啦啦啦！今天是我们在一起的第三百天，在我的不断催促下，昨天终于收到了他给我写的又一封信，不过明明是让他写情书的，结果根本就不算情书嘛，算了，懒得和他计较~ 琪琦： 展信悦。 细数这一百天里，也就见了两面，一百和二的数字对比，确实容易让人觉得心生失落，可是也正因为这样，我们才会格外珍惜每一次的相聚吧。《小王子》里，狐狸说你在下午四点来，从三点钟开始，我就会感到很快乐，时间越临近，我就越快乐。我也是这样的呀，每一次分开就会想着下一次要什么时候来，提前几周安排好行程，买车票、订住宿，做这些事的时候就会快乐地想着见面的场景。我要在你下楼以后抱着你好好亲亲，路上牵着你的手，一边说话一边哄你亲我，喜欢在 ...

二狗子写给我的第一封情书~虽然更新地晚了些，但就是忽然想起了好久没更新的博客，想把这些美好的时刻一一记录下来~ 琪琦： 展信悦。 来井冈山的路上火车经过山区，恰好是晚上，天是暗的，山是暗的，树也是暗的，在一片寂静与黑暗里，有些许人家点亮着灯光。琪琦，我这时想起你。我以前以为自己是个能忍受寂寞的人，后来和你在一起以后，变成了一个黏人的小孩子。对我而言，你就是这一盏灯火，滚滚红尘里我回头知道还有一个人在默默等我回家。 昨天报名之后的大把闲暇时光，我也与你说过，在学院里面转了转，有凉亭、秋千和对坐而谈的老人。荡着秋千时我曾想着若是你在该多好，我推着你慢悠悠地晃荡，你和我说着耳鬓厮磨的情话。我就这样 ...

最近学习了一下Caffe，并且用迁移学习完成了一个简单的猫狗分类问题。在学习的过程中，踩了很多坑，这里主要记录一下关于几个prototxt配置文件的问题。 prototxt文件 train_val.prototxt：网络配置文件，用于训练 deploy.prototxt：网络配置文件，用于inference，测试 solver.prototxt：参数文件，用于训练，设置了学习率、优化方法等，slover函数生成 fine-tune为了将在ImageNet上训练好的模型用于自己的数据集分类问题，我们需要对网络进行迁移学习或者微调。 下面以GoogleNet为例对几点需要注意的地方进行说明： ...

最近从新开始学习机器学习，在看《统计学习方法》一书，其中提到：从贝叶斯估计的角度来看，正则化项对应于模型的先验概率。 然后发现自己无法理解这句话的意思，于是，求助于google，找到了一篇写的还不错的博客：[从贝叶斯的角度来看，正则化等价于对模型参数引入先验分布]https://www.zhihu.com/question/23536142/answer/90135994 但是看上面那篇博客时，我发现，这篇文中有也很多我不懂的地方，首先我需要知道什么是贝叶斯回归…于是，继续google，然后，找到了另一篇通俗易懂的博客，分析了我们常用的频率线性回归和贝叶斯线性回归：[Introduction ...

这里记录一下训练yolov3时将输出记录并可视化的整个过程~ 将Terminal输出到文本文件 说明：”<”将输出转向，将命令行输出写入文本文件，并会清空原文件中的所有内容；而用”<<”则会将输出附加到文件后面，原内容保留。 但是这样命令行就看不到输出结果了。要在输出结果的同时将信息记录在文件中，则需使用命令12345678910![](https://upload-images.jianshu.io/upload_images/14184962-0289fc45340a45f7.png?imageMogr2/auto-orient/strip%7CimageView2/2 ...

这些天在复现YOLOV3时，训练过程中遇到了一些问题，在这里记录一下跑网络的过程~ 训练指令注意根据情况修改Makefile文件，并重新make，以及cfg文件夹下yolov3-voc.cfg文件，在darknet目录下执行命令： 格式：./darknet detector train [data_cfg] [network_cfg] [weight] -gpus [gpu_nums] CPU上训练： ./darknet -ngpu detector train cfg/voc.data cfg/yolov3-voc.cfg darknet.conv.74 多GPU训练： ./darknet ...

最近在服务器上跑网络，发现对命令行还是很不熟悉，每次都记不住要靠google，有很多东西要学。还是趁这个机会边学边整理吧。 显示当前GPU使用情况在命令行下，Nvidia自带了工具，会显示显存使用情况。命令如下： $ nvidia-smi 输出如图： nvdia-smi表含义表中第一行是显卡版本信息，第二行是标题栏，对应含义如下； GPU：显卡编号Fan：风扇转速，范围在0~100%Name：显卡名，这里是四张Geforce GTX 1080TiTemp：显卡温度，单位摄氏度Perf：显卡性能，P0~P12，P0表示最大性能Persistence-M：持续模式的状态，该模式耗能大，但是在新 ...

前些天在实验室的服务器上部署环境跑网络。然后，自己总是忘记怎么进入自己搭建的虚拟环境，不得已在这里记录一下… 在自己的笔记本上安装了Anaconda，不过服务器上没有conda，只安装了python-virtualenv，不过效果也差不多。 例如： 创建名为’py3’的虚拟环境 virtualenv py3 默认情况下，虚拟环境会依赖系统环境中的site packages，如果不需要系统环境中的这些第三方包，则需要在上述命令后加上参数 --no-site-packages 来创建虚拟环境。 启动虚拟环境 cd py3source ./bin/activate 退出虚拟环境 deactivate ...

在学习Caffe model中关于Layers内容时，发现一个问题，ReLU层的top blob和bottom blob相同，如下：123456layer { name: "conv2/relu_3x3_reduce" type: "ReLU" bottom: "conv2/3x3_reduce" top: "conv2/3x3_reduce"} 后来查资料发现这是caffe的in-place操作，是为了节省内（显）存，以及省去反复申请和释放内存的时间。 bottom blob和top ...

贴一张Yolov3网络结构图~ filter = 3*(80+1+4) = 255 Yolov3 is a fully convolutional network. It has 75 convolutional layers, with skip connections and upsampling layers. No form of pooling is used, and a convolutional layer with stride 2 is used to downsample the feature maps, which helps in preventing loss ...