nets 第9页

【Gamma】测试报告

后端代码单元测试该部分测试主要是针对后端代码进行的单元测试，通过向后端代码发送构造的多种数据，对各种情况进行测试，部分代码如下：deftest_ops_two(self):data={"nets":{"

葫芦娃不想写代码·2019-06-17 20:00

《DeepLab v1：semantic image segmentation with deep convolutional nets and fully connected CRFs》论文笔记

1.概述导读：文章指出仅仅使用DCNNs网络的最后一层实现精确地语义分割是不足够的。为此，本篇文章的工作将DCNNs与概率图模型来共同解决分割精度的问题。文章新提出的这个方法在定位分割的边界上超过了之前的方法（当时），在VOC2012数据集上取得了71.6%的IOU，GPU上速度为8FPS（不含CRF）。相比于传统的视觉算法(SIFT或HOG)，DCNNs以其end-to-end方式获得了很好的效

m_buddy·2019-05-30 23:39

日常记录沙雕操作

echo'exportPATH="/code/anaconda3/bin:PATH"′>>/.bashrcsource/.bashrcconda–v2.2019−5−31:ImportError:Nomodulenamed′nets

TG727·2019-05-27 16:08

Generative Adversarial Nets (译)

摘要我们提出一个新的框架，通过一个对抗过程来评估生成模型，我们同时训练两个模型：一个生成模型G——用于捕获数据分布，一个判别模型——用于评估一个例子是训练数据而不是生成数据的可能性。G的训练过程是最大化D做出错误决定的可能性。该框架类似于一种最大最小化的两人游戏。在任意G和D的空间中，存在唯一解，G恢复训练数据分布，D恒等于1/2。在这里，G和D都由多层感知机定义，整个网络通过梯度下降训练。在样本

二亩三分地·2019-05-23 18:51

CNN的发展历程

目录简介开山之作：LeNet王者归来：AlexNet稳步前行：ZF-Net越走越深：VGG-Nets大浪推手：GoogLeNet里程碑式创新：ResNet继往开来：DenseNet简介卷积神经网络可谓是现在深度学习领域中大红大紫的网络框架

唯我视你为青山·2019-05-20 14:19

CommunityGAN Community Detection with Generative Adversarial Nets

CommunityGANCommunityDetectionwithGenerativeAdversarialNets这篇文章主要的目标是在建模一个关于图节点的表征。在这个表征中，希望能够把节点的社区性质表达出来。这样的话，社区的区分之间就可以有重叠。Introduction社区检测问题：识别和分析共享高度相似属性或函数的顶点组传统的问题假设是一个点只属于一个社区。如果把这个限制放开，重叠的社区检

coding__cat·2019-05-18 22:59

Improving Image Captioning with Conditional Generative Adversarial Nets理解

ChenC,MuS,XiaoW,etal.ImprovingImageCaptioningwithConditionalGenerativeAdversarialNets[J].2018.一、前言图像标注（imagecaptioning）是一门综合计算机视觉和自然语言处理的深度学习研究，相比于图像分类（imageclassification）、目标检测（objectdetection）和语义分割（

dreamweaverccc·2019-05-07 17:45

Generative Adversarial Nets翻译[下]

GenerativeAdversarialNets翻译上code4.2ConvergenceofAlgorithm14.2算法1的收敛性Proposition2.IfGandDhaveenoughcapacity,andateachstepofAlgorithm1,thediscriminatorisallowedtoreachitsoptimumgivenG,andimageisupdateds

Lornatang·2019-04-09 22:52

Generative Adversarial Nets翻译[上]

GenerativeAdversarialNets翻译下codeGenerativeAdversarialNets生成性对抗网络论文：https://arxiv.org/pdf/1406.2661.pdfAbstract摘要Weproposeanewframeworkforestimatinggenerativemodelsviaanadversarialprocess,inwhichwesimu

Lornatang·2019-04-09 22:36

DeepLab-V1: SEMANTIC IMAGE SEGMENTATION WITH DEEP CON-VOLUTIONAL NETS AND FULLY CONNECTED CEFs

Abstract通过结合DCNNs(深度卷积网络)和概率图模型解决语义分割问题.DCNN最后一层不足够充分的定位,无法进行精确的目标分割,这源于非常固定的属性使得DCNNs对于高层任务性能好.通过合并DCNN最后一层的相应和一个全连接的CRF克服这个深度网络本地化差的属性.最好的结果是怎么获取的:1.carefulnetworkre-purposing2.waveletcommunity的hole

TWSF·2019-03-31 16:44

(三)快速图像风格转换代码解析

xdq101·2019-03-30 19:31

模型学习笔记（1）：Generative Adversarial Nets（生成对抗网络）

学习笔记本部分来源于论文《GenerativeAdversarialNets》（arXiv:1406.2661）。介绍到目前为止，深度学习中那些最显著的成功所涉及到的判别模型（discriminativemodel），通常是将那些高维的、丰富感知(richsensory)输入映射到分类标签中。这些成功通常是基于反向传播和dropout算法，采用那些具有良好梯度的分段线性单元。但是由于在最大似然估计

Dvvvvva·2019-03-24 13:57

模型学习笔记（1）：Generative Adversarial Nets（生成对抗网络）

学习笔记本部分来源于论文《GenerativeAdversarialNets》（arXiv:1406.2661）。介绍到目前为止，深度学习中那些最显著的成功所涉及到的判别模型（discriminativemodel），通常是将那些高维的、丰富感知(richsensory)输入映射到分类标签中。这些成功通常是基于反向传播和dropout算法，采用那些具有良好梯度的分段线性单元。但是由于在最大似然估计

Dvvvvva·2019-03-24 13:57

生成式对抗网络（Generative Adversarial Nets，GAN）

生成式对抗网络，2019-03-17目录论文结构背景介绍基础知识算法说明框架组成算法原理算法求解实验总结目录论文结构本文可分为四个部分：相关工作，主要介绍生成模型的含义、模型实现的难点和现有技术的缺陷；算法说明，介绍了算法原理，算法最优解的求解和证明；实验，记录了将GAN和其他当时已有的几个模型在多个数据集上进行实验后的结果，并对其进行分析；总结和展望，分析GAN模型的优缺点及其可拓展的方向。背景

AlisaZqq·2019-03-17 21:40

Generative Adversarial Nets——NIPS2014

GAN势如破竹地被Goodfellow提出，Goodfellow师从Bengio，2014年的这一篇GenerativeAdversarialNets的发表也是第一次GAN被完整的提出来。论文翻译：https://m.2cto.com/kf/201610/552124.htmlGoodefellow2016于NIPS上的演讲：https://channel9.msdn.com/Events/Neu

Miss Wu·2019-03-17 19:59

Parameter Settings

Thedonttouchobjectscanbecells,nets,pins,pathsandlibrarycells.Itisalittlespecialforpinssincetheyarenotrealobjectsindesigns.Itisusedtocontrol

Empyrean_SoC·2019-02-14 14:05

MobileNet V2

文章：https://arxiv.org/abs/1801.04381代码：https://github.com/tensorflow/models/tree/master/research/slim/nets

cdknight_happy·2019-02-11 11:47

Generative Adversial Nets 理解及实现

1.前言GAN中蕴含了零和（zero-sum）游戏的理论。GAN有两个网络，一个生成器（G）和一个判别器（D），两者互相竞争。生成器目的是使判别器无法区分输入的数据是来自真实数据还是它生成的假数据。判别器目的是学习当前的数据是来自真实数据还是G生成的数据。这个游戏论的最优解是它俩达到纳什平衡，即G生成的假数据的分布和原始数据的分布是基本一致的，而D对当前数据来自真实数据还是假数据的概率输出只能是0

涛涛酱·2019-02-02 20:04

pytorch实现DCGAN 生成人脸 celeba数据集

涉及的论文GANhttps://papers.nips.cc/paper/5423-generative-adversarial-nets.pdfDCGANhttps://arxiv.org/pdf/1511.06434

DarrenXf·2019-01-29 01:21

源码剖析(一): slim mobilenet_v1

以下源码来源于TensorFlow官方github:https://github.com/tensorflow/models/blob/master/research/slim/nets/mobilenet_v1

fairyhyq·2019-01-02 20:42

一文读懂对抗生成学习(Generative Adversarial Nets)[GAN]

一文读懂对抗生成学习(GenerativeAdversarialNets)[GAN]0x00推荐论文https://arxiv.org/pdf/1406.2661.pdf0x01什么是ganGenerativemodelG用来生成样本DiscriminativemodelD用来区别G生成样本的真假G努力的方向是生成出以假乱真的样本，让D认为这样本是人类给的而不是G创造的，D则相反。一个更加形象的比

Mang0·2018-12-17 00:00

3 个经典的卷积神经网络案例分析

本文将以Alex-Net、VGG-Nets、Network-In-Network为例，分析几类经典的卷积神经网络案例。

csdn人工智能头条·2018-12-12 19:00

LQ-Nets: Learned Quantization for Highly Accurate and Compact Deep Neural Networks

ECCV-2018ABSTRACT虽然权重和激活值的量化是深度神经网络（DNN）压缩的有效方法，并且具有很大的潜力来提高利用位操作的推理速度，但是在量化模型和fullprecision模型之间的预测精度方面仍然存在明显的差距。为了弥补这个差距，我们提出了对量化的，位操作兼容的DNN及其相关量化器的联合训练方法，而不是使用固定的手工量化方案，如均匀或对数量化。我们学习量化器的方法适用于任意位精度(a

水果先生·2018-12-09 02:35

生成式对抗网络必读论文

生成对抗网络必读的论文https://papers.nips.cc/paper/5423-generative-adversarial-nets.pdff-GAN：TrainingGenerativeNeuralSamplersusingVariationalDivergenceMinimizationhttps

计算法·2018-12-06 15:51

ResNet——激发"深度”网络的极致性能 (目标检测)(one/two-stage)(深度学习)(CVPR 2016)

https://arxiv.org/pdf/1512.03385.pdf论文代码：https://github.com/tensorflow/models/blob/master/research/slim/nets

图像所浩南哥·2018-11-29 20:55

mysql-5.7.18-winx64安装步骤

mysqldinstallServicesuccessfullyinstalled.第二步：D:\MartinDong\MySQL\Software\mysql-5.7.18-winx64\mysql-5.7.18-winx64\bin>nets

MartinDongChang·2018-11-23 13:57

Importance Weighted Adversarial Nets for Partial Domain Adaptation 使用加权对抗网络实现部分域适应

论文地址：https://arxiv.org/pdf/1803.09210。简介这篇文章介绍了一种深度域适应方法，构造了两个网络以及两个判别器，两个网络作用是分别提取源域和目标域的，然后一个判别器用于获取源域样本的重要性权重，第二个分类器使用经过加权的源域样本特征和目标域数据进行优化作为目标分类器。该方法的思路与之前的SAN[2]类似，不同的是SAN中只使用了一个网络，源域和目标域的数据输入到同一

LiGuang923·2018-10-31 12:57

tensorflow学习（7. GAN实现MNIST分类）

utm_source=blogxgwz0里面有比较全面的GAN的链接原始论文链接：http://papers.nips.cc/paper/5423-generative-adversarial-nets.pdf

clxiaoclxiao·2018-10-22 22:49

NASNet

LearningTransferableArchitecturesforScalableImageRecognitiongithub：https://github.com/tensorflow/models/tree/master/research/slim/nets

watersink·2018-10-14 21:51

《VISUALIZING THE LOSS LANDSCAPE OF NEURAL NETS》论文解析

引言神经网络的损失函数是一个高度非凸的函数，神经网络的训练在于我们能否在这个高度非凸的函数里找到最小值。总所周知，某些网络（如带skipconnections)会比较容易训练，超参数(批量大小，学习率，优化器）选择的合适，会使得模型泛化能力更高。但是，造成这些区别的原因究竟是什么？他们对损失函数的曲面造成什么影响，都是不太清楚的。这篇论文里，我们使用可视化的方法，探索了损失函数的结构和损失函数曲面

wayen820·2018-10-12 10:56

Slim下的函数介绍（一）

1、slim.conv2d:二维卷积2、slim.nets.resnet_utils.conv2d_same()：使用“SAME”填充的二维卷积3、tf.variable_scope()的original_name_scope

蓬莱道人·2018-09-22 15:29

SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient 翻译

摘要生成对抗网(GenerativeAdversarialNet，GAN)作为一种利用判别模型指导生成性模型的训练方式，在生成实际数值数据方面取得了相当大的成功。然而，当目标是生成离散令牌序列时，它具有局限性。其主要原因在于生成模型的离散输出使得很难将梯度更新从判别模型传递到生成模型。此外，判别模型只能评估完整的序列，而对于部分生成的序列，一旦生成了整个序列，就很难平衡其当前得分和未来得分。在本文

Tony_wei01·2018-09-14 10:30

XNOR-Net: ImageNet Classiﬁcation Using Binary Convolutional Neural Networks

其中指出二进制的表达XNOR-Nets在执行卷积运算时能够提升58×的速度，而可以节省32×的内存空间，这为XNOR-Nets在CPU上运行提供了可能性。Binary-We

holmosaint·2018-09-13 16:39

项目笔记《DeepLung:Deep 3D Dual Path Nets for Automated Pulmonary Nodule Detection and Classification》（一）预处理

最近一个月都在做肺结节的检测，学到了不少东西，运行的项目主要是基于这篇论文，在github上可以查到项目代码。我个人总结的肺结节检测可以分为三个阶段，数据预处理，网络搭建及训练，结果评估。这篇博客主要分析一下项目预处理部分的代码实现。预处理的全部代码都在prepare.py中，对原始数据进行处理，输出预处理后的数据。首先是主函数defpreprocess_luna():luna_segment=c

wuzeyuan·2018-09-10 11:00

Ubuntu安装Nginx+PHP5.6+MySQL5.6

ubuntusaucymaindeb-srchttp://ppa.launchpad.net/apt-fast/stable/ubuntusaucymainsudoadd-apt-repositoryppa:tldm217/tahutek.nets

wb5799f2119cd34·2018-09-07 13:48

生成对抗网络GAN系列（一）--- Generative Adversarial Nets（原始GAN）--- 文末附代码

GAN网络系列之（一）---GenerativeAdversarialNets---文末附代码论文链接：https://arxiv.org/abs/1406.2661，1.简述作者提出了一个通过对抗过程估计生成模型的新框架，在新框架中同时训练两个模型：一个用来捕获数据分布的生成模型G，和一个用来估计样本来自训练数据而不是G的概率的判别模型D，G的训练过程是最大化D产生错误的概率。2.核心思想生成模

Teeyohuang·2018-09-04 21:39

DeepLab v3 改进总结

importabsolute_importfrom__future__importdivisionfrom__future__importprint_functionimporttensorflowastffromsrc.deeplabv3.nets.configimpor

Charel_CHEN·2018-07-29 10:59

Automatic Pixelwise Object Labeling for Aerial Imagery Using Stacked U-Nets 翻译

AutomaticPixelwiseObjectLabelingforAerialImageryUsingStackedU-Nets通过堆叠Unet网络对航空影像自动像素标记原文链接：https://arxiv.org

qq_22239093·2018-07-25 20:02

tf.contrib.slim学习之Training Models

定义loss函数TF-slim预定义了一些常用的损失函数，如交叉熵损失：importtensorflowastfimporttensorflow.contrib.slim.netsasnetsvgg=nets.vgg

朔方_·2018-07-18 22:55

(98)Address already in use: make_sock: could not bind to address 0.0.0.0:443的解决办法

解决办法：1.临时办法执行命令：nets

JUVETUS·2018-07-10 20:41

Linux下查看端口占用情况

5005COMMANDPIDUSERFDTYPEDEVICESIZE/OFFNODENAMElwfs22065root6uIPv443950530t0TCP*:irdmi(LISTEN)可以看到8000端口已经被轻量级文件系统转发服务lwfs占用2、nets

qq_19167629·2018-07-06 17:01

mobilenet_v1训练mnist

lenet训练mnist，但是现在也可以使用mobilenet_v1来训练，创建mobilenet_v1_mnist_train.py，写下如下代码并放到/host/models/research/slim/nets

andeyeluguo·2018-07-04 13:07

ResNet-BN tensorflow源码解析

源码解析标签（空格分隔）：tensorflow深度学习之网络结构Github:https://github.com/tensorflow/models/blob/master/research/slim/nets

Charel_CHEN·2018-05-16 00:00

《解析卷积神经网络》学习笔记

2.1.2分布式表示2.2经典网络2.2.1Alex-Net网络模型2.2.2VGG-Nets网络模型三、卷积神经网络的压缩四、数据扩充4.1.简单的数据扩充方式:4.2.特殊的数据扩充方式:五、数据

john_bh·2018-05-05 19:32

Oracle运维案例之反序函数索引的使用

这个案例发生在去年，发现原因是nets主机cpu上升，开发运营找到了DA，随后DA对其情况进行了分析，最后定位到一条低效SQL展开分析。

橡皮高·2018-04-30 22:22

Importance Weighted Adversarial Nets for Partial Domain Adaptation

个人对论文的见解，本人初涉机器学习，有错误的地方还请指正。谢谢！论文地址：https://arxiv.org/abs/1803.09210参考博文：https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/79911316参考博文：https://blog.csdn.net/ltochange/article/details/78773476（领

FQ_G·2018-04-26 21:24

论文阅读-位姿估计-SE3-Nets Learning Rigid Body Motion using Deep Neural Networks

SE3-NetsLearningRigidBodyMotionusingDeepNeuralNetworks(1)-输入：三维点；系统输入（如推力）；-输出：三维点该论文只针对三维点云输入（RGBD等），来求解每帧中目标物体的刚体变换关系（SE(3),pose)。在这些深度学习框架的位姿估计问题中，旋转都使用旋转向量（3维度）的方式。以及需要分割的个数(?提前知道个数，最大个数吧？),得到各个分割

一只飞鱼fy·2018-04-19 17:33

知识蒸馏（Distillation）相关论文阅读（3）—— FitNets : Hints for Thin Deep Nets

每天都要深度学习·2018-03-28 00:03

GAN相关（一）：Generative Adversarial Nets

江户川柯壮·2018-03-19 20:00

linux读取mac地址方法

QStringgetHostMacAddress(){QListnets=QNetworkInterface::allInterfaces();//获取所有网络接口列表intnCnt=nets.count

jokul_lee·2018-03-16 20:25

推荐频道

nets

【Gamma】测试报告

《DeepLab v1：semantic image segmentation with deep convolutional nets and fully connected CRFs》论文笔记

日常记录沙雕操作

Generative Adversarial Nets (译)

CNN的发展历程

CommunityGAN Community Detection with Generative Adversarial Nets

Improving Image Captioning with Conditional Generative Adversarial Nets理解

Generative Adversarial Nets翻译[下]

Generative Adversarial Nets翻译[上]

DeepLab-V1: SEMANTIC IMAGE SEGMENTATION WITH DEEP CON-VOLUTIONAL NETS AND FULLY CONNECTED CEFs

(三)快速图像风格转换代码解析

模型学习笔记（1）：Generative Adversarial Nets（生成对抗网络）

模型学习笔记（1）：Generative Adversarial Nets（生成对抗网络）

生成式对抗网络（Generative Adversarial Nets，GAN）

Generative Adversarial Nets——NIPS2014

Parameter Settings

MobileNet V2

Generative Adversial Nets 理解及实现

pytorch实现DCGAN 生成人脸 celeba数据集

源码剖析(一): slim mobilenet_v1

一文读懂对抗生成学习(Generative Adversarial Nets)[GAN]

3 个经典的卷积神经网络案例分析

LQ-Nets: Learned Quantization for Highly Accurate and Compact Deep Neural Networks

生成式对抗网络必读论文

ResNet——激发"深度”网络的极致性能 (目标检测)(one/two-stage)(深度学习)(CVPR 2016)

mysql-5.7.18-winx64安装步骤

Importance Weighted Adversarial Nets for Partial Domain Adaptation 使用加权对抗网络实现部分域适应

tensorflow学习（7. GAN实现MNIST分类）

NASNet

《VISUALIZING THE LOSS LANDSCAPE OF NEURAL NETS》论文解析

Slim下的函数介绍（一）

SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient 翻译

XNOR-Net: ImageNet Classiﬁcation Using Binary Convolutional Neural Networks

项目笔记《DeepLung:Deep 3D Dual Path Nets for Automated Pulmonary Nodule Detection and Classification》（一）预处理

Ubuntu安装Nginx+PHP5.6+MySQL5.6

生成对抗网络GAN系列（一）--- Generative Adversarial Nets（原始GAN）--- 文末附代码

DeepLab v3 改进总结

Automatic Pixelwise Object Labeling for Aerial Imagery Using Stacked U-Nets 翻译

tf.contrib.slim学习之Training Models

(98)Address already in use: make_sock: could not bind to address 0.0.0.0:443的解决办法

Linux下查看端口占用情况

mobilenet_v1训练mnist

ResNet-BN tensorflow源码解析

《解析卷积神经网络》学习笔记

Oracle运维案例之反序函数索引的使用

Importance Weighted Adversarial Nets for Partial Domain Adaptation

论文阅读-位姿估计-SE3-Nets Learning Rigid Body Motion using Deep Neural Networks

知识蒸馏（Distillation）相关论文阅读（3）—— FitNets : Hints for Thin Deep Nets

GAN相关（一）：Generative Adversarial Nets

linux读取mac地址方法