JrunDing

ImageNet与ILSVRC简介​ ImageNet是一种数据集，而不是神经网络模型。斯坦福大学教授李飞飞为了解决机器学习中过拟合和泛化的问题而牵头构建的数据集。该数据集从2007年开始手机建立，直到2009年作为论文的形式在CVPR 2009上面发布。直到目前，该数据集仍然是深度学习领域中图像分类、检测、定位的最常用数据集之一。基于ImageNet有一个比赛，从2010年开始举行，到2017年最后一届结束。该比赛称为ILSVRC，全称是ImageNet Large-Scale Visual Recognition Challenge，每年举办一次，每次从ImageNet数据集中抽取部分样本 ...

总结一些从80年代至今的论文提出的用于计算机视觉的常用卷积神经网络 LeNet​ LeNet是一系列网络的总称，包括LeNet1 - LeNet5，由Yann LeCun等人在1990年《Handwritten Digit Recognition with a Back-Propagation Network》中提出，是卷积神经网络的HelloWorld。主要用于手写数字体识别。 ​ LeNet是早期成功的神经网络，先使用卷积层来学习图像空间信息，然后使用全连接层来转换到类别空间。 AlexNet​ AlexNet赢了2012年ImageNet竞赛冠军，标志着新一轮的神经网络热潮的开始 ...

MNIST数据集介绍​ MNIST 数据集已经是一个被”嚼烂”了的数据集, 作为机器学习在视觉领域的“hello world”，很多教程都会对它”下手”, 几乎成为一个 “典范”。 ​ MNIST 数据集可在 http://yann.lecun.com/exdb/mnist/ 获取, 它包含了四个部分: Training set images: train-images-idx3-ubyte.gz (9.9 MB, 解压后 47 MB, 包含 60,000 个样本) Training set labels: train-labels-idx1-ubyte.gz (29 KB, 解压后 60 ...

本专栏主要介绍Pytorch中比较好用的API nn.Flatten()​ torch.nn.Flatten(start_dim=1, end_dim=-1) ​ 作用：将连续的维度范围展平为张量 ​ 参数：开始维度，结束维度 1234567891011input = torch.randn(32, 1, 5, 5) # 随机数# With default parametersm = nn.Flatten() # 默认维度展开 (1, -1)output = m(input)output.size()#torch.Size([32, 25])# With non-d ...

前段时间调研学习NVIDIA Aerial SDK，再加上本科做比赛接触到很多NVIDIA的产品，毕设使用的硬件平台也是NVIDIA的嵌入式套件，后续还可能接触他们的产品，因此想详细逛一下官网，对软硬件产品有更深入的理解。NVIDIA中文官网 软硬件产品​ 先来看一下中文官网，在官网上方的目录栏产品中包括了NVIDIA提供的全部软硬件产品 ​ 从上图可以看到硬件主要包括游戏和娱乐、笔记本电脑和工作站、云和数据中心、网络、GPU、嵌入式系统几个分类。由此也可以总结出云、本地数据中心、边缘处理器的硬件架构。比如EGX等组合平台就是这种架构 ​ 软件主要包括应用框架、应用和工具、游戏和创 ...