深度学习

学习linux时遇到了文件传输问题，发现ftp服务器是常用的一种，所以搜集整理了ftp服务器的搭建。 首先介绍一下FTP服务器： FTP 是File Transfer Protocol（文件传输协议）

学习率调整 一、 所有学习率调整函数的基类 主要属性： optimizer：关联的优化器 last_epoch：记录epoch数 base_lrs：记录初始学习率 主要方法： step()：更新下一个

优化器 管理并更新模型中的可学习参数的值，使得模型输出更接近真实标签。 初始化函数 基本方法： Tips： 优化器通过地址管理参数，节省内存消耗 学习率（learning rate） 学习率过大会梯度

损失函数 损失函数（loss）：$Loss=f(\hat{y}, y)$ ，衡量模型输出与真实标签的差异，针对一个样本。 代价函数（cost）：$Coss=\frac{1}{N}\sum_i^Nf(\

技术不重要，而是思想。 原则：让训练集与测试集更接近 关于名称： 数据增强、数据扩增、数据增广 都是他。 方法分类： 空间位置：如平移 色彩：如灰度图、色彩抖动 形状：如放射变换 上下文场景：如遮挡、

一、什么是数据集? 由数据样本组成的集合。 样本之间是独立的（不依赖其他样本），单个样本拿出来仍然可以称为此目标的样本。 （最好）没有必然联系（除目标外），比如飞机和蓝天，如果数据集中的飞机都出现在蓝

先看看效果对比 YOLOv4 的运行速度是 EfficientDet 的两倍。使 YOLOv3 的 AP 和 FPS 分别提高 $10%$ 和 $12%$，达到 $43.5％$ AP 和 $65$ F

一、概览 论文地址：https://arxiv.org/ftp/arxiv/papers/2003/2003.09644.pdf 代码下载：https://github.com/charlesq34/

一、概览 论文地址：https://arxiv.org/pdf/1612.00593.pdf 代码下载：https://github.com/charlesq34/pointnet 论文框架： 研究目

一、概览 论文地址：https://arxiv.org/abs/1901.04780 代码地址：https://github.com/j96w/DenseFusion 论文框架： 研究目的： 在混乱场

先来张图 一、各列说明 1. layer 这一列顾名思义，是层名称。 数字是层编号，后面是层名称。 conv：卷积层。 res：shortcut层（跨层连接，借鉴 resnet 而来，所以用res表示

此教程在ubuntu系统下执行，如果在windows下，需将./darknet换成你的darknet.exe的路径。 一. 训练模型 说明： [.data]是.data文件的路径。 [.cfg]是.c

```C [net] # [xxx]开始的行表示网络的一层，其后的内容为该层的参数配置，[net]为特殊的层，配置整个网络 # Testing # 测试模式，batch 和 subdivisions

假设整个数据集的数据量用 dataSet 表示。 把 dataSet 个数据都训练一遍，就叫一个 epoch。 又可以将整个 dataSet 分成几批去训练，每一批的数量就是 batch。 而把 ba

如上图，日志分为三部分 一、第一部分 第一行 ： 加载初始权重。 第二行 ： Learning Rate：当前学习率，小数点后大于4位数后，用科学计数法表示。 Momentum：当前动量参数。 Dec

零、来看看官网的简介 Darknet官网 Darknet: Open Source Neural Networks in C. Darknet is an open source neural net

梯度下降算法针对的是最小优化问题(即求最小值问题)，目的是使目标函数沿最快路径下降到最小值。梯度下降算法家族包括批量梯度下降法、随机梯度下降法、小批量梯度下降法三种。