深度學習模型在各個框架之間轉換（待續）
根據個人的使用情況，開源情況等，可能會用到各種深度學習的框架，比如tensorflow，caffe，mxnet，pytorch等。
如果要把某種框架下的模型轉成另一種框架下的模型，可以參考該github，沒做太多的研究，只是粘過來，以備不時之需。
相關推薦
深度學習模型在各個框架之間轉換（待續）
根據個人的使用情況，開源情況等，可能會用到各種深度學習的框架，比如tensorflow，caffe，mxnet，pytorch等。如果要把某種框架下的模型轉成另一種框架下的模型，可以參考該github，沒做太多的研究，只是粘過來，以備不時之需。
深度學習模型壓縮與優化加速（Model Compression and Acceleration Overview）
1. 簡介 深度學習（Deep Learning）因其計算複雜度或引數冗餘，在一些場景和裝置上限制了相應的模型部署，需要藉助模型壓縮、優化加速、異構計算等方法突破瓶頸。 模型壓縮演算法能夠有效降低引數冗餘，從而減少儲存佔用、通訊頻寬和計算複雜度，有助於深度學習的應用部署，
實戰 | 基於深度學習模型VGG的影象識別（附程式碼）
def train(): data_dim = 3 * 32 * 32 class_dim = 10 image = paddle.layer.data( name="image", type=paddle.data_type.dense_vector(data_dim))
深度學習的異構加速技術（二）：螺獅殼裏做道場
篩選 分享 intel 支持 get 更多 wid efficient 優勢 作者簡介：kevinxiaoyu，高級研究員，隸屬騰訊TEG-架構平臺部，主要研究方向為深度學習異構計算與硬件加速、FPGA雲、高速視覺感知等方向的構架設計和優化。“深度學習的異構加速技術”系列
吳恩達《深度學習》第四門課（1）卷積神經網絡
圖像分割 1.5 共享 信號處理 soft 沒有 樣本 填充 單元 1.1計算機視覺 （1）計算機視覺的應用包括圖像分類、目標檢測、圖像分割、風格遷移等，下圖展示了風格遷移案例： （2）圖像的特征量非常之大，比如一個3通道的1000*1000的照片，其特征為3*1000*
吳恩達《深度學習》第四門課（2）卷積神經網絡：實例探究
之一 所有 展示 數據擴充 簡介 設置 假設 通道 開源 2.1為什麽要進行實例探究 （1）就跟學編程一樣，先看看別人怎麽寫的，可以模仿。 （2）在計算機視覺中一個有用的模型，，用在另一個業務中也一般有效，所以可以借鑒。 （3）本周會介紹的一些卷積方面的經典網絡經典的包括：
吳恩達《深度學習》第五門課（2）自然語言處理與詞嵌入
星級 技術 ima lac 個數 應該 ras 時有 根據 2.1詞匯表征 （1）使用one-hot方法表示詞匯有兩個主要的缺點，以10000個詞為例，每個單詞需要用10000維來表示，而且只有一個數是零，其他維度都是1，造成表示非常冗余，存儲量大；第二每個單詞表示的向量相
基於深度學習的目標檢測演算法綜述（一）（截止20180821）
參考：https://zhuanlan.zhihu.com/p/40047760 目標檢測（Object Detection）是計算機視覺領域的基本任務之一，學術界已有將近二十年的研究歷史。近些年隨著深度學習技術的火熱發展，目標檢測演算法也從基於手工特徵的傳統演算法轉向了基於深度神經網路的檢測技
基於深度學習的目標檢測演算法綜述（三）（截止20180821）
參考：https://zhuanlan.zhihu.com/p/40102001 基於深度學習的目標檢測演算法綜述分為三部分： 1. Two/One stage演算法改進。這部分將主要總結在two/one stage經典網路上改進的系列論文，包括Faster R-CNN、YOLO、SSD等經
基於深度學習的目標檢測演算法綜述（二）（截止20180821）
參考：https://zhuanlan.zhihu.com/p/40020809 基於深度學習的目標檢測演算法綜述分為三部分： 1. Two/One stage演算法改進。這部分將主要總結在two/one stage經典網路上改進的系列論文，包括Faster R-CNN、YOLO、SSD等經
對深度學習上的超解析度認知（一）
從本質上對深度學習和超解析度進行梳理 溫故而知新 超解析度 作為處理影象的其中一個問題，和它同一個層次的還有降噪（Denoising)，抗模糊（Deblurring），缺失修復（Inpainting）。難度（相對的）也是依次遞增的。傳統觀念上講，他們每一個的處理方式都有各自專門的
基於深度學習的目標檢測演算法綜述（一）
前言 目標檢測（Object Detection）是計算機視覺領域的基本任務之一，學術界已有將近二十年的研究歷史。近些年隨著深度學習技術的火熱發展，目標檢測演算法也從基於手工特徵的傳統演算法轉向了基於深度神經網路的檢測技術。從最初2013年提出的R-CNN、OverFeat
基於深度學習的目標檢測演算法綜述（二）
前言 基於深度學習的目標檢測演算法綜述分為三部分： 1. Two/One stage演算法改進。這部分將主要總結在two/one stage經典網路上改進的系列論文，包括Faster R-CNN、YOLO、SSD等經典論文的升級版本。 2. 解決方案。這部分論文對物體檢
OpenCV---如何在RGB和HSV色彩空間之間轉換（8）
程式碼如下： import cv2 as cv import numpy as np def color(): src = cv.imread("D:/matplotlib/0.jpg") cv.imshow("rgbimage",src) hsv = cv.cvtCol
【蜂口 | AI人工智慧】人臉檢測（下）——龍鵬 深度學習與人臉影象應用連載（二）
我們接著上一節的分享，繼續分享人臉檢測的下半部分。這次的分享主要是深度學習相關的。我們會主要講述當前深度學習在人臉檢測這個領域的發展水平。主要從以下幾個方向進行分享： 首先，我們會講講當前主流的基於深度學習的一個人臉檢測的框架，包括兩個框架，一個是級聯CNN框架
【蜂口 | AI人工智慧】人臉年齡——龍鵬 深度學習與人臉影象應用連載（六）
[所有文章皆首發於蜂口知道公眾號，內容來源於蜂口小程式~請多關注瞭解] hi，大家好，我是龍鵬。 這次接著上一篇繼續給大家分享人臉影象相關的應用。本次的分享是人臉年齡這個問題。 本次的分享將包含三個方面的內容。 首先，對人臉年齡這個問題做一個通用的介紹。人臉年齡
MIT6.S094深度學習與無人駕駛整理筆記（3）——————深度強化學習與運動規劃
1.一個神經元類似一個與非門，神經元電路與與非閘電路相比，可以執行與非門的操作，且還能學習由與非閘電路表示的任意的邏輯功能，並不需要人類工程師對其干涉，並還能進一步對其優化。 缺點：輸出不是很平滑不能用階躍函式，機器學習的過程一般是逐漸調整這些權值的過程，看他如何影響神經網
三維深度學習之pointnet系列詳解（一）
三維深度學習之pointnet系列詳解（一） 置頂 2018年05月09日 23:25:06 痛並快樂著呦西 閱讀數：4429 標籤： pointnet 三維深度學習 更多 個人分類： 3D Deep Learning
【蜂口 | AI人工智慧】三維人臉重建——龍鵬 深度學習與人臉影象應用連載（十）
本次我們的分享是三維人臉重建問題，我們將從以下幾個方面給大家進行分享： 首先，我們對三維人臉重建做一個通用的介紹，並對它的常見的方進行比較詳細的介紹。 其次，我們對當前的三維人臉重建中最常用的一個模型，也就是3DMM模型給大家做個非常詳細的介紹。在我們的傳統方法和深度學習的方法中，都
【蜂口 | AI人工智慧】人臉風格化——龍鵬 深度學習與人臉影象應用連載（九）
本次我們接著上一節內容繼續分享，今天的分享內容是人臉風格化這個主題。同樣我們將從以下幾個方面給大家進行分享： 首先，我們會對風格化做一個簡單的介紹。風格化到底是一個什麼樣的課題？在我們這裡實際上包含了兩層內容，即通用的風格化問題和與人臉有關的風格化問題。 其次，我們將會對風格化中的核