摘要:“數字人體”視覺挑戰賽-宮頸癌風險智能診斷 參賽對象 面向全社會開放,高等院校、科研單位、互聯網企業等人員均可報名參賽。注:大賽主辦和技術支持單位如有機會接觸賽題背景業務、產品、數據的員工,則自動退出比賽,放棄參賽資格。 報名及實名認證(即日起—2019年11月20日) 1、報名方式:登錄比賽官網, 閱讀全文
posted @ 2019-10-11 11:03 小宋是呢 閱讀 (46) 評論 (0) 編輯
摘要:0 序·簡介 在使用Ubuntu或者Windows執行一些復雜數據運算時,需要關注下CPU、GPU以及內存占用量,如果數據運算超出了負荷,會產生難以預測的錯誤。本文將演示如何用簡單地方式,實時監控Ubuntu或者Windows的CPU、GPU以及內存占用量,教會大家如何實時監控電腦狀態。 水平有限, 閱讀全文
posted @ 2019-10-11 08:35 小宋是呢 閱讀 (142) 評論 (0) 編輯
摘要:此篇教程參考自TensorFlow 2.0 + Keras Crash Course,在原文的基礎上進行了適當的總結與改編,以適應于國內開發者的理解與使用,水平有限,如果寫的不對的地方歡迎大家評論指出。覺得文章有用的話麻煩點贊,想看原文可以點擊鏈接kx上網訪問。 ? ? 0 序 TensorFlow 閱讀全文
posted @ 2019-10-08 14:43 小宋是呢 閱讀 (357) 評論 (0) 編輯
摘要:? ? 0 序篇 2015年11月,Google正式發布了Tensorflow的白皮書并開源TensorFlow 0.1 版本。 2017年02月,Tensorflow正式發布了1.0.0版本,同時也標志著穩定版的誕生。 2019年10月,TensorFlow在經歷七個多月(2019年3月1日-20 閱讀全文
posted @ 2019-10-03 21:16 小宋是呢 閱讀 (263) 評論 (0) 編輯
摘要:0 前言 TensorFlow 2.0,今天凌晨,正式放出了2.0版本。 不少網友表示,TensorFlow 2.0比PyTorch更好用,已經準備全面轉向這個新升級的深度學習框架了。 ? 本篇文章就帶領大家用最簡單地方式安裝TF2.0正式版本(CPU與GPU),由我來踩坑,方便大家體驗正式版本的T 閱讀全文
posted @ 2019-10-01 17:11 小宋是呢 閱讀 (764) 評論 (0) 編輯
摘要:深度學習用的有一年多了,最近開始NLP自然處理方面的研發。剛好趁著這個機會寫一系列NLP機器翻譯深度學習實戰課程。 本系列課程將從原理講解與數據處理深入到如何動手實踐與應用部署,將包括以下內容:(更新ing) NLP機器翻譯深度學習實戰課程·零(基礎概念) NLP機器翻譯深度學習實戰課程·壹(RNN 閱讀全文
posted @ 2019-08-22 16:06 小宋是呢 閱讀 (68) 評論 (0) 編輯
摘要:0. 前言介紹 開源地址:https://github.com/matterport/Mask_RCNN 個人主頁:http://www.yansongsong.cn/ MaskRCNN是何凱明基于以往的faster rcnn架構提出的新的卷積網絡,一舉完成了object instance segm 閱讀全文
posted @ 2019-08-16 10:13 小宋是呢 閱讀 (177) 評論 (0) 編輯
摘要:0.深入理解GPU訓練加速原理 我們都知道用GPU可以加速神經神經網絡訓練(相較于CPU),具體的速度對比可以參看我之前寫的速度對比博文: [深度應用]·主流深度學習硬件速度對比(CPU,GPU,TPU) GPU是如何加速的呢? 我打算從兩個方面來解答: 單個GPU較于CPU加速: 在訓練網絡中,其 閱讀全文
posted @ 2019-08-13 16:11 小宋是呢 閱讀 (268) 評論 (0) 編輯
摘要:face_recognition是一個強大、簡單、易上手的人臉識別開源項目,并且配備了完整的開發文檔和應用案例,特別是兼容樹莓派系統。此項目是世界上最簡潔的人臉識別庫,你可以使用Python和命令行工具提取、識別、操作人臉。 本項目的人臉識別是基于業內領先的C++開源庫 dlib中的深度學習模型,用 閱讀全文
posted @ 2019-08-05 15:19 小宋是呢 閱讀 (290) 評論 (0) 編輯
摘要:[深度應用]·Keras實現Self-Attention文本分類(機器如何讀懂人心) 配合閱讀: [深度概念]·Attention機制概念學習筆記 [TensorFlow深度學習深入]實戰三·分別使用DNN,CNN與RNN(LSTM)做文本情感分析 筆者在[深度概念]·Attention機制概念學習 閱讀全文
posted @ 2019-05-27 11:55 小宋是呢 閱讀 (386) 評論 (0) 編輯
摘要:此文源自一個博客,筆者用黑體做了注釋與解讀,方便自己和大家深入理解Attention model,寫的不對地方歡迎批評指正。。 閱讀全文
posted @ 2019-05-26 16:13 小宋是呢 閱讀 (85) 評論 (0) 編輯
摘要:在使用TensorFlow&Keras通過GPU進行加速訓練時,有時在訓練一個任務的時候需要去測試結果,或者是需要并行訓練數據的時候就會顯示OOM顯存容量不足的錯誤。以下簡稱在訓練一個任務的時候需要去測試結果,或者是需要并行訓練數據為進行新的運算任務。 閱讀全文
posted @ 2019-05-17 10:44 小宋是呢 閱讀 (355) 評論 (0) 編輯
摘要:滑動平均濾波法(又稱遞推平均濾波法),時把連續取N個采樣值看成一個隊列 ,隊列的長度固定為N ,每次采樣到一個新數據放入隊尾,并扔掉原來隊首的一次數據.(先進先出原則) 把隊列中的N個數據進行算術平均運算,就可獲得新的濾波結果。 閱讀全文
posted @ 2019-05-16 11:35 小宋是呢 閱讀 (1394) 評論 (0) 編輯
摘要:經典網絡 經典網絡包括 LeNet、AlexNet 以及 VGG 等。 LeNet:1998,Gradient based learning applied to document recognition 用于手寫數字識別,可以看到,卷積神經網絡的基本框架已經有了,卷積、激活、池化和全連接,這幾個基 閱讀全文
posted @ 2019-05-13 20:30 小宋是呢 閱讀 (30) 評論 (0) 編輯
摘要:在圖片分類的中經常可以看到Top-1,Top-5等TopN準確率(或者時錯誤率)。 那這個TopN是什么意思呢?首先Top-1準確率最好理解,就是我們用argmax從網絡輸出取到的預測index與真實index的準確率。 Top-5準確率就是指從網絡輸出取到的預測概率最大5個index與真實的index進行比對,5個之中任意一個比對成功就算預測正確了。同理Top-3就是指概率最大3個index. 閱讀全文
posted @ 2019-05-13 20:01 小宋是呢 閱讀 (127) 評論 (0) 編輯
摘要:在開發的過程中遇到一個問題,就是需要把numpy作為pandas的一個元素進行保存,注意不是作為一列元素。但是實踐的過程中卻不順利,會報錯,現在我解決了這個問題,并且把心得和理解分享出來,希望能幫到后來人。 閱讀全文
posted @ 2019-05-09 23:30 小宋是呢 閱讀 (381) 評論 (0) 編輯
摘要:在深度學習中,有時會使用Matlab進行濾波處理,再將處理過的數據送入神經網絡中。這樣是一般的處理方法,但是處理起來卻有些繁瑣,并且有時系統難以運行Matlab。Python作為一種十分強大的語言,是支持信號濾波濾波處理的。 本文將以實戰的形式基于scipy模塊使用Python實現簡單濾波處理,包括內容有1.低通濾波,2.高通濾波,3.帶通濾波,4.帶阻濾波器。具體的含義大家可以查閱大學課程,信號與系統。簡單的理解就是低通濾波指的是去除高于某一閾值頻率的信號;高通濾波去除低于某一頻率的信號;帶通濾波指的是類似低通高通的結合保留中間頻率信號;帶阻濾 閱讀全文
posted @ 2019-05-08 15:04 小宋是呢 閱讀 (2237) 評論 (0) 編輯
摘要:Dlib是一個深度學習開源工具,基于C++開發,也支持Python開發接口,功能類似于TensorFlow與PyTorch。但是由于Dlib對于人臉特征提取支持很好,有很多訓練好的人臉特征提取模型供開發者使用,所以Dlib人臉識別開發很適合做人臉項目開發。 上面所說的人臉識別開發,主要是指人臉驗證,就是輸入兩張人臉照片,系統會對比輸出0或者1,代表判斷是否是同一個人。一般的人臉識別開發可以簡單分為1.人臉特征建模與2.使用人臉特征模型進行驗證(其實還應包括人臉對齊等,這些也可以劃分到1中)。使用Dlib進行開發時,我們直接可以使用訓練好的人臉特征 閱讀全文
posted @ 2019-04-25 00:38 小宋是呢 閱讀 (859) 評論 (2) 編輯
摘要:[開發技巧]·AdaptivePooling與Max/AvgPooling相互轉換 個人網站--> http://www.yansongsong.cn/ 1.問題描述 自適應池化Adaptive Pooling是PyTorch的一種池化層,根據1D,2D,3D以及Max與Avg可分為六種形式。 自適 閱讀全文
posted @ 2019-04-22 16:25 小宋是呢 閱讀 (1022) 評論 (0) 編輯
摘要:[深度應用]·實戰掌握PyTorch圖片分類簡明教程 個人網站--> http://www.yansongsong.cn/ 項目GitHub地址--> https://github.com/xiaosongshine/image_classifier_PyTorch/ 1.引文 深度學習的比賽中,圖 閱讀全文
posted @ 2019-04-20 10:07 小宋是呢 閱讀 (401) 評論 (0) 編輯
摘要:“數字人體”視覺挑戰賽-宮頸癌風險智能診斷 參賽對象 面向全社會開放,高等院校、科研單位、互聯網企業等人員均可報名參賽。注:大賽主辦和技術支持單位如有機會接觸賽題背景業務、產品、數據的員工,則自動退出比賽,放棄參賽資格。 報名及實名認證(即日起—2019年11月20日) 1、報名方式:登錄比賽官網, 閱讀全文
posted @ 2019-10-11 11:03 小宋是呢 閱讀 (46) 評論 (0) 編輯
摘要:0 序·簡介 在使用Ubuntu或者Windows執行一些復雜數據運算時,需要關注下CPU、GPU以及內存占用量,如果數據運算超出了負荷,會產生難以預測的錯誤。本文將演示如何用簡單地方式,實時監控Ubuntu或者Windows的CPU、GPU以及內存占用量,教會大家如何實時監控電腦狀態。 水平有限, 閱讀全文
posted @ 2019-10-11 08:35 小宋是呢 閱讀 (142) 評論 (0) 編輯
摘要:此篇教程參考自TensorFlow 2.0 + Keras Crash Course,在原文的基礎上進行了適當的總結與改編,以適應于國內開發者的理解與使用,水平有限,如果寫的不對的地方歡迎大家評論指出。覺得文章有用的話麻煩點贊,想看原文可以點擊鏈接kx上網訪問。 ? ? 0 序 TensorFlow 閱讀全文
posted @ 2019-10-08 14:43 小宋是呢 閱讀 (357) 評論 (0) 編輯
摘要:? ? 0 序篇 2015年11月,Google正式發布了Tensorflow的白皮書并開源TensorFlow 0.1 版本。 2017年02月,Tensorflow正式發布了1.0.0版本,同時也標志著穩定版的誕生。 2019年10月,TensorFlow在經歷七個多月(2019年3月1日-20 閱讀全文
posted @ 2019-10-03 21:16 小宋是呢 閱讀 (263) 評論 (0) 編輯
摘要:0 前言 TensorFlow 2.0,今天凌晨,正式放出了2.0版本。 不少網友表示,TensorFlow 2.0比PyTorch更好用,已經準備全面轉向這個新升級的深度學習框架了。 ? 本篇文章就帶領大家用最簡單地方式安裝TF2.0正式版本(CPU與GPU),由我來踩坑,方便大家體驗正式版本的T 閱讀全文
posted @ 2019-10-01 17:11 小宋是呢 閱讀 (764) 評論 (0) 編輯
摘要:深度學習用的有一年多了,最近開始NLP自然處理方面的研發。剛好趁著這個機會寫一系列NLP機器翻譯深度學習實戰課程。 本系列課程將從原理講解與數據處理深入到如何動手實踐與應用部署,將包括以下內容:(更新ing) NLP機器翻譯深度學習實戰課程·零(基礎概念) NLP機器翻譯深度學習實戰課程·壹(RNN 閱讀全文
posted @ 2019-08-22 16:06 小宋是呢 閱讀 (68) 評論 (0) 編輯
摘要:0. 前言介紹 開源地址:https://github.com/matterport/Mask_RCNN 個人主頁:http://www.yansongsong.cn/ MaskRCNN是何凱明基于以往的faster rcnn架構提出的新的卷積網絡,一舉完成了object instance segm 閱讀全文
posted @ 2019-08-16 10:13 小宋是呢 閱讀 (177) 評論 (0) 編輯
摘要:近幾年來,基于神經網絡的深度學習方法在計算機視覺、語音識別等領域取得了巨大成功,另外在自然語言處理領域也取得了不少進展。在NLP的關鍵性基礎任務—命名實體識別(Named Entity Recognition,NER)的研究中,深度學習也獲得了不錯的效果。 開源地址:https://github.c 閱讀全文
posted @ 2019-08-15 16:52 小宋是呢 閱讀 (188) 評論 (0) 編輯
摘要:0.前言 深度學習用的有一年多了,最近開始NLP自然處理方面的研發。剛好趁著這個機會寫一系列NLP機器翻譯深度學習實戰課程。 本系列課程將從原理講解與數據處理深入到如何動手實踐與應用部署,將包括以下內容:(更新ing) NLP機器翻譯深度學習實戰課程·零(基礎概念) NLP機器翻譯深度學習實戰課程· 閱讀全文
posted @ 2019-08-15 09:39 小宋是呢 閱讀 (176) 評論 (0) 編輯
摘要:0.深入理解GPU訓練加速原理 我們都知道用GPU可以加速神經神經網絡訓練(相較于CPU),具體的速度對比可以參看我之前寫的速度對比博文: [深度應用]·主流深度學習硬件速度對比(CPU,GPU,TPU) GPU是如何加速的呢? 我打算從兩個方面來解答: 單個GPU較于CPU加速: 在訓練網絡中,其 閱讀全文
posted @ 2019-08-13 16:11 小宋是呢 閱讀 (268) 評論 (0) 編輯
乐就娱乐