Caffe学习系列

Python手撸机器学习系列（二）：逻辑斯蒂回归（Logistic Regression）(附Python实现坐标点分类及鸢尾花分类)

目录一、原理1.1将回归变为分类1.2目标函数的确立1.2.1极大似然估计求目标函数1.3求解二、代码实现2.1平面坐标点的分类2.2鸢尾花分类三、联系方式一、原理1.1将回归变为分类逻辑斯蒂回归是一个经典的二分类模型，它的精髓在于用线性回归做二分类（或多分类，本文以二分类为主）。线性回归的输出为没有约束的连续值，而分类在于0和1两个值，如何从回归值到分类值就需要一个映射，于是引入了sigmoid
锌a·2022-11-26 02:21

对比学习系列论文

SupervisedContrastiveLearning论文梳理最近在看分类的相关论文，有很多不错的算法，其中一个分支是基于对比学习的。上次小组周会，小师妹分享了SupervisedContrastiveLearning这篇论文，是GoogleResearch2021年发表在MachineLearning上，将对比学习思想推广到完全监督学习的范式中，更加充分地利用标签信息。目前这篇论文的引用量是
咻咻咻哈·2022-11-25 23:40

The dependency target "pycaffe" of target "pytest" does not exist

说明：其实忽略这个问题也是可以的，caffe基础的也能正常使用，可能存在某些我还没接触到的未知问题解决方案：少了numpy库，安装上去就可以了；为了避免默写未知的不可描述的问题，可以把numpy，matplotlib
gaoenyang760525·2022-11-25 23:37

【吴恩达机器学习笔记】三、矩阵

视频地址：吴恩达机器学习系列课程❤️如果有收获的话，欢迎点赞收藏，您的支持就是我创作的最大动力三、矩阵1.矩阵和向量矩阵（Matrix）矩
Pandaconda·2022-11-25 19:17

【吴恩达机器学习笔记】一、引言

视频地址：吴恩达机器学习系列课程❤️如果有收获的话，欢迎点赞收藏，您的支持就是我创作的最大动力一、引言1.监督学习定义：监督学习（Supe
Pandaconda·2022-11-25 19:13

Pytorch模型转onnx、caffe、TorchScript通用代码，onnx模型推理

前言训练好的模型需要移植到ncnn、mnn、tensorrt、tnn、openvino等前向推理框架上部署一、模型转onnx不管是tensorflow、pytorch、mxnet部署时移植到目标框架，那么先将模型转成onnx这个中间商，再转成目标框架或NPU是明智的选择。二、使用步骤1.转成onnx示例代码model=MobileFaceNet()model.load_state_dict(tor
songlixiangaibin·2022-11-25 18:50

吴恩达深度学习课程笔记之卷积神经网络（1st week）

0参考资料[1]【中英字幕】吴恩达深度学习课程第四课—卷积神经网络_哔哩哔哩_bilibili[2]02-吴恩达深度学习系列课程/04卷积神经网络/PDFs·大大鹏/Bilibili资料-码云-开源中国
syphomn·2022-11-25 18:50

python复制字典_python字典复制

python学习系列--深拷贝和浅拷贝概念普通情况下，复制一个对象是不会新开辟内存空间的，只是把新的对象名称指向原有的内存地址，这种操作其实不是算是拷贝，只是新的引用。
weixin_39861882·2022-11-25 18:13

MNIST数据集手写体识别(MLP实现)

github博客传送门博客园传送门本章所需知识:没有基础的请观看深度学习系列视频tensorflowPython基础资料下载链接:深度学习基础网络模型(mnist手写体识别数据集)MNIST数据集手写体识别
zh3389·2022-11-25 17:43

Ubuntu16.04+Opencv+Caffe+Digits+Keras+TensorFlow-GPU搭建教程

更新一波网上很多博客已经写了如何搭建的教程，因为搭建的过程中参考了很多博客和官方教程，所以在这里写下自己在笔记本上搭建的教程吧，适合随时在自己本上调程序的小伙伴们。第一部分系统安装版本Ubuntukylin16.04.2。这里省略安装过程，请自行网上搜索安装过程。这里只强调一点，为了系统的稳定性，常用挂载分区（/，交换分区，/boot，/home，/usr；有些还分了/data到固态硬盘放数据集加
爱随心flying·2022-11-25 16:56

Ubuntu16.04+cuda8.0rc+opencv3.1.0+caffe+Theano+torch7搭建教程

学习中用到深度学习的框架，需要搭建caffe、theano和torch框架。经过一个月的不懈奋战，终于搭建好了框架。现在分享简单的搭建过程，为后面要用到深度学习框架的同学节省时间，写了这个博客。
爱随心flying·2022-11-25 16:26

CNN的几种经典模型

Caffe中LeNet的配置文件
Zero-One-0101·2022-11-25 15:16

TensorRT安装及验证

博主的一些基本环境配置可见之前博客非虚拟机环境下Ubuntu配置_jiugeshao的专栏-CSDN博客TensorRT的介绍见之前博客，TensorRT的安装、TensorRT如何加速Pytorch、Tensorflow、Caffe
竹叶青lvye·2022-11-25 13:30

冻结网络pytorch

冻结pytorch的网络有两种方式1.冻结方式一：lr=0caffe反正是这么写的，具体方式如下model_params=[{'params':base_params,'lr':0},#注释【1】{'params
库页·2022-11-25 13:46

深度学习-损失函数

深度学习-损失函数目录前言一、交叉熵损失二、均方差损失（MeanSquareError，MSE）三、CTC损失四、Lb损失前言本深度学习系列是根据paddle飞浆所简单整理的，需要可自行跳转学习。
weiket·2022-11-25 10:11

Pytorch学习系列之十一：Visdom的使用方法

1，基本介绍类似于TensorBoard,facebook开源的visdom，非常优雅，支持numpy和torch,是一款很好用的训练可视化工具，可以用来追踪训练过程中的损失值、验证精度等等指标。自然地，该工具还可以做图片的可视化显示。Visdom采用CS架构，本身作为一个服务端（默认端口为8097，可以根据需要加上-p选项修改端口），在使用时，用户程序向服务端提供数据，在web端访问该服务，数据
thequitesunshine007·2022-11-25 10:08

【caffe】初学小白win10下第一个mnist实践过程记录

参考caffe基础知识：https://www.cnblogs.com/luludeboke/p/7813060.html过程参考：https://blog.csdn.net/qq_41554005/article
又又酸又菜又多余·2022-11-25 09:02

TensorFlow 和 PyTorch 迎来后浪，工业界到底需要怎样的机器学习框架

全世界最为流行的深度学习框架有Tensorflow、PyTorch、Caffe、Theano、MXNet、Torch、PaddlePaddle等
我爱计算机视觉·2022-11-25 08:05

机器学习框架：开源的好，还是自研的香？

全世界最为流行的深度学习框架有Tensorflow、PyTorch、Caffe、Theano、MXNet、Torch、PaddlePaddle等
高校俱乐部·2022-11-25 08:00

【吴恩达机器学习笔记】二、单变量线性回归

视频地址：吴恩达机器学习系列课程❤️如果有收获的话，欢迎点赞收藏，您的支持就是我创作的最大动力二、单变量线性回归常用表达符号：假设函数（H
Pandaconda·2022-11-25 08:27

层出不穷的机器学习框架到底在“卷”什么？

全世界最为流行的深度学习框架有Tensorflow、PyTorch、Caffe、Theano、MXNet、Torch、PaddlePaddle等
小红书技术REDtech·2022-11-25 08:27

caffe-segnet编译

caffe-segnet-cudnn5编译+pycaffe编译环境编译环境anacondapython3.6显卡nvidia-geforce-2060驱动470.103.01cuda8.0cudnn5.1opencv3.4.10
我真的太难了啊·2022-11-25 04:36

深度学习系列37：CLIP模型

1模型说明含义：CLIP（ContrastiveLanguage-ImagePre-training）git地址：https://github.com/openai/CLIPpaper：https://arxiv.org/abs/2103.00020安装：pipinstallgit+https://github.com/openai/CLIP.git或者使用另一个开源复现：pipinstallop
IE06·2022-11-25 03:43

【超直白讲解opencv RGB与BGR】RGB模式与BGR模式有什么不同，如何相互转换？

因为caffe，作为最早最流行的一批库
Dukixytapoo.·2022-11-25 03:21

MNN框架学习（一）

在端侧加载深度神经网络模型进行推理预测，端侧可以是手机端或者IOT端，是推动深度学习算法落地的重要工具MNN特点轻量性：MNN文件很小，只有几兆，可以方便地部署到移动设备和各种嵌入式设备通用性：支持Tensorflow、Caffe
骚年，你渴望力量嘛？·2022-11-25 02:48

Tensorflow教程

3、那TensorFlow与其他深度学习库，如Torch、Theano、Caffe和MxNet的区别在哪里呢？包括TensorFlow在内的大多
阿玉婷子在学习·2022-11-25 01:35

自监督学习系列(2) SimSiam: Exploring Simple Siamese Representation Learning

目录首先还是论文的相关信息主要思想讨论结果ComparisonsonImageNetlinearclassificationTransferLearningReference首先还是论文的相关信息Paper:ExploringSimpleSiameseRepresentationLearning地址:https://arxiv.org/abs/2011.10566主要思想SimSiam用一句话描述
FancyCode Artist·2022-11-25 00:39

cv2和plt读取显示图像问题——Python+Opencv学习系列

一、问题阐述我们一般利用cv2.imread来读取彩色图像和灰度图像，并可利用cv2.imshow来显示图像；但在特殊场合下，我们为了方便对比区分，需采用matplotlib.pyplot来显示图像，就如下图所示。本次遇到的问题是两种方法显示彩色和灰度图像的结果有差异，当利用cv2.imshow显示读取彩色图像时，会“偏黄”；当利用cv2.imshow显示读取的灰度图像时符合我们正常的灰度图像，但
百草味的三只松鼠·2022-11-24 19:19

《亲自动手写一个深度学习框架》-专题视频课程-广州市老刘

《亲自动手写一个深度学习框架》课程介绍Caffe、Tensorflow等框架灵活好用，但也屏蔽了很多技术细节，对我们的学习很不利！本课程带领大家亲自动手写一个深度学习框架，理解常用技术的底层实现。
轩辕十四·2022-11-24 19:49

AI - 主流深度学习框架简介

主流深度学习框架框架发展历程Google-TensorFlowGoogle-KerasBVLC-Caffe/Caffe2Facebook-PyTorchDMLC-MXNet框架发展历程Google-TensorFlow
程序员的记录·2022-11-24 18:49

人工智能 深度学习（Deep learning）开源框架

1、Caffe。源自加州伯克利分校的Caffe被广泛应用，包括Pinterest这样的web大户。与TensorFlow一样，Caffe也是由C++开发，Caffe也是Goog
ejinxian·2022-11-24 18:19

人工智能学习框架

sklearnsklearn是机器学习框架，不支持GPUTensortFlow2.0是深度学习框架，是目前使用人数最多的机器学习框架，支持GPUPytorch学术界最喜欢用的深度学习框架，支持GPUKerasCaffe
liuziyuan827·2022-11-24 18:19

博文目录

为了记录自己的学习路程，特梳理目录如下：每日学习记录如何成为一名优秀算法工程师-1如何成为一名优秀算法工程师-2开源书籍开源书籍深度学习系列书籍：NeuralNetworkandDeepLearninggithubhttps
weixin_30530339·2022-11-24 17:40

pytorch-cpu或gpu离线或在线高速下载安装

前言pytorch的安装相对caffe简单许多，执行命令无脑安装在线安装去https://pytorch.org/官网，按你的配置进行选择（编译版本、操作系统、包、语言、cpuorgpu)，比如我在台式装的
终有一日·2022-11-24 17:07

[caffe]深度学习之MSRA图像分类模型Deep Residual Network(深度残差网络)解读

一、简介MSRA的深度残差网络在2015年ImageNet和COCO如下共5个领域取得第一名：ImageNetrecognition,ImageNetdetection,ImageNetlocalization,COCOdetection,andCOCOsegmentation。文章：DeepResidualLearningforImageRecognition代码：https://github.
sunbaigui·2022-11-24 15:15

深度学习系列32：GAN入门：DCGAN

1.概念模型通过框架中（至少）两个模块：生成模型（GenerativeModel）和判别模型（DiscriminativeModel）的互相博弈学习产生相当好的输出。原始GAN理论中，并不要求G和D都是神经网络，只需要是能拟合相应生成和判别的函数即可。但实用中一般均使用深度神经网络作为G和D。图例：其目标函数：简单来说，就是分每一轮训练分两步，首先固定G训练D：minC(D,1)+C(D(G),0
IE06·2022-11-24 13:53

cv.dnn介绍及常用模块

介绍OpenCV中的深度学习模块（DNN）只提供了推理功能，不涉及模型的训练，即模型训练好了，进行预测，支持多种深度学习框架，比如TensorFlow，Caffe,Torch和Darknet。
甜甜的初夏·2022-11-24 12:09

mmsegmentation安装过程报错记录

mmcv/_ext.cpython-37m-x86_64-linux-gnu.so:undefinedsymbol:_ZN6caffe28Type一般是因为mmcv的版本不对，直接使用pipinstallmmcv-full
qq_37516798·2022-11-24 07:23

10、TORCH.UTILS.TENSORBOARD

PyTorch模型和张量以及Caffe2网络和blob都支持标量、图像、直方图、图形和嵌入可视化。Summary
Adagrad·2022-11-24 07:01

神经网络框架及相关信息收集

GoogleTensorFlow34,80736,780FacebookPyTorch18,28121,162增长快GoogleKeras14,51415,698Chainer5,015Scikit-learn3,707Keras(CNTK)Keras(TF)Keras(Theano)FacebookCaffeCaffe21,6092,087Lasagne
lwaif·2022-11-24 06:27

吴恩达机器学习系列课程笔记——第八章：神经网络：表述(Neural Networks: Representation)

8.1非线性假设https://www.bilibili.com/video/BV164411b7dx?p=43我们之前学的，无论是线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。下面是一个例子：当我们使用x1、x2的多次项式进行预测时，我们可以应用的很好。之前我们已经看到过，使用非线性的多项式项，能够帮助我们建立更好的分类模型。但假设我们有非常多的特征，例如大于100
Lishier99·2022-11-24 05:39

[问题汇总]ubuntu16.04+cuda8.0+cudnn+opencv3.2+caffe+tensorflow+SS搭建

安装方法参考http://blog.csdn.net/xunan003/article/details/74905696以及http://blog.csdn.net/u013277656/article/details/72627602?utm_source=itdadao&utm_medium=referral未完待续。。。ubuntu16.04安装：采用镜像解压U盘安装，在官网下载镜像包后解压
星辰大漠·2022-11-24 05:10

ubuntu 16.04 + cuda 8.0 +cudnn 5.1 +opencv 3.4+ matlab2016b + caffe

一颗行走的大白菜：原文：https://blog.csdn.net/autocyz/article/details/522998891、安装nvidia驱动首先去官网上查看适合你GPU的驱动（http://www.nvidia.com/Download/index.aspx?lang=en-us）例如，本人的GPU适合的驱动如图：执行如下语句，安装sudoadd-apt-repositoryppa
一颗行走的大白菜·2022-11-24 05:06

机器学习系列8：逻辑回归的代价函数

还记得我们原来在线性回归中学过的代价函数吗？我们把黄色部分用函数的形式来表示：如果我们在逻辑回归中也用这个代价函数去拟合参数行不行呢？答案是不行。因为这个代价函数在逻辑回归中的图像是这个样子的：这是一个非凸函数，有多个局部最优解，运用梯度下降算法并不会收敛到它的全局最优解，这样就达不到我们预期的效果。那该怎么办呢？让我们来学习逻辑回归中的代价函数吧。逻辑回归的代价函数是这样的：让我们具体的看一下它
SuperFengCode·2022-11-24 05:24

Ubuntu16.04 +cuda 8.0+cudnn 8.0+opencv 3.1.0+caffe+theano+tensorflow的安装和配置

参考了以下3篇文章：Ubuntu16.04+cuda8.0+cudnn+opencv+caffe+theano+tensorflow配置明细Ubuntu16.04Caffe安装步骤记录（超详尽）ubuntu16.04
CYJ_fightman·2022-11-24 04:52

opencv 使用DNN进行物体分类

使用步骤读取模型，并得到深度神经网络读取图片、视频将图片转为张量，送入深度神经网络进行分析，并得到结果导入模型readNetFromTensorflow(model,config)readNetFromCaffe
美老师·2022-11-24 03:59

快速部署多版本linux，多版本库管理技巧--caffe，pytorch，caffe2，mxnet，tensorflow

发现问题目前来看，anaconda里面的库虽然提供的全，但是当编译程序进行link时，会容易报未定义的引用，如‘boost::re_detail_106700::cpp_regex_traits_implementation::transform(charconst*,charconst*)const’未定义的引用这个原因根本在于我们自己linux使用的GCC版本与anaconda的库不一致导致的
丶Shining·2022-11-24 02:04

caffe从零开始学习2——mnist手写体数字识别例程

文章目录前言下载数据数据的处理进行训练测试绘制网络图前言上一篇文章讲解了caffe在虚拟机ubuntu16.04中的安装教程,本文章将利用caffe架构学习其中自带的mnist手写体数字识别例程，动手学习
夜风~·2022-11-24 00:29

Ubuntu 16.04下安装CUDA8.0+Caffe+TensorFlow-GPU+Pycharm过程（Simple）（重要重要重要）

转载：https://www.linuxidc.com/Linux/2017-11/148629.htm写在前面在配置了多次之后，为了加深印象，进行此次总结。事实表明硬件环境越好配置起来越顺利。第一次配置是在独显是GT610M的笔记本上进行配置，问题非常多。-０、对系统进行更新sudoapt-getupdatesudoapt-getupgrade-1、安装NVIDIA驱动方法一（很简洁，但很有用）
caiexu·2022-11-24 00:01

深度学习中各种图像库的图片读取方式

在数据预处理过程中，经常需要写python代码搭建深度学习模型，不同的深度学习框架会有不同的读取数据方式（eg：Caffe的python接口默认BGR格式，Tensorflow默认RGB格式），经常需要借助
沐凡星·2022-11-24 00:56
上一页 52 53 54 55 56 57 58 59 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他