂的底层处理,并对应用软件直接提供 MPI(MPP Program Interface)接口完成相应功能。该平台支持应用软件快速开发以下 功能:输入视频捕获、H.265/H.264/JPEG 编码、H.265/H.264/JPEG 解码、视频输出显 示、视频图像前处理(包括去噪、增强、锐化
2020-09-17 20:16:08
603
转载 如何学习open CV
https://blog.csdn.net/zhangjunp3/article/details/79907555本文授权转载自贾老师的微信公众号"OpenCV学堂"。更多信息可扫描文末二维码关注公众号（知乎已将二维码转换成链接，可自动跳转到微信）。一：学习OpenCV三个阶段人工智能带火了计算机视觉的人才需求，作为计算机视觉应用开发框架OpenCV也越来越受到欢迎，市场需求大增，很多人听说了之后就迫不及待的想加入这波大军，这其中很多人他可能懂应用编程，但是计算机视觉零基础，一般都是我要识别个什
2020-09-17 10:12:33
1363
原创 代价函数&损失函数&目标函数的理解
https://blog.csdn.net/lyl771857509/article/details/79428475损失函数（Loss Function ）是定义在单个样本上的，算的是一个样本的误差。代价函数（Cost Function ）是定义在整个训练集上的，是所有样本误差的平均，也就是损失函数的平均。目标函数（Object Function）定义为：最终需要优化的函数。等于经验风险+结构风险（也就是Cost Function + 正则化项）。代价函数 + 正则化项关于
2020-09-14 16:33:14
185
原创 编码器和GAN网络的概念
生成对抗模型：思想来源于博弈理论的纳什均衡。基本思想：能够从有限的数据集中获得足够的训练样本，从而学习训练样本中的概率分布。D:判别模型，目的：实现对数据来源的二分类。G:生成模型生成模型：生成假数据，结合判别模型，最终达到生成以假乱真的数据。判别模型：判别数据是真/假。自编码器：通过训练网络忽略信号中噪声的数据。通常用于降维和数据压缩、去噪。特点：1.只能用于压缩训练数据集相关的数据；2.压缩的数据是有损压缩；变分自动编码器：...
2020-09-13 21:51:56
1208
转载 KL散度-Entropy-JS散度-W距离
https://zhuanlan.zhihu.com/p/95687720KL Divergence所谓KL散度，是指当某分布q(x)被用于近似p(x)时的信息损失。也就是说，q(x)能在多大程度上表达p(x)所包含的信息，KL散度越大，表达效果越差。
2020-09-13 20:56:32
502
原创 损失函数-MSE-CEE
F.cross_entropy()F.nll_entropy()nn.MSELoss()MSELoss损失函数中文名字就是：均方损失函数，公式如下所示：这里 loss, x, y 的维度是一样的，可以是向量或者矩阵，i 是下标。很多的 loss 函数都有 size_average 和 reduce 两个布尔类型的参数。因为一般损失函数都是直接计算 batch 的数据，因此返回的 loss 结果都是维度为 (batch_size, ) 的向量。一般...
2020-09-13 10:54:13
1620
原创 数据预处理-transform[ToTensor,Normalizer]
https://www.lizenghai.com/archives/46484.html?btwaf=28833990常用的数据预处理方法：torchvision.transforms:提升泛化能力包括：数据中心化、数据标准化、缩放、裁剪、旋转、翻转、填充、噪声添加、灰度变换、线性变换、仿射变换、亮度、饱和度及对比度变换等数据标准化 transforms.Normalize() 功能：逐channel的对图像进行标准化（均值变为0，标准差变为1），可以加快模型的收敛 o
2020-09-13 10:19:57
3081
原创 冻结训练
https://www.zhihu.com/question/311095447/answer/589307812https://zhuanlan.zhihu.com/p/115251842https://zhuanlan.zhihu.com/p/137562717
2020-09-12 21:12:45
874
原创 局部最小值
https://blog.csdn.net/malefactor/article/details/78768210?utm_source=blogxgwz5对于神经网络目标函数优化来说，在参数寻优过程中最常用的算法是梯度下降，目前也出现了很多基于SGD基础上的改进算法，比如带动量的SGD，Adadelta，Adagrad，Adam，RMSProp等梯度下降改进方法，这些算法大多都是针对基础更新公式进行改进：一般深度神经网络由于很深的深度以及非线性函数这两个主要因素，导致目标的损失函数是非...
2020-09-12 17:07:52
2066
原创 Batch size对训练效果的影响&局部最小值
一般来说，在合理的范围之内，越大的 batch size 使下降方向越准确，震荡越小；batch size 如果过大，则可能会出现局部最优的情况。小的 bath size 引入的随机性更大，难以达到收敛，极少数情况下可能会效果变好。首先，为什么需要有 Batch_Size 这个参数？ Batch 的选择，首先决定的是下降的方向。如果数据集比较小，完全可以采用全数据集（Full Batch Learning）的形式，这样做至少有 2 个好处：其一，由全数据集确定的方向...
2020-09-12 16:33:53
748
原创 requires_grad&volatile在冻结训练&预训练中的使用
每个变量都有两个标志：requires_grad和volatile。它们都允许从梯度计算中精细地排除子图，并可以提高效率。requires_grad 如果有一个单一的输入操作需要梯度，它的输出也需要梯度。相反，只有所有输入都不需要梯度，输出才不需要。如果其中所有的变量都不需要梯度进行，后向计算不会在子图中执行。>>> x = Variable(torch.randn(5, 5))>>> y = Variable(torch.randn(5, 5...
2020-09-12 15:25:17
479
转载 极客公园-零基础看懂全球 AI 芯片：详解「xPU」
https://www.sohu.com/a/169062329_413980随着 AI 概念火爆全球，做 AI 芯片的公司也层出不穷。为了让市场和观众能记住自家的产品，各家在芯片命名方面都下了点功夫，既要独特，又要和公司产品契合，还要朗朗上口，也要容易让人记住。比较有意思的是，很多家都采用了「xPU」的命名方式。本文就来盘点一下目前各种「xPU」命名 AI 芯片，以及芯片行业里的各种「xPU」缩写，供吃瓜群众消遣，也供后来者起名参考。此外，除了「xPU」命名方式，本文也扩展了一些「xxP」方.
2020-08-26 16:35:16
3799
1
原创 目标检测-相关算法-rcnn、fast-rcnn、faster-rcnn、yolo、ssd
R-CNNSPPNetFast R-CNNFaster R-CNN
2020-08-17 14:47:53
70
原创 深度学习-相关指标-mAP
recall-召回率也叫查全率，预测的样本中实际的正样本数 / 所有的正样本数为了提高召回率，可以多预测。precision-准确率也叫查准率，预测的样本中实际的正样本数 / 预测的样本数为了提高准确率，可以少预测。P-R曲线每一类都可以根据recall和precision绘制P-R曲线AP就是该P-R曲线下的面积。mAP-平均准确率mAP就是所有类AP的平均值。mean Averge Precisi...
2020-08-17 14:24:39
391
原创 cupy安装
安装：安装之前要擦汗你看自己已经安装CUDA的版本在cmd下运行：nvcc -V依据自己版本修改。例如：其次，开始安装cupy:pip install cupy-cuda92问题：1.输入安装命令后出现ERROR: No matching distribution found for cupy-cuda92解决办法：添加镜像pip install -i https://pypi.tuna.tsinghua.edu.cn/simple cupy-cuda90.
2020-08-06 20:04:26
7550
2
原创 《机器学习从入门到入职》卷积神经网络-keras-CIFAR10-参数调优-图像数据增强
代码链接：CSDN：https://download.csdn.net/download/qq_38649386/12677269GitHub:实验原理：参数调优改进代码：# 构建卷积模型model = Sequential()model.add(Conv2D(20, kernel_size=5, padding="same", input_shape=input_shape))model.add(Activation("relu"))model.add(MaxPoo.
2020-08-01 11:02:50
343
原创 《机器学习从入门到入职》卷积神经网络-keras-数据集CIFAR10
实验代码链接：待更新《机器学习从入门到入职》： 第十章 ， P348深度学习卷积神经网络代码 - 框架 : keras - 数据集 : CIFAR10实验原理：待更新实验结果：实验结论：前提条件：硬件受限，Epoch：5（轮数不够）1.训练模型对CIFAR10数据集的loss/accuracy比mnist数据集差很多；a.训练次数不够：在增加训练次数的情况下，Epoch=40下，train_accuracy：62.3% ;...
2020-07-30 19:20:24
309
原创 《机器学习从入门到入职》深度学习卷积神经网络-keras数据集mnist
实验代码链接：待更新《机器学习从入门到入职》：第十章，P345深度学习卷积神经网络代码-框架keras数据集mnist实验原理：待更新实验结果：实验结论：实验问题及解决：1.model.fit(X_train, y_train, batch_size=BATCH_SIZE, epochs=NB_EPOCH,verbose=VERBOSE, validation_split=VALIDATION_SPLIT, callbacks=...
2020-07-29 23:06:16
392
原创 《机器学习从入门到入职》-不同梯度下降算法的比较-‘sgd‘, ‘rmsprop‘, ‘adagrad‘, ‘adadelta‘, ‘adam‘, ‘nadam‘
代码链接：待更新实验原理：待更新实验结果：实验结论：前提：硬件受限Epoch比较小；数据集比较小；1.SGD理论上收敛时间短，但是效果不佳；2.Adative相关的算法和向量法相关的算法效果都比较好；3.optimizers的调优选择效果比之前做实验关于神经元深度/宽度的accuracy/loss的评分好；问题解决：1.”y_train = np_utils.to_categorical(y_train, NB_CLASSES)“...
2020-07-29 20:13:33
300
原创 《机器学习从入门到入职》讨论隐藏层对模型的影响-增加层深度/层数
代码链接：https://download.csdn.net/download/qq_38649386/12668357实验效果：结论：层数/深度 增加的效果优于 宽度增加的效果遇到的问题及解决方法：1.for 循环内模型建立有问题：本来要建立四个不同模型变成同一个模型层数叠加错误：正确代码：# 分别列举增加不同神经元数量及层数-【神经元数量，层数】for i,j in enumerate([[512,1],[1024,2],[512,4],.
2020-07-28 17:28:39
1462
原创 《机器学习从入门到入职》讨论隐藏层对模型的影响-增加层宽度
先贴上代码，再解释：from keras.models import Sequentialfrom keras.layers.core import Dense, Activationfrom keras.optimizers import SGDfrom keras.utils import np_utilsimport kerasimport numpy as npdef load_mnist(): #放置mnist.py的目录。注意斜杠 path = r'C:\U
2020-07-28 13:07:25
878
1
原创 《机器学习从入门到入职》keras手写字体识别mnist及TensorBoard
先贴上代码：import kerasfrom keras.datasets import mnistfrom keras.models import Sequentialfrom keras.layers.core import Dense, Activationfrom keras.optimizers import SGDfrom keras.utils import np_utilsimport numpy as npfrom keras.callbacks import Tens
2020-07-27 23:52:06
189
原创 keras下安装tensorflow2.2问题解决
进入jupyter nootbook 输入“import keras" ，提示需要安装tensorflow2.2或更高版本。以下是遇到的各种问题及其解决办法：1.怎么安装tensorflow版本解决： 看好keras要的是2.2 不是2.0，自己第一次安装成功，但是版本不对。2.看好自己安装的是cpu还是GPU版本的。3.安装太慢解决： 注意用的什么镜像源，最好用使用豆瓣源安装。pip install tensorflow...
2020-07-27 12:22:11
2257
原创 神经网络相关知识点介绍集锦-不定期更新
这篇文章总结的不错，建议阅读：https://www.cnblogs.com/skyfsm/p/8451834.html
2020-07-25 12:40:09
139
原创 SVM支持向量机sklearn-wine红酒数据集代码V1
import numpy as npimport matplotlib.pyplot as pltfrom sklearn import svmfrom sklearn.datasets import make_blobsfrom sklearn.datasets import load_wine# 定义函数作图def make_meshgrid(x, y, h=.02): x_min, x_max = x.min() - 1, x.max() + 1 y_min, y_m.
2020-07-24 18:11:02
2348
原创 SVM支持向量机sklearn代码V3
import numpy as npimport matplotlib.pyplot as pltfrom sklearn import svmfrom sklearn.datasets import make_blobsX, y = make_blobs(n_samples=50, centers=2, random_state=6)clf = svm.SVC(kernel='linear', C=1000)clf.fit(X, y)# plot the samplesplt.sca.
2020-07-24 16:29:19
138
原创 SVM支持向量机sklearn代码V2
from sklearn import svmfrom sklearn.datasets import make_blobsimport matplotlib.pyplot as pltimport numpy as npX, y = make_blobs(n_samples = 100, centers = 2 ,random_state = 0, cluster_std = 0.3 )clf = svm.SVC(C = 1.
2020-07-23 20:59:07
252
原创 SVM支持向量机sklearn代码V1
import numpy as npfrom matplotlib import pyplot as pltfrom sklearn import svm# 原始数据生成函数def f(x): noise = np.random.normal(0, 1, len(x))[:, np.newaxis] y = x * x * x - 16 * x - x * x + 5 + 66 * noise return y# 生成原始函数X = np.linspace(-12.
2020-07-23 20:54:47
444
原创 SVM推导过程中r=2/||w||怎么理解
下图为西瓜书SVM示意图：结合点到直线距离公式可知：（1）r=2/||w|| 是两个超平面之间的距离。（2）SVM是要使最大化间隔max 2/||w||,即min 1/2*||w||,等价于最小化||w||^2
2020-07-23 12:37:42
1181
caffe_GoogLeNet_opencv_DNN.zip
2021-05-06
K210使用情况指南以及测试情况
2020-10-13
卷积神经网络convolution_CIFAR10_keras_参数调优和图像增强代码
2020-08-01
《机器学习从入门到入职》深度学习不同梯度下降算法比较代码keras
2020-07-29
《机器学习从入门到入职》mnist实验改变隐藏层神经元层数和神经元数量的代码及结构图
2020-07-28
机器学习从入门到入职-mnist隐藏层神经元数量实验.zip
2020-07-28
考研各科目大纲_数学英语政治和C语言的考试大纲
2019-06-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人