數(shù)組的變形 數(shù)組的變形也是一類非常有用的操作。 數(shù)組變形最靈活的實(shí)現(xiàn)方式是通過(guò) reshape() 函數(shù)來(lái)實(shí)現(xiàn)。例如，如果你希望將數(shù)字 1~9 放入一個(gè)3×3 的矩陣中，可以...
發(fā)簡(jiǎn)信
IP屬地：黑龍江
-
Numpy復(fù)習(xí)day_1_2
-
Numpy復(fù)習(xí)day_1
Numpy、Pandas、Matplotlib Numpy (Pandas的內(nèi)核是Numpy的) 。 有一個(gè)高維數(shù)組的數(shù)據(jù)類型,基于這種數(shù)組,我們可以做各種各樣的數(shù)學(xué)運(yùn)算,運(yùn)...
-
@張燕梟 好的謝謝
概率論與數(shù)理統(tǒng)計(jì)總結(jié)
歷史尋根概率論的前世今生 人類所有的知識(shí)來(lái)源都與生活息息相關(guān)的的并非是憑空捏造的，數(shù)學(xué)知識(shí)更是如此與其說(shuō)數(shù)學(xué)是一門科學(xué)反倒不如說(shuō)數(shù)學(xué)是生活經(jīng)驗(yàn)的積累的升華，因?yàn)閿?shù)學(xué)不像其他的...
-
淺談數(shù)據(jù)在第四次工業(yè)革命中的地位2012年美國(guó)通用電氣提出工業(yè)互聯(lián)網(wǎng)的概念，隨后美國(guó)五家科技領(lǐng)頭企業(yè)聯(lián)手組建工業(yè)互聯(lián)網(wǎng)聯(lián)盟，眾多科技企業(yè)紛紛加入此聯(lián)盟。2013年制造業(yè)大國(guó)德國(guó)為了不落美國(guó)下風(fēng)提出了“工業(yè)4...
-
Anaconda安裝GPU版pytorch踩坑記筆記本電腦壞了，又要重新安裝python，用Anaconda安裝GPU版pytorch時(shí)，CUDA的版本和pytorch的版本都能夠?qū)ι?，可是就是不行，仔?xì)想一下可能是 py...
-
Reinvent Ourselves and Our Lifestyles
-
YOLOv3學(xué)習(xí)筆記YOLOv3與YOLOv2和YOLOv1相比最大的改善就是對(duì)boundingbox進(jìn)行了跨尺度預(yù)測(cè)(Prediction Across Scales)，提高YOLO模型對(duì)不同...
-
關(guān)于YOLOv3的一些細(xì)節(jié)本文是我對(duì)YOLO算法的細(xì)節(jié)理解總結(jié)，本文的閱讀前提是已讀過(guò)YOLO相關(guān)論文，文中不會(huì)談及YOLO的發(fā)展過(guò)程，不會(huì)與其他對(duì)象檢測(cè)算法進(jìn)行對(duì)比，也不會(huì)介紹YOLO9000相關(guān)的...
-
論文閱讀筆記YOLOv2/YOLO9000論文YOLO9000:Better, Faster, Stronger總共分為兩大部分Better、Faster部分是對(duì)YOLOv1的諸多改善即YOLOv2 Stronger...
-
YOLOv2網(wǎng)絡(luò)YOLOv2相對(duì)v1版本，在繼續(xù)保持處理速度的基礎(chǔ)上，從預(yù)測(cè)更準(zhǔn)確（Better），速度更快（Faster），識(shí)別對(duì)象更多（Stronger）這三個(gè)方面進(jìn)行了改進(jìn)。其中識(shí)別更...
-
YOLOv1學(xué)習(xí)筆記YOLO 全稱You Only Look Once，屬于目標(biāo)檢測(cè)算法的One-Stage算法，One-Stage和Two-Stage算法的區(qū)別在于算法的過(guò)程中有沒(méi)有進(jìn)行Reg...
-
R-CNN、Fast-RCNN、Faster-RCNN思想總結(jié)本文對(duì)運(yùn)用深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行目標(biāo)檢測(cè)(object detection)的 tow-stage兩階段法的思想用自己的理解做一個(gè)總結(jié)，本人新手一個(gè)理解可能有錯(cuò)誤或者不完...
-
yolov3論文閱讀筆記簡(jiǎn)單介紹 yolov3和retinaNet的愛(ài)恨情仇，如果看過(guò)retinaNet論文可以發(fā)現(xiàn)，論文作者在對(duì)比圖中沒(méi)有畫出yolov2的對(duì)比展示圖，可能是因?yàn)閥olov2的時(shí)間...
-
經(jīng)典論文Batch Normalization閱讀筆記本文寫作參考經(jīng)典論文 Batch Normalization: Accelerating Deep Network Training by Reducing Internal...
-
Google colab使用Google Colab是谷歌開(kāi)發(fā)的云端Jupyter，提供免費(fèi)的GPU，TPU使用，GPU型號(hào)是T4，支持PyTorch和Tensorflow框架雖然對(duì)那些資深A(yù)I從業(yè)者...
-
如何正確地使用Google Colab一.Colab簡(jiǎn)介 https://colab.research.google.com/notebooks/welcome.ipynb偶然間接觸到Colab，發(fā)現(xiàn)它居然支持G...
-
ResNet18實(shí)現(xiàn)因?yàn)楸救薌PU顯存不夠就可憐的2G 實(shí)在hold不住ResNet 的參數(shù)量只好將 殘差模塊只弄兩個(gè)卷積核，而且batch_size也修改為1只進(jìn)行代碼測(cè)試 - 。 -，聽(tīng)說(shuō)C...
-
(為方便理解ResNet)卷積神經(jīng)網(wǎng)絡(luò)的前世今生任何事物的從無(wú)到有在到完善都是一個(gè)推陳出新的過(guò)程，也是一個(gè)問(wèn)題接著一個(gè)問(wèn)題解決的過(guò)程，卷積神經(jīng)網(wǎng)絡(luò)也不例外，了解卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史有助于我們從整體上把握卷積神經(jīng)網(wǎng)絡(luò)，從而...
-
經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)LeNet5Lenet5是Yann LeCun發(fā)明卷積神經(jīng)網(wǎng)絡(luò)，當(dāng)時(shí)這個(gè)網(wǎng)絡(luò)是用來(lái)做數(shù)字識(shí)別的，Yann LeCun用這個(gè)卷積神經(jīng)網(wǎng)絡(luò)將識(shí)別準(zhǔn)確率提高到了99%，將其應(yīng)用與數(shù)字識(shí)別，當(dāng)時(shí)...
