详情

全站展示位

标签: 平均精度/average precision/AP |

one bite at a time。。。

推荐

[译]TorchVision Object Detection Finetuning Tutorial |

本文是PyTorch中关于微调CNN的一篇教程,里面利用预训练的Mask R-CNN模型,在PennFudan数据集上进行微调实现 原文地址:TorchVision Object Detection Finetuning Tutorial 本文章涉及脚本位于仓库pytorch/vision

心灵鸡汤

小故事、三个金人

  曾经有个小国到中国来,进贡了三个一模一样的金人,金碧辉煌,把皇帝高兴坏了。可是这小国不厚道,同时出一道题目:这三个金人哪个最有价值?

  皇帝想了许多的办法,请来珠宝匠检查,称重量,看做工,都是一模一样的。怎么办?使者还等着回去汇报呢。泱泱大国,不会连这个小事都不懂吧?

  最后,有一位退位的老大臣说他有办法。

  皇帝将使者请到大殿,老臣胸有成足地拿着三根稻草,插入第一个金人的耳朵里,这稻草从另一边耳朵出来了。第二个金人的稻草从嘴巴里直接掉出来,而第三个金人,稻草进去后掉进了肚子,什么响动也没有。老臣说:第三个金人最有价值!使者默默无语,答案正确。

  心得:最有价值的人,不一定是最能说的人的人。老天给我们两只耳朵一个嘴巴,本来就是让我们多听少说的。善于倾听,才是成熟的人最基本的素质。

列表展示

主站展示位

im2col解析3 |

前面实现了图像转列向量,在之前推导过程中使用的是行向量,所以修改im2col.py,实现im2row的功能 卷积核大小为\(2\times 2\),步长为1,零填充为0 field_height = 2 field_width = 2 stride = 1 padding = 0 2维图像大小为\(3\times 3\),3维图像大小为\(2\times 3\times 3\),4维图像大小为

不一定难,但是绝对不简单 |

2023年8月29日,完成了南京陆小馋的零食AI交付,用的最新研发的算法,效果非常好。晚上10点多,我一个人走在马路上,非常安静,我的脑海中一直回味着白天非常棒的识别效果。仔细想想,我现在做的零食算法研发,它不一定难,但是绝对不简单。

矩阵基础 |

小结矩阵求解过程中的基础知识 标量、向量和矩阵 矩阵乘法/积 转置、共扼、共扼转置 矩阵的迹 向量化和矩阵化

MobileNet/ShuffleNet/GhostNet/EfficientNet-Lite |

之前整理过一些图像分类相关的论文和实现:图像分类。这一次专门总结轻量网络的构成和演化。

什么是软件工程 |

在网上看到一个说法,开发软件就像开发建筑,感觉真的很像.后来又转念一想,工程类学科(比如建筑工程/汽车工程)都有相似的部分 参与人数众多 高度分工(比如有专门负责视觉UI/有专门负责产品测试/有专门负责产品开发) 追求模块化/结构化 在不同领域有专精(比如开发浏览器/邮箱/搜索引擎/电子商务)

制作Docker镜像:Docker+TensorRT+Pytorch+SSH |

制作Docker镜像,包含Pytorch+TensorRT开发环境,同时开通SSH连接

数据结构-图2 |

学习路径如下: 图的基本定义 顶点/边/图的关系(本文学习内容) 图的存储结构 深度/广度优先遍历 最小生成树 完整工程:zjZSTU/graph_algorithm

博客寄语:

    大海

实时播报:

博客号-学习成长

相信每一分耕耘都有每一分收获,致力帮助博客主所创作的博客能更快的被收录! 如果有其它需求,可联系下方邮箱。