深度学习

深度学习

深度学习

介绍深度学习各类相关内容，比如卷积神经网络CNN，循环神经网络RNN，LSTM等，以及介绍各类方向子任务的pytorch实现，比如分类任务，迁移学习，Auto-Encoder，VAE，目标检测，可视化，知识蒸馏等知识。

等 4 人订阅共41篇文章创建于2022-05-07

【40】torch.nn汇总（各类与函数接口的解释说明）

如有错误，恳请指出。本文已参与「新人创作礼」活动，一起开启掘金创作之路。以下内容是对torch.nn的各个接口进行一个简要汇总，持续更新.... 官方链接：https://pytorch.org/

2年前
573
点赞
评论

【39】多种方法实现矩阵的图像显示与保存

本文已参与「新人创作礼」活动，一起开启掘金创作之路。如有错误，恳请指出。一般情况下，在计算机视觉领域会出现很多次需要将图像显示或者保存到文件夹下，下面就介绍使用多种方法来实现图像的保存与显示。 @

2年前
316
点赞
评论

【38】开源算法库mmdetection的安装与使用

本文已参与「新人创作礼」活动，一起开启掘金创作之路。如有错误，恳请指出。 OpenMMLad有一系列的开源算法库，包含分类，检测，分割等等计算机视觉的任务，这篇博客用来简单记录一下其开源的检测算法库

2年前
413
点赞
评论

【37】使用LSTM实现文本分类、图像分类、图像生成任务

本文已参与「新人创作礼」活动，一起开启掘金创作之路。如有错误，恳请指出。 @[toc] 在上一篇文章中，使用了LSTM来预测时序信息，接下来就继续对LSTM进行一些拓展应用： 1）使用LSTM网络来

2年前
1.2k
点赞
评论

【36】使用RNN与LSTM实现时序信息预测

本文已参与「新人创作礼」活动，一起开启掘金创作之路。如有错误，恳请指出。 @[toc] 在上一篇博文笔记中，见：【35】Sequence序列网络介绍与使用，我介绍了如何利用pytorch提供的RNN

2年前
445
点赞
评论

【35】Sequence序列网络介绍与使用（含RNN，RNNCell，LSTM，LSTMCell的调用）

本文已参与「新人创作礼」活动，一起开启掘金创作之路。在上一篇笔记中，了解了可以使用各种编码的方式对一句文本进行编码为一个特征向量，处理的方法可以有词频处理，权重处理或者是哈希编码处理等等。那么有了特

2年前
278
点赞
评论

【34】文本文档分类实战（哈希编码/权重编码提取特征 + 卡方过滤 + 搭建神经网络分类）

本文已参与「新人创作礼」活动，一起开启掘金创作之路。如有错误，恳请指出。最近在学习一些sklearn的特征降维与特征提取的事情，可以参考前面几篇发的博客。在之前也提及到，对于一个文本，可以将其编码

2年前
104
点赞
评论

【33】t-SNE原理介绍与对手写数字MNIST的可视化结果

本文已参与「新人创作礼」活动，一起开启掘金创作之路。如有错误，恳请指出。这篇博客将会介绍一个无监督的降维算法——t-SNE，其是一个常用的降维可视化工具，下面会记录一下李宏毅老师对其的原理介绍，然

2年前
2.3k
点赞
评论

【32】多教师网络进行联合蒸馏测试

本文已参与「新人创作礼」活动，一起开启掘金创作之路。如有错误，恳请指出。 @[toc] 在之前的知识蒸馏的例子中，我搭建了一个大的神经教师网络来对小的神经学生网络进行蒸馏。但是，看完那篇博客的朋友可

2年前
1.6k
1
评论

【31】yolov5的使用 | 训练Pascal voc格式的数据集

本文已参与「新人创作礼」活动，一起开启掘金创作之路。如有错误，恳请指出。在上一篇文章中：【30】yolov5的数据集准备 | 处理Pascal voc格式的数据集，已经介绍了如何对自己的数据集进行

2年前
648
点赞
评论

【30】yolov5的数据集准备 | 处理Pascal voc格式的数据集

本文已参与「新人创作礼」活动，一起开启掘金创作之路。如有错误，恳请指出。在使用yolov5训练自己的数据集时，一般需要对数据集进行处理。数据集一般的标注文件为xml格式，所以首先将这种xml格式

3年前
486
点赞
评论

【29】知识蒸馏(knowledge distillation)测试以及利用可学习参数辅助知识蒸馏训练Student模型

本文已参与「新人创作礼」活动，一起开启掘金创作之路。如有错误，恳请指出。这里主要是对知识蒸馏进行测试已查看效果，其中包含对温度设置所带来的变化；以及可学习参数的设置，设置了一个通过调整两个参数拟合

3年前
311
点赞
评论

【28】使用hook技术获取模型的中间梯度信息与中间特征输出

本文已参与「新人创作礼」活动，一起开启掘金创作之路。如有错误，恳请指出。以下内容是关于使用hook技术来获取模型forward过程的特征矩阵以及backward过程的梯度信息。 1. regist

3年前
344
点赞
评论

【27】grad-cam的简单逻辑实现以及效果展示

本文已参与「新人创作礼」活动，一起开启掘金创作之路。如有错误，恳请指出。 1. grad-cam的简单实现 grad-cam通过对类别c最后的预测值yc进行方向传播，得到回传的特征层A的梯度信息A‘

3年前
1.0k
点赞
评论

【26】pytorch中的grad求导说明以及利用backward获取梯度信息

本文已参与「新人创作礼」活动，一起开启掘金创作之路。以下内容如有错误，恳请指出。这两天对pytorch中的梯度计算以及其自动求导机制进行一个简单的实验，主要部分有两个，第一部分是关于pytorch

3年前
1.1k
点赞
评论

【25】模型参数量Params与计算量Flops的计算方法

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 1. 推导公式 1.1 CNN Params 1.2 CNN Flops 1.3 Linear Params 1.4 Linear Flops 2

3年前
1.5k
点赞
评论

【24】目标检测模型SSD的搭建及其训练与测试

本文已参与「新人创作礼」活动，一起开启掘金创作之路。参考资料：https://zh-v2.d2l.ai/chapter_computer-vision/ssd.html 其中代码稍有修改 1. 模

3年前
1.1k
点赞
评论

【23】多尺度检测及检测数据集

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 1. 多尺度边界框检测定义一些列的显示函数使用不同的尺度构建anchor 假设此处的 c 张特征图是 CNN 基于输入图像的正向传播算法获得的

3年前
191
点赞
评论

【22】目标检测中锚框（anchor）的相关总结

本文已参与「新人创作礼」活动，一起开启掘金创作之路。首先导入所需要的工具包 1. 目标检测和边界框对于这张带标注的图像，可以从对于的xml文件中获取其坐标信息，脚本如下测试现在可以从图像中获取

3年前
1.1k
点赞
评论

【21】使用预训练的目标检测与语义分割网络

本文已参与「新人创作礼」活动，一起开启掘金创作之路。今天简单测试一下pytorch提供的模型 1. 使用训练好的目标检测网络加载已经训练好的ResNet-50-FPN结构的Fast RCNN模型

3年前
171
点赞
评论