漫彻思特

对于一个模型，来新数据后需要将新数据加入训练集。如果重新训练，相当于扔掉了之前的训练，这样是比较浪费的。更好的做法是什么？

漫彻思特

新安装的Ubuntu 20.04系统，Python 3.8.5，发现在IPython里无法使用TAB键补全，无法导入Numpy等模块，退出时还有一大堆报错信息，其中重点是这一...

漫彻思特

可以从最大似然估计的角度理解交叉熵：例如一个图片，该图片的类别服从一个分布P(x)，在N次独立同分布实验中（例如让N个人去判断这个图片的类别），该图片类别的观察值为x的次数为...

漫彻思特

一、信息量一个事件发生的概率为p，则该事件的信息量为-logp，概率高的事件，其信息量低。二、熵熵为一个随机变量(分布)信息量的期望：三、KL散度KL散度为分布到分布信息量变...

漫彻思特

当linux服务器无法访问外网时，docker pull等命令无法使用，可以通过设置docker代理实现：创建以下文件夹： 编辑以下文件： 文件内容： 重启docker： 参...

漫彻思特

linux服务器无法连接外网时，需要通过代理连接外网，设置方式：修改/etc/apt/apt.conf， 参考：链接[https://blog.csdn.net/baidu_...

漫彻思特

1、查看文件的权限以及所属的用户名和用户组： 输出的含义参见链接[https://www.cnblogs.com/zhi-leaf/p/11442878.html] 2、向用...

漫彻思特

设input tensor的shape为N, c_in, h_in, w_in，output tensor的shape为N, c_out, h_out, w_out.kern...

漫彻思特

cls head 和 reg head 在四个stage的feature map是共享的，然而，这些feature map的分布是不同的，可不可以在这几个feature ma...

漫彻思特

假设kernel size为k，dilation为d，则加上dilation后的kernel size为d * (k - 1) + 1，可以这么理解：原始的kernel，相邻...

漫彻思特

令 m = nn.Conv2d(32, 64, 3, groups=4)，则weight的shape为[64, 8, 3, 3]，bias的shape为[64]，可以理解为，...

漫彻思特

关于attention的疑惑：attention普遍采用feature的相似度作为权重，然而，假设在一个句子的self attention中，一个单词与较远处的另一个单词相同...

漫彻思特

在tracking的matching部分，一个object在graph中的位置是一个匹配的有效信息。可以用GCN，attention等方法利用graph信息，使得object...

漫彻思特

采用不同的head数的参数量不变：因为在in-projection以及out-projection时是不分组的，和head数无关。在计算attention时，是分组的，将em...

漫彻思特

mAP即PR曲线的面积，PR曲线绘制时需要将预测框的置信度从大到小排序，遍历每个预测框，求累计的precision和recall值，当遍历到一个置信度为p的预测框时，求得的p...

漫彻思特

DCN使得卷积的采样位置发生了变化，但是不同位置的卷积核权重仍相同，能否让卷积核权重也做到自适应？用self attention？ 将DCN用于3D卷积中？ DCN对于分类应...

漫彻思特

Multiple View Geometry in Computer Vision 视觉SLAM 14讲

漫彻思特

为什么不需要NMS？为什么set based global loss通过bipartite matching能够force unique predictions？两个pred...

漫彻思特

该文章将DETR应用于action proposal generation。encoder没有采用self attention，而是采用了boundary attention...