目录 一、计算图模型 1、图的构建 2、图的执行 二、常量的定义 1、constant() 2、常见常量的初始化 zeros() ones() zeros_like() 和 ones_like() random_normal() fill() range() 三、变量的定义 variable() 1.创建变量 2.初始化变量 3.保存变量 4.加载数据 四、placeholder 五、重要概念-F
本篇文章来详细讲一下将自己的代码发布到pypi。发布到pypi的好处有: 其他人可以方便的通过pip install xxx来使用你的软件包； 在自己的项目中，也可以简化代码的组织，且不会造成路径问题的困扰，通过pip install xxx的软件包会放在site-packages文件夹中，可以在整个python的环境中直接导入，如果是单个的文件而没有发布到pypi上，这时候如果路径有问题的话，
TD3 (Twin Delayed DDPG) off-policy only continuous action spaces Actor-Critic structure Sequential Decision 刘浚嘉：强化学习基础 Ⅳ: State-of-the-art 强化学习经典算法汇总 Principle 尽管DDPG有时可以实现出色的性能，但它在超参数和其他类型的调整方面通常很脆
在上一篇里我们实现了forward函数.得到了prediction.此时预测出了特别多的box以及各种class probability,现在我们要从中过滤出我们最终的预测box.理解了yolov3的输出的格式及每一个位置的含义,并不难理解源码.我在阅读源码的过程中主要的困难在于对pytorch不熟悉,所以在这篇文章里,关于其中涉及的一些pytorch中的函数的用法我都已经用加粗标示了并且给出了相
看了下今年CVPR，正会有4篇face anti-spoofing的文章，里面有三篇都制作了新的数据集，给人感觉真是没新数据集都不敢撸了~~ [1] CASIA-SURF，中科院和京东的文章，发布了多模态数据集（RGB+Depth+NIR），并搞了个基于SE block 多模态融合的baseline；并搞了对应的workshop比赛，一下子就被刷爆了，恐怕这集废了，后面可以follow下比赛前几名
前言：最近在搞神经网络，看到有用神经网络逼近未建模动态的，也有用神经网络来逼近整个模型的，后者即是无模型控制。无模型控制它不需要知道系统的名义模型，直接用神经网络来逼近整个系统，感觉这个方法还蛮厉害的。鉴于此，我将此方法用在了六关节机械臂的模型上，最后的控制效果还不错。 1. 机械臂动力学方程 这里的 f 为摩擦力，d 为外部干扰，τ为关节力矩，动力学建模方法使用导师的凯恩方法，具体代码不再赘
！转载请注明原文地址！——东方旅行者 更多行人重识别文章移步我的专栏：行人重识别专栏 本文目录 数据处理器（transform.py） 一、数据处理器作用 二、数据处理器编写思路 三、代码 四、测试结果 数据处理器（transform.py） 一、数据处理器作用 模型读取数据（无论是训练还是测试）时，需要对数据进行必要的处理，如尺度统一、水平变换（训练时需要，测试时不需
Deep Deterministic Policy Gradient (DDPG) - off-policy - Actor-Critic structure Sequential Decision 刘浚嘉：强化学习基础 Ⅳ: State-of-the-art 强化学习经典算法汇总 Principle DDPG 简单来说就是 DQN + Actor-Critic DDPG 结合了之前获得成功的 D
！转载请注明原文地址！——东方旅行者 更多行人重识别文章移步我的专栏：行人重识别专栏 本文目录 数据加载器（dataset_loader.py） 一、数据加载器作用 二、数据加载器编写思路 三、代码 四、测试结果 数据加载器（dataset_loader.py） 一、数据加载器作用 dataset_loader类将dataset_manager生成的元素为（图片地址，行
配置文件 配置文件yolov3.cfg定义了网络的结构 .... [convolutional] batch_normalize=1 filters=64 size=3 stride=2 pad=1 activation=leaky [convolutional] batch_normalize=1 filters=32 size=1 stride=1 pad=1 activation=lea
- on-policy - Actor-Critic structure Sequential Decision 点个赞啊亲，写的很累的啊 刘浚嘉：强化学习基础 Ⅳ: State-of-the-art 强化学习经典算法汇总 Vanilla Actor-Critic Principle a Critic that measures how good the action taken is (val
本文主要介绍由Oulu大学主导的几个差分卷积（Difference Convolution）工作及其在图像、视频领域中的应用。 相关工作已被 TPAMI, TIP, CVPR'20, ICCV'21 (Oral), IJCAI'21 等顶级期刊会议接收，并斩获两项国际大赛冠亚军（1st Place in the ChaLearn multi-modal face anti-spoofing att
什么是运动放大(Motion Magnification)？ 将视频中对应位置的运动进行放大，简单理解的话，就是找到时间段内的运动矢量，进行放大，然后权值叠加回去。 为什么需要运动放大？ 因为很多自然界或者生物的 subtle behaviour 不易被肉眼察觉（如飞机翼的震动，受风影响摇晃的建筑，生物皮肤变化等等），这些微变化只有通过运动放大，才能更好地被机器或者人类来做后续的视频视觉
点个赞啊亲，写的很累的啊 PPO (Proximal Policy Optimization) - on-policy - either discrete or continuous action spaces Theory Same as the TRPO, the central idea of Proximal Policy Optimization is to avoid having t
！转载请注明原文地址！——东方旅行者 更多行人重识别文章移步我的专栏：行人重识别专栏 本文目录 数据管理器（dataset_manager.py） 一、数据管理器作用 二、数据管理器编写思路 三、代码 四、测试结果 数据管理器（dataset_manager.py） 一、数据管理器作用 该文件主要负责指定数据集路径、处理原始数据集并生成数据索引列表、返回子数据集相关参数
目录 Windows系统下安装步骤 安装CPU版本的tensorflow 安装GPU版本的tensorflow（使用GPU加速的tensorflow模型训练速度更快） Ubuntu中的安装步骤 安装CPU版本的tensorflow 安装GPU版本的tensorflow 最完备教程，没有之一。让你知其然，且知其所以然。 Windows系统下安装步骤 安装CPU版本的tensorflow
理解一个算法最好的就是实现它,对深度学习也一样,准备跟着https://blog.paperspace.com/how-to-implement-a-yolo-object-detector-in-pytorch/一点点地实现yolov3.达到熟悉yolov3和pytorch的目的. 这篇作为第一篇,讲yolov3基本原理. 卷积后的输出 经过basenet(darknet-53)不断的卷积以后得
！转载请注明原文地址！——东方旅行者 更多行人重识别文章移步我的专栏：行人重识别专栏 本文目录 数据预处理（dataset_preprocess.py） 一、数据预处理原因 二、数据预处理思路 三、代码 数据预处理（dataset_preprocess.py） 一、数据预处理原因 Market1501数据集中训练集使用DPM算法标出的行人框，可能会存在部分低质量数据。可
什么是行人重识别 Person Re-identification(ReID)？ 如下图，给定一个行人图或行人视频作为查询query，在大规模底库中找出与其最相近的同一ID的行人图或行人视频。 为什么需要ReID 呢？ 因为在安防场景下，跟踪一个目标，只靠人脸识别是不够的，在脸部信息丢失时（罪犯有时把脸特意蒙住一大部分，或者离太远了拍不清脸），行人信息就能辅助跟踪识别。 ReID
点个赞啊亲，写的很累的啊 TRPO (Trust Region Policy Optimization) - on-policy- either discrete or continuous action spaces Principle TRPO译为信赖域策略优化，TRPO的出现是要解决VPG存在的问题的：VPG的更新步长 是个固定值，很容易产生从一个不好的策略'提升'到另一个更差的策略上。 这
第三方账号登入
看不清？点击更换
第三方账号登入
QQ 微博