文章目录参考代码地址实验1、实验环境2、实验数据集3、数据集代码4、微调整个网络4.1 模型4.2 训练4.3 测试5、只训练分类器5.1 模型5.2 训练5.3 测试自己的实验1、自己的数据集2、自己的模型3、训练和测试 参考迁移学习的简单知识： 迁移学习有两类比较主要的应用场景将预训练模型作为初始化的参数，替换分类器后，训练和微调整个网络的数据将预训练模型（删除最后一个全连接层）作为固定特征
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操作教程：https://www.bilibili.com/video/BV1SY411P7NdRes2Net原论文：
转载
2024-09-01 17:11:44
116阅读
YAHOO 全局命名空间，是所有命名空间的根YAHOO.namespace(args...) 创建命名空间命名空间以空对象的形式存在，此函数解决了同名空间覆盖导致的信息丢失问题；可以传多个参数，YAHOO.namespace("lgz.test", "lgz.work")；函数返回最后被创建的空对象；为YAHOO起个别名，var lgz = YAHOO，就可以有不以YAHOO为根的命名空间。YA
论文地址：Deep Residual Learning for Image Recognition深的网络一般会比浅的网络效果好，如果要进一步地提升模型的准确率，最直接的方法就是把网络设计的越来越深，这样的准确率也就会越来越准确。 可现实是这样吗？ 先看几个经典的图像识别深度学习模型： 这几个模型都是在世界顶级比赛中获奖的著名模型，然而，一看这些模型的网络层次数量，似
转载
2024-05-31 10:20:02
332阅读
目录 目录1 构建Retinanet环境2 生成CSV文件3训练4.转化模型5.测试6.评测loss可视化ap，precision-recall数据集什么的看我之前博客，资源里也有标记好的数据集，这里主要写一下我配置使用训练过程。1 构建Retinanet环境1.代码库下载地址https://github.com/fizyr/keras-retinanet，或git命令：git clo
转载
2024-05-17 11:31:54
256阅读
Resnet 学习笔记前言 学了几个月的神经网络，感觉也没学到什么东西，炼丹能力倒是提升不少。。。不能只停留在应用方面，还是要掌握理论，因此就想借助博客园把我学到的理论知识都记录下来，也算是加深记忆了。 最近在看一些著名的网络模型，就从Resnet着手写下第一篇博客（主要是GoogleNet太复杂。。。）Why Resnet 当今世界，神经网络模型越来越深，那么是不是越深的模型就越好呢？ 论文中首
转载
2024-06-05 10:55:05
61阅读
前言本文针对刚刚了解深度学习并希望快速上手的同学，将对代码各个模块的内容做简单的讲解。深度学习训练框架给自己的数据集制作标签对数据集进行训练集测试集分组如果数据是小样本，需要进行数据增强（扩充样本集）数据集加载数据集迭代器对resnet网络输出层进行全连接更改训练网络深度学习训练流程这里给刚入门深度学习的同学一个简单的官方深度学习实例：def train(data):
#将原始特征（数据）
转载
2024-05-04 15:11:12
138阅读
如今的ResNet已经使用的非常普遍了，标准的模型有 本篇博客主要介绍如何自行实现ResNet，毕竟现在这些主流模型已经被各大框架封装成了Model Zoo，可以实现一句话调用模型，甚至还提供了各种版本的预训练模型可供加载，可以选择进行在何处进行截取，便于实现自定义分类器。以下分为tensorflow与pytorch分解介绍实现。一、Tensorflow不得不说，tensorflow虽然用的多，但
转载
2024-04-29 11:05:52
107阅读
这篇文章搭建的是resnet18网络模型，由于是自己搭建的，所以加载不了官方的预训练模型。主要是了解一下网络是怎么搭建的。可以加载官方预训练模型的地址（不是我写的）：resnet18网络模型，可加载官方网络模型1.resnet18的网络结构图如下： 2.流程：先经过卷积核kernel_size为（7,7）的卷积层，然后再经过kernel_size为（3,3）的池化层然后再进行
转载
2024-04-22 16:02:30
185阅读
如果对你有用的话，希望能够点赞支持一下，这样我就能有更多的动力更新更多的学习笔记了。?? 使用ResNet进行CIFAR-10数据集进行测试，这里使用的是将CIFAR-10数据集的分辨率扩大到32X32，因为算力相关的问题所以我选择了
转载
2024-05-14 14:02:15
145阅读
目录导言：1. 应用2. 结构介绍3. 代码案例导言：深度学习的迅速发展在图像识别、语音处理和自然语言处理等领域取得了巨大的突破。然而，深度神经网络在训练过程中遇到了梯度消失和梯度爆炸等问题，限制了模型的性能和训练的深度。为了解决这些问题，研究人员于2015年提出了一种创新的网络结构——ResNet（Residual Network）。本文将详细介绍ResNet的历史演变、作用影响、结
1. 加载数据import osimport torch.utils.data as dataimport torchimport torch.optim as optimimport torch.nn as nnfrom torch.optim imp datasets, models, transf...
原创
2022-09-16 13:44:00
1778阅读
众所周知，具有数据并行性的分布式深度学习能快速进行群集训练。此方法中，在群集上进行的所有进程都具有相同的DNN模型和权重。每个进程使用不同的mini batch训练模型，但是所有进程的权重梯度通过组合来更新。这种通信开销(communication overhead)成为大型集群的重要问题。为了减少大型集群的开销，研究团队增加了DNN的mini batch并
作者：Ayoosh Kathuria编译：ronghuaiyang导读这个系列介绍了如何在CIFAR10上高效的训练ResNet，到第4篇文章为止，我们使用单个V100的GPU，可以在79s内训练得到94%的准确率。里面有各种各样的trick和相关的解释，非常好。我们研究了mini-batch对训练的影响，并使用更大的minibatch来减少训练时间到256秒。这里，我们研究了minibatch的
致小白的K210模型训练与运用 文章目录致小白的K210模型训练与运用前言一、模型训练方法二、详细介绍1.使用MixHub平台进行训练2.使用Mx-yolov3自己搭建平台进行训练3.V3模型4.V4模型 前言 由于我也是刚接触K210不久，并且对python没有太多的了解，但是又想自己训练模型，于是花了挺多的时间在找寻简单的模型训练方法，本来是在几天前就找到了简单的模型训练方法，但是后来在使用的
转载
2024-08-11 10:34:21
293阅读
1 Faster RCNN操作流程1. 卷积层（conv layer）：【输入为整张图片，输出为提取的feature map】用于提取图片的特征，比如VGG16。2. RPN模块（Region Proposal Network）：【输入为feature map，输出为候选区域】。这里替代之前的search selective。
首先生成很多Anchor box，对其进
转载
2024-04-02 08:44:32
713阅读
文章地址 这是一篇2018年的文章，之所以看它一是因为他的整体架构可以作为RGB-D的基础框架，比较通用，另一方面是因为在上一篇文章中提到的，恢复边界比较好。 放在2018的背景下，resnet已经提出，RedNet在encoder和decoder使用了残差块作为building block。作者同时提出了多尺度深监督，在现在的许多文章都用到了。最终在SUN RGB-D上取得47.8%的成绩。 F
转载
2024-03-19 09:57:11
330阅读
首先是要结构化思维，才谈得上有逻辑清晰的形象化表达。当我们的技能和经验朝方法论和模式转化的时候，更多的是一种归纳的过程，但是我们归纳的方法论向他人传递的时候，则更多的需要的是演绎的过程。 所以第一步，请开动你的脑子，找一个本子，每天总结今天做过的事情，需长此以往； 你需要通过不断的，不同场景下的实践来进行自
ResNet介绍 1 简要概括 ResNet（Residual Neural Network）由微软研究院的Kaiming He等四名华人提出，通过使用ResNet Unit成功训练出了152层的神经网络，并在ILSVRC2015比赛中取得冠军，在top5上的错误率为3.57%，同时参数量比VGGNet低，效果非常突出。ResNe
转载
2023-09-25 10:31:40
172阅读
前一阵子参加了华为的多目标检测比赛 link，尝试通过 faster_rcnn 算法定位和分类病理图像中的癌细胞。MindSpore 是华为的 AI 框架，支持华为自研的Ascend芯片。MindSpore目前不支持macOS，不过组织方提供了华为云作为训练平台。以下将分享使用mindspore及华为云的经验。Notebook首先可以从mindspore官方的 gitee 上下载faster_rc
