第二部分：GitHub账号注册登录及使用教程一、注册并登陆GitHub账号(推荐使用谷歌浏览器)注册网址： https://github.com/注意：不要用qq邮箱，收不到认证邮件。二、在GitHub上新建一个仓库1、登陆新注册的GitHub账号后，点击网页右上角的「New repository」2、填写仓库名，格式必须是「你的 http://username.github.
导师的课题需要用到图片分类；入门萌新啥也不会，只需要实现这个功能，给出初步效果，不需要花太多时间了解内部逻辑。经过一周的摸索，建好环境、pytorch，终于找到整套的代码和数据集，实现了一个小小的分类。记录一下使用方法，避免后续使用时遗忘。感谢各位大佬的开源代码和注释！一、数据处理项目文件夹为Project2，使用的是五种花朵的数据集，首先有spilt_data的代码将已经分好文件夹的数据集分类成
转载
2023-12-18 20:14:44
95阅读
论文地址：Focal Loss for Dense Object Detection 这是凯明大神所在的facebook AI工作组18年提出来的一篇目标检测的论文文中提到说，目前目标检测有两种类型框架，一种是two-stage，例如RCNN、fastRCNN、fasterRCNN、maskRCNN等这一系列的，two-stage分为两个阶段，第一个阶段使用CNN提取到特征图之后，使用r
1. ResNet模型2. 左图为18层，34层模型的一个残差块，右图为50层，101层，152层的残差块3. 18层，34层的残差块（虚线部分表示输入要进行一次下采样操作）4. 50，101，152层的残差块5. 34层的模型结构图，下图残差块分为4部分，2,3,4部分的第一个残差块是需要对输入进行下采样操作的：6. 模型代码：（18和34层的残差块是相似的，50/101
转载
2024-01-11 22:16:39
275阅读
点赞
文章目录前言0. 环境搭建&快速开始1. 数据集制作1.1 标签文件制作1.2 数据集划分1.3 数据集信息文件制作2. 修改参数文件3. 训练4. 评估5. 其他教程 前言项目地址：https://github.com/Fafa-DL/Awesome-Backbones如果你以为该仓库仅支持训练一个模型那就大错特错了，我在项目地址放了目前支持的35种模型（LeNet5、AlexNet、
转载
2024-03-11 15:15:03
282阅读
1.PANNet网路结构图从上图中可知，PANNet主要结构由四部分组成：BackBone+FPEM+FFM+OutPut组成。 BackBone是使用的轻量级模型resnet18，由四个输入图像strides分别为4、8、16、32的conv1、conv2、conv3、conv4组成的主干网络，并使用1
学习网络的时候有这样几个疑惑:为什么需要抽象出五层模型出来？难道不是直接在网线(光纤传输)中传输数据就好了么？大不了到了端点用的是WIFI传输(无线信号)。在回答问题之前我先带你领略下使用最为广泛的五层模型，分别是哪五层？各层解决了什么问题？一、五层模型是哪五层？左边是OSI的七层模型，这模型很牛逼。但是现在基本是存在教科书的啦，学习网络的同学都是知道有这个模型，实际情况使用很少的。右边是TCP/
转载
2024-09-12 06:39:43
58阅读
在这篇博文中，我将详细记录实现 ResNet 网络在 PyTorch 中的过程。ResNet（Residual Network）是一种深度学习模型，通过引入快捷连接，解决了深度网络中的梯度消失和梯度爆炸问题。我会覆盖相关的技术原理、架构解析、源码分析、应用场景及扩展讨论。
```mermaid
flowchart TD
A[理解 ResNet 网络]
B[PyTorch 环境准备
看的多个Kaggle上 图片分类比赛 的代码，发现基本都会选择resnet网络作为前置网络进行训练，那么如何实现这个呢？ 本文主要分为两个部分第一个部分讲解如何使用PyTorch来实现前置网络的设置，以及参数的下载和导入第二个部分简单讲一下resnet运行的原理。第一部分：实现有一个非常好用的库，叫做torchvision。这个是torchvision的官方文档 这个库有三个部分：torchvis
转载
2023-12-01 09:07:31
368阅读
ResNet是当前应用最为广泛的CNN特征提取网络。它的提出始于2015年，作者是大名鼎鼎的三位人物He-Kaiming, Ren-Shaoqing, Sun-Jian。Resnet是残差网络(Residual Network)的缩写,该系列网络广泛用于目标分类等领域以及作为计算机视觉任务主干经典神经网络的一部分，典型的网络有resnet50, resnet101等。Resnet的出现证明网络能
转载
2024-02-23 22:38:16
54阅读
今天带大家学习resnet网络系列，resnet的发展与思考，任何一篇网络的理解不应该单单局限在一篇或几篇博客上，复制别人的代码，不追根溯源是很难有深度的理解。 所以今天，我整理这篇博客带大家从头
零、导包准备import torch
from torchvision import datasets, models, transforms
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import DataLoader
import time
import numpy as np
import
转载
2024-05-01 14:32:52
97阅读
文章目录一、怎么查找开源项目二、怎么使用项目练手 一、怎么查找开源项目以GitHub为例，GitHub上的开源项目非常多，且全面，不过速度比较慢。 码云gitee速度比较快，如果需要的话，可以将GitHub上的代码同步到码云上从码云下载。而且码云gitee搭建个人博客也快，还有一个Web IDE的功能，可在线浏览代码，且体验很好。GitHub上的项目，一般有项目名，项目描述信息，README 等
转载
2024-06-13 16:40:57
101阅读
文章目录前言一、总概二、代码解读1.self.forward方法2.ResNet类与其__init__()3.self._make_stem_layer方法4.self.make_res_layer方法4.1 ResLayer类4.2 `__init__` 中 self.res_layers总结 前言mmdetection/mmdet/models/backbones/resnet.py中的Re
转载
2024-02-23 12:30:05
269阅读
ResNet一直都是非常卓越的性能级网络从 2015年诞生的原型ResNet一直到最近后续加了squeeze-and-excitation 模块的SEResNet， 因为残差机制使得网络层能够不断的加深并且有效的防止性能退化的问题今天老样子先说原理后上代码和大家一起了解ResNet的理论和实际代码中的架构， 之后再说到其他变种希望不会有小伙伴认为怎么2015年的网络 都2019了还有人拿来说， 残
综述 在计算广告中，CTR是非常重要的一环。对于特征组合来说，业界通用的做法主要有两大类：FM系列和Tree系列。这里我们来介绍一下FM系列。 在传统的线性模型中，每个特征都是独立的，如果需要考虑特征与特征之间的相互作用，可能需要人工对特征进行交叉组合。非线性SVM可以对特征进行核变换，但是在特征高度稀疏的情况下，并不能很好的进行学习。现在有很多分解模型可以学习到特征之间的交互隐藏关系，
一、linux环境编译 （ubuntu1604_64）1）下载FFmpeg源码 https://ffmpeg.org/download.html 下载最新的版本，ffmpeg-x.x.x.tar.gz，再通过命令解压：tar -xjvf ffmpeg-x.x.x.tar.bz2 或者git拉下来，git clo
转载
2023-11-14 22:23:49
768阅读
概要本文主要介绍了在Win10系统中安装Github终端、如何配置安装好的Git终端以及如何利用Git终端将自己的项目上传到远程服务器中操作必备win10系统电脑一台、良好的互联网连接、GitHub账户(需要提前到官网进行注册)GitHub的安装1、到官网下载GitHub的安装软件链接为：https://git-scm.com/download/win注意进入这个网页后等待几秒钟下载会自动进行，下
转载
2023-07-12 15:11:45
165阅读
一，残差网络架构1，残差学习单元 上图左对应的是浅层网络（18层，34层），而右图对应的是深层网络（50,101,152）。1. 左图为基本的residual block，residual mapping为两个64通道的3x3卷积，输入输出均为64通道，可直接相加。该block主要使用在相对浅层网络，比如ResNet-34；2. 右图为针对深层网络提出的block，称为“bottlene
转载
2023-12-01 22:04:00
54阅读
GitHub注册以及安装教程 首先，我们了解一下github.gitHub 是一个面向开源及私有软件项目的托管平台，因为只支持 git 作为唯一的版本库格式进行托管，故名 gitHub。github 于 2008 年 4 月 10 日正式上线，除了 git 代码仓库托管及基本的 Web 管理界面以外，还提供了订阅、讨论组、文本渲染、在线文件编辑器、协作图谱（报表）、代码片段分享（Gi
转载
2023-10-12 14:18:27
256阅读
