计算机视觉-腾讯云开发者社区

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

计算机视觉

专栏成员

156

文章

61150

阅读量

26

订阅数

深度学习500问——Chapter12：网络搭建及训练（3）

模型数据网络深度学习接口

Caffe深度学习框架支持多种编程接口，包括命令行、Python和Matlab,下面将介绍如何使用这些接口。

2024-06-22

440

深度学习500问——Chapter12：网络搭建及训练（2）

网络神经网络深度学习设计数据

PyTorch 是torch的python版本，是由Facebook开源的神经网络框架，专门针对GPU加速的深度神经网络（DNN）编程。Torch是一个经典的对多维矩阵数据进行操作的张量（tensor）库，在机器学习和其他数学密集型应用有广泛应用。与TensorFlow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于Torch语言采用Lua，导致在国内一直很小众，并逐渐被支持Python的Tensorflow抢走用户。作为经典机器学习库Torch的端口，PyTorch为Python语言使用者提供了舒适的写代码选择。

2024-06-21

1070

深度学习500问——Chapter12：网络搭建及训练（1）

深度学习编程模型数据网络

TensorFlow支持各种异构平台，支持多CPU/GPU、服务器、移动设备，具有良好的跨平台的特性；TensorFlow架构灵活，能够支持各种网络模型，具有良好的通用性；此外，TensorFlow架构i具有良好的可扩展性，对OP的扩展支持，Kernel特化方面表现出众。

2024-06-17

1090

深度学习500问——Chapter10：迁移学习（4）

数据网络深度学习迁移学习迁移

流行学习自从2000年在Science上被提出来以后，就成为了机器学习和数据挖掘领域的热门问题。它的基本假设是，现有的数据是从一个高维空间中采样出来的，所以，它具有高维空间中的低维流形结构。流形就是一种几何对象（就是我们能想象能观测到的）。通俗点说就是，我们无法从原始的数据表达形式明显看出数据所具有的结构特征，那我把它想象成是处在一个高维空间，在这个高维空间里它是有个形状的。一个很好的例子就是星座。满天星星怎么描述？我们想象它们在一个更高维的宇宙空间里是有形状的，这就有了各自星座，比如织女座、猎户座。流形学习的经典方法有lsomap、locally linear embedding、laplacian eigenmap等。

2024-06-15

630

深度学习500问——Chapter10：迁移学习（3）

工作数据深度学习迁移学习迁移

数据分布自适应（Distribution Adaption）是一类最常用的迁移学习方法。这种方法的基本思想是，由于源域和目标域的数据概率分布不同，那么最直接的方式就是通过一些变换，将不同的数据分布的距离拉近。

2024-06-15

1000

深度学习500问——Chapter10：迁移学习（1）

模型数据深度学习迁移学习迁移

找到目标问题的相似性，迁移学习任务就是从相似性出发，将旧领域（domain）学习过的模型应用在新领域上。

2024-06-12

1080

深度学习500问——Chapter10：迁移学习（2）

深度学习迁移学习迁移模型数据

迁移学习的基本方法可以分为四种。这四种基本方法分别是：基于样本的迁移，基于模型的迁移，基于特征的迁移，及基于关系的迁移。

2024-06-12

1840

Python代码——压缩整个文件夹

path zip 对象压缩 python

下面是一个示例代码，展示了如何将一个文件夹中的所有文件和子文件夹压缩成一个 ZIP 文件：

2024-06-09

690

深度学习500问——Chapter10：强化学习（2）

强化学习函数算法网络深度学习

强化学习不需要监督信号，可以在模型未知的环境中平衡探索和利用，其主要算法有蒙特卡罗强化学习，时间差分（temporal difference：TD）学习，策略梯度等。典型的深度强化学习算法特点及性能比较如下图所示。

2024-06-07

1070

深度学习500问——Chapter10：强化学习（1）

强化学习监督学习模型算法深度学习

其他许多机器学习算法中学习器都是学得怎样做，而RL是在尝试的过程中学习到特定的情境下选择哪种行动可以得到最大的回报。在很多场景中，当前的行动不仅会影响当前的rewards，还会影响之后的状态和一系列的rewards。RL最重要的3个特定在于：

2024-06-07

1320

深度学习500问——Chapter09：图像分割（5）

图像分割深度学习框架数据网络

卷积神经网络结构的设计主要朝着两个方向发展，一个是更宽的网络（代表：GoogleNet、VGG），一个是更深的网络（代表：ResNet）。但是随着层数的加深会出现一个问题——梯度消失，这将会导致网络停止训练。到目前为止解决这个问题的思路基本都是在前后层之间加一个identity connections(short path)。

2024-05-26

1650

深度学习500问——Chapter09：图像分割（4）

深度学习监督学习数据网络图像分割

其中黑色部分为原来的Faster-RCNN，红色部分为在Faster 网络上的修改：

2024-05-24

480

深度学习500问——Chapter09：图像分割（3）

连接论文模型图像分割深度学习

场景解析对于无限制的开放词汇和不同场景来说是具有挑战性的。本文使用文中的 pyramid pooling module 实现基于不同区域的上下文集成，提出了PSPNet，实现利用上下文信息的能力来进行场景解析。

2024-05-24

420

深度学习500问——Chapter09：图像分割（2）

连接网络图像分割深度学习编码

卷积网络被大规模应用在分类任务中，输出的结果是整个图像的类标签。然而，在许多视觉任务，尤其是生物医学图像处理领域，目标输出应该包括目标类别的位置，并且每个像素都应该有类标签。另外，在生物医学图像往往缺少训练图片。所以，Ciresan等人训练了一个卷积神经网络，用滑动窗口提供像素的周围区域（patch）作为输入来预测每个像素的类标签。

2024-05-24

620

深度学习500问——Chapter09：图像分割（1）

图像分割深度学习连接数据网络

图像分割是预测图像中每一个像素所属的类别或者物体。基于深度学习的图像分割算法主要分为两类：

2024-05-24

1110

深度学习500问——Chapter08：目标检测（10）

数据算法深度学习工具视频

VOC数据集是目标检测经常用的一个数据集，自2005年起每年举办一次比赛，最开始只有4类，到2007年扩充为20个类，共有两个常用的版本：2007和2012。学术界常用的5k的train/val 2007和 16k 的train/val 2012作为训练集，test 2007 作为测试集，用10k 的train/val 2007+test 2007和 16k的train/val 2012作为训练集，test2012作为测试集，分别汇报结果。

2024-05-24

560

深度学习500问——Chapter08：目标检测（9）

模型设计数据网络深度学习

验证是否过拟合的方法：画出loss曲线，如果训练集loss持续减小但是验证集loss增大，就说明是过拟合了。

2024-05-24

400

深度学习500问——Chapter08：目标检测（8）

深度学习卷积神经网络模型算法网络

在目标检测领域可以划分为了人脸检测与通用目标检测，往往人脸这方面会有专门的算法（包括人脸检测、人脸识别、人脸和其他属性的识别等等），并且可以和通用目标检测（识别）有一定的差别，这主要来源于人脸的特性（有时候目标比较小、人脸之间特征不明显、遮挡问题等），下面将从人脸检测和通用目标检测两个方面来讲解目标检测。

2024-05-24

490

AttributeError: module ‘PIL.Image‘ has no attribute ‘ANTIALIAS‘

module resize 解决方案 attributeerror image

修改图片大小的时候，代码报错：AttributeError: module 'PIL.Image' has no attribute 'ANTIALIAS'

2024-05-24

1430

ImportError: cannot import name ‘compare_mse‘ from ‘skimage.measure‘

importerror 解决方案模型 compare import

在复现模型代码的时候遇到错误：ImportError: cannot import name 'compare_mse' from 'skimage.measure' 。

2024-05-24

740

点击加载更多

社区活动

AI代码助手快速上手训练营

鹅厂大牛带你玩转AI智能结对编程

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态