Pinned Repositories
Deep-Learning-with-PyTorch-Tutorials
深度学习与PyTorch入门实战视频教程
Deeplearning_models
这是https://github.com/rasbt/deeplearning-models 上的,具体路径是pytorch_ipynb/mechanics/cnn-weight-sharing.ipynb。 共享w参数
docker_run_pytorch_project
这是一篇关于,用docker打包好项目及其环境后镜像 项目名称为DDAG_reid行人重识别,并运行该镜像的教程
Lesson42_Resnet
龙老师。这是关于Resnet的简单的网络,主要细节是 实现Resnet的shortcut
lunwen_Heat_Map
这是cam画论文的热力图,在原来代码的if __nnme__=='main'处,增加了,自动查找每个文件夹下的图片,并生成热力图.
Markdown-Resume
⭐️ Markdown 简历模版
MNIST_Early_Stopping.py
这是关于early_stop,首先利用自定义early_stopping工具,(把valid 中的-loss作为分值标准,记录最好分值),如果,继续训练发现越来越差,则经设定好的阈值(训练几个还不见好)就停止训练,而不是一直训练完设定的epoch次数)
pokemon
自定义数据集,并将数据图片和label一一对应,保存起来。 比如,'pokemon\\mewtwo\\00001.png 对应 ‘0’.然后训练,并保存最好的训练状态。测试最好状态下的预测准确度。计算准确率的写成函数形式。我保存路径包含中文名,参照https://www.runoob.com/python3/python3-string-decode.html 解决中文编码转码问题。在文件路径时,\Long_pytorch_lesson\lesson63自定义数据集这种单 ‘’\‘’在img.split(os.sep)[-2]时有问题,改成双 ‘\\‘’’
Tools_Pytorch-Memory-Utils
pytorch memory track code
train_classify_chenyun
在陈云 P45页加上其github 。主要是训练网络,然后喂入训练好的数据,看网络认为属于什么标签;统计训练和测试阶段的loss以及准去率曲线visdom;最后将每个类的准确率统计出来。1. 关于在用visdom时, opts=dict(title='Test Loss&Acc.', legend=['test_loss', 'acc.']中的legend拼写错误,一直没检查出来。 2. 关于使用print(‘xx {}’。format(xx))时,‘{ }’大括号中不能有空格。 3.由于这类数据很大,所以我先将数据集分成更小的数量,检查代码有什么bug,没有bug后再跑整个数据集,这样更快! 4.关于统计每一类预测的准确率还需要在看看,没完全掌握。 5.这是在陈云github上加了visdom曲线,这样更形象
huangpan2507's Repositories
huangpan2507/pokemon
自定义数据集,并将数据图片和label一一对应,保存起来。 比如,'pokemon\\mewtwo\\00001.png 对应 ‘0’.然后训练,并保存最好的训练状态。测试最好状态下的预测准确度。计算准确率的写成函数形式。我保存路径包含中文名,参照https://www.runoob.com/python3/python3-string-decode.html 解决中文编码转码问题。在文件路径时,\Long_pytorch_lesson\lesson63自定义数据集这种单 ‘’\‘’在img.split(os.sep)[-2]时有问题,改成双 ‘\\‘’’
huangpan2507/Deep-Learning-with-PyTorch-Tutorials
深度学习与PyTorch入门实战视频教程
huangpan2507/Deeplearning_models
这是https://github.com/rasbt/deeplearning-models 上的,具体路径是pytorch_ipynb/mechanics/cnn-weight-sharing.ipynb。 共享w参数
huangpan2507/train_classify_chenyun
在陈云 P45页加上其github 。主要是训练网络,然后喂入训练好的数据,看网络认为属于什么标签;统计训练和测试阶段的loss以及准去率曲线visdom;最后将每个类的准确率统计出来。1. 关于在用visdom时, opts=dict(title='Test Loss&Acc.', legend=['test_loss', 'acc.']中的legend拼写错误,一直没检查出来。 2. 关于使用print(‘xx {}’。format(xx))时,‘{ }’大括号中不能有空格。 3.由于这类数据很大,所以我先将数据集分成更小的数量,检查代码有什么bug,没有bug后再跑整个数据集,这样更快! 4.关于统计每一类预测的准确率还需要在看看,没完全掌握。 5.这是在陈云github上加了visdom曲线,这样更形象
huangpan2507/Lesson42_Resnet
龙老师。这是关于Resnet的简单的网络,主要细节是 实现Resnet的shortcut
huangpan2507/Markdown-Resume
⭐️ Markdown 简历模版
huangpan2507/MNIST_Early_Stopping.py
这是关于early_stop,首先利用自定义early_stopping工具,(把valid 中的-loss作为分值标准,记录最好分值),如果,继续训练发现越来越差,则经设定好的阈值(训练几个还不见好)就停止训练,而不是一直训练完设定的epoch次数)
huangpan2507/ans
数据结构与算法分析_java语言描述_Mark_Allen_Weiss著_课后习题答案.pdf
huangpan2507/Darknet_yolo_problem
运行Darknet时,c文件需要编译,window下解决环境问题才能使用make,及其他一些问题
huangpan2507/Dataset-trainset-test_set-valid_set
将数据集制定成训练集和测试集或再加验证集的一些方法
huangpan2507/deeplearning-models
A collection of various deep learning architectures, models, and tips
huangpan2507/DeepLearningExamples
Deep Learning Examples
huangpan2507/faster-rcnn.pytorch-0.4.1-
pytorch0.4.1 python3.6 cuda9.0 cuDNNv7
huangpan2507/Faster_Rcnn
huangpan2507/Faster_Rcnn_Run_problem
这是关于运行github里面faster rcnn出现的各种问题,最终跑通
huangpan2507/First_process_data_from_kaggle
这事关于对kaggle数据集的处理,使数据能够喂给网络。另外有关于数据处理的 https://pytorch.org/tutorials/beginner/data_loading_tutorial.html
huangpan2507/googLeNet-
这是关于理解googLeNet网络的博客,其中,有人调侃“深度学习”其实是“深度调参”。 解决这些问题的方法当然就是在增加网络深度和宽度的同时减少参数,为了减少参数,自然就想到将全连接变成稀疏连接。但是在实现上,全连接变成稀疏连接后实际计算量并不会有质的提升,因为大部分硬件是针对密集矩阵计算优化的,稀疏矩阵虽然数据量少,但是计算所消耗的时间却很难减少。 那么,有没有一种方法既能保持网络结构的稀疏性,又能利用密集矩阵的高计算性能。大量的文献表明可以将稀疏矩阵聚类为较为密集的子矩阵来提高计算性能,就如人类的大脑是可以看做是神经元的重复堆积,因此,GoogLeNet团队提出了Inception网络结构,就是构造一种“基础神经元”结构,来搭建一个稀疏性、高计算性能的网络结构。
huangpan2507/huangpan_git
git仓库
huangpan2507/install_make_tool
这是关于电脑运行make时报错的问题。https://blog.csdn.net/IOT_victor/article/details/89330953这里面是说下载一个make的包,然后我进入官网https://chocolatey.org/packages/make, 发现还要安装 choco工具,Run Get-ExecutionPolicy. If it returns Restricted, then run Set-ExecutionPolicy AllSigned or Set-ExecutionPolicy Bypass -Scope Process.然后安装choco,再用choco安装make即可。
huangpan2507/lesson62-
自定义数据集,:创建文件目录与label的一一对应关系,移动端的文件保存,并加载进来,读取image和label。实现def __init__,def __len__,def __getitem__。db =torchvision.datasets.ImageFolder(),其有db.class_to_idx功能,.ImageFolder自动将文件和标签一一对应
huangpan2507/long_Lesson30_visdom-
visdom可视化,train_loss test_loss acc图形化, 增加计算每个权重参数所占内存以及所有权重参数所占内存。计算参数量的方法二:# map(func, *iterables) --> map object. Make an iterator that computes the function using arguments from # each of the iterables. p = sum(map(lambda p: p.numel(), model.parameters())) print('parameters size:', p).方法一 . shape = torch.prod(torch.tensor(x.shape[0:])).item()。方法二:shape = np.prod(list(x.shape)[0:]).item()
huangpan2507/pandas_-
记录新学到的新函数
huangpan2507/Paper_1311.2524_RCNN
读论文_关于RCNN,这里是一些优秀的博客
huangpan2507/Pic_pixl
查看图片中像素值大于某阈值的像素数值
huangpan2507/python_get_big_pic
深度学习,爬取图片数据集。博客网址:https://www.cnblogs.com/dearvee/p/6558571.html
huangpan2507/pytorch
Tensors and Dynamic neural networks in Python with strong GPU acceleration
huangpan2507/pytorch_learning_problem
记录一些不知道的函数以及弄清一些基本知识
huangpan2507/Tools_gpustat
📊 A simple command-line utility for querying and monitoring GPU status
huangpan2507/Tools_torchprof
PyTorch深度网络逐层性能分析器 :PyTorch layer-by-layer model profiler
huangpan2507/ubuntu-install
买了电脑,装个ubuntu。期间遇到了一些问题,第一,装ubuntu系统的分区问题,第二,然后要更新显卡驱动什么的,cuda cdnn