深度学习初级课程1.单一神经元2.深度神经网络3.随机梯度下降法4.过拟合和欠拟合5.剪枝、批量标准化6.二分类问题应用.用TPU探测希格斯玻色子前言本套课程仍为 kaggle 课程《Intro to Deep Learning》，仍按之前《机器学习》系列课程模式进行。前一系列《Keras入门教程》内容，与本系列有部分重复内容，但重点在于快速入门深度学习中的keras 使用，即从代码入手，快速掌握
ONNX简介 ONNX （Open Neural Network Exchange）是一种多框架共用的，开放协议的神经网络交换格式。ONNX使用Protobuf二进制格式来序列化模型。 ONNX协议首先由微软和
转载
2024-03-26 10:38:08
1020阅读
目录一、ONNX简介二、使用场景三、常见例子 四、使用步骤1.引入库2.读入数据五、如何查看onnx网络结构和参数六、一个简单例子的实现七、ONNX 的其他基本操作1.获取onnx模型的输出层2.获取中间节点的输出数据3.删除指定节点八，技术细节（一些限制的提醒）九，推理速度对比十，参考资料一、ONNX简介 它是微软和Facebook提出的一种表示深
转载
2023-12-07 15:09:50
1952阅读
目录ONNX 的底层实现ONNX 的存储格式ONNX 的结构定义读写 ONNX 模型构造 ONNX 模型读取并修改 ONNX 模型调试 ONNX 模型子模型提取输出 ONNX 中间节点的值总结系列传送门模型部署入门系列教程持续更新啦，在前两期教程中，我们学习了 PyTorch 模型转 ONNX 模型的方法，了解了如何在原生算子表达能力不足时，为 PyTorch 或 ONNX 自定义算子。
转载
2024-01-29 15:29:29
496阅读
开放神经网络交换，提出用来表示深度学习模型的开放格式。所谓开放就是ONNX定义了一组和环境，平台均无关的标准格式，来增强各种AI模型的可交互性。即无论使用何种训练框架训练模型（比如TensorFlow/Pytorch/OneFlow/Paddle），在训练完毕后都可以将这些框架的模型统一转换为ONNX这种统一的格式进行存储。注意ONNX文件不仅仅存储了神经网络模型的权重，同时也存储了模型的结构信息
转载
2024-02-21 14:30:13
376阅读
参考：https://www.bilibili.com/video/BV1PV411774yharris角点检测角点：沿着x,y图像灰度变化迅速 边界：沿着x轴，y轴，一个变化平稳，一个变化迅速基本数学原理 判断平移前后自相似性求解化简 特征归属划分R接近0，平坦区域 小于0，边界 大于0，角点1.计算梯度大小 2.合成矩阵，求特征值 3.比较特征值大小opencv角点检测：import cv2
转载
2024-04-04 16:31:44
155阅读
训练一个像DeepSeek这样的高级语言模型是一个复杂的过程，通常需要大量的计算资源和专业知识。以下是训练类似DeepSeek模型的一般步骤，但请注意，具体的实现细节可能因模型的版本和架构而异：数据收集与预处理：
数据收集：收集大量的文本数据，这些数据可能包括书籍、文章、网页内容等。数据的质量和多样性对于训练一个功能强大的模型至关重要。数据清洗：去除数据中的噪声，比如错误的拼写、格式问题等。数据预
DeepLab系列总结DeepLab系列DeepLab V1DeepLab V2DeepLab V3DeepLab V3+DeepLab系列DeepLab网络是由Liang-Chieh Chen（下文以大神指代）与google团队提出来的，是一个专门用来处理语义分割的模型。目前推出了4个（或者说3.5个）版本。最近把四个版本从头撸了一遍，做一个简单的总结。DeepLab V1原文：Semantic
文章目录介绍SE 模块SE 模块在其他网络上的应用模型效果SE 模块代码实现SE 模块应用到 ResNet 代码实现介绍SENet 是 ImageNet 2017（ImageNet 收官赛）的冠军模型，具有复杂度低，参数少和计算量小的优点。另外，SENet 思路很简单，很其中的 SE 模块很容易扩展在已有网络结构如 Inception 和 ResNet 中。SE 模块已经有很多工作在空间维度上来提
ONNX是开放式神经网络(Open Neural Network Exchange)的简称，主要由微软和合作伙伴社区创建和维护。很多深度学习训练框架(如Tensorflow, PyTorch, Scikit-learn， MXNet等)的模型都可以导出或转换为标准的ONNX格式，采用ONNX格式作为统一
转载
2024-01-12 10:45:59
791阅读
本文给大家介绍一个模型转换格式ONNX和可视化工具Netron。ONNX是微软设计的一种多平台的通用文件格式，帮助算法人员进行模型部署和框架之间相互转换。而Netron是一款老牌的轻量化模型可视化工具，支持多种开源框架，使用上比TensorBoard简单直接。1不同框架模型需要转换吗？目前开源的深度学习框架有很多，当我们在Github上搜索一个通用网络时，会发现各种各样的版本实现。但是深度学习方法
在完成数据预处理之后，下一步就是构建和训练深度学习模型。DeepSeek提供了简洁而强大的API，使得模型构建和训练变得非常直观。无论是简单的全连接网络，还是复杂的卷积神经网络（CNN）或循环神经网络（RNN），DeepSeek都能轻松应对。本文将带你一步步构建一个深度学习模型，并使用预处理后的数据进行训练。我们将通过代码示例详细讲解每个步骤，帮助你快速上手。1. 模型构建基础在DeepSeek中
在学习与定制AI模型的过程中，开发者会面对各种各样的概念，在深度学习领域，有一个名词正在被越来越频繁地得到关注：迁移学习。它相比效果表现好的监督学习来说，可以减去大量的枯燥标注过程，简单来说就是在大数据集训练的预训练模型上进行小数据集的迁移，以获得对新数据较好的识别效果，因其能够大量节约新模型开发的成本，在实际应用中被更广泛地关注。EasyDL专业版在最新上线的版本中，就引入了百度超大规模视觉预训
最近，Facebook 提出了一项新技术 Data-efficient image Transformers（DeiT），需要更少的数据和更少的计算资源就能生成高性能的图像分类模型。研究人员仅用一台 8-GPU 的服务器对 DeiT 模型进行 3 天训练，该方法就在 ImageNet 基准测试中达到了 84.2% 的 top-1 准确率，并且训练阶段未使用任何外部数据，该结果可以与顶尖
论文：EfficientNet: Rethinking Model Scaling for Convolutional Neural NetworksEfficientNet: Rethinking Model Scaling for Convolutional Neural Networks-ICML 2019概要这篇ICML2019的论文对目前分类网络的优化提出更加泛化的思想，认为目前常用的
摘要：本文我们使用深度学习的方法解决语义分割的相关问题，我们作了三个主要贡献，并且都很有实用价值。首先，我们设计的空洞卷积非常适合稠密预测任务。借助空洞卷积（Atrous Convolution），我们可以有效控制输出特征图的分辨率。不仅如此，我们可以有效增大卷积核的感受野（field of view），并且不会增加参数量和计算代价。其次，我们提出带空洞的空间金字塔池化（ASPP）模块，通过不同的
概述神经网络本质上是一个计算图。计算图的节点是算子，边是参与运算的张量。而通过可视化 ONNX 模型，我们知道 ONNX 记录了所有算子节点的属性信息，并把参与运算的张量信息存储在算子节点的输入输出信息中。事实上，ONNX 模型的结构可以用类图大致表示如下：如图所示，一个 ONNX 模型可以用 ModelProto 类表示。ModelProto 包含了版本、创建者等日志信息，还包含了存储计算图结构
转载
2024-08-24 10:16:12
649阅读
【背景】最近由于公司项目需要，花了点时间入门了一下深度学习算法。选择deepinsight/insightface项目的Retinaface算法练手，按照项目说明的training步骤无法直接运行，这里把踩过的坑都记录一下。#环境部署这里用的是MXNet的框架，MXNet和CUDA的环境部署不在本文档的范围内，大家自行百度，我的环境是ubuntu 18.04.3\python 3.7\CUDA 1
ONNX 简介开放神经网络交换，Open Neural Network Exchange，是一套表示 网络模型 的开放格式，由微软和FaceBook在2017年推出；通过几年的快速发展，大有一统整个 AI 模型（ml、dl）的交换标准； ONNX 定义了一组与 环境和平台 无关的标准格式，使得 AI 模型可以在 跨平台、跨框架 的情况下使用；目前，ONNX主要关注在模型预测方面（infe
转载
2024-01-05 16:20:26
153阅读
