你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!
输入关键字进行搜索
搜索:
please visit my homepage: zhaok.xyz
我觉得你应该是没有看代码或者没有人真的看代码吧. 这种multi-task的网络都是不同的taskfen分别算loss然后BPde , 没有所谓的"切换"这一说. 建议你去看代码或者文章, 至少把网络jie结构弄清楚.
[url]https://github.com/SHUCV/caffe_tools/blob/master/net/weights2mat.py[/url] 这里有个caffemodel转到.mat的demo 可以参考
训练数据的分布要尽量和测试数据保持一致, 这样学到的模型才有良好的泛化能力. 简单的讲, 如果你的测试中有检测不同姿势, 光照, 表情的人脸的需要, 那么训练数据就必须要含有多种variance的数据; 否则就没有必要. 当然, 为了让模型更好的泛化到...
这不就是宏定义么? 带到call的地方替换就明白是什么意思了
这个再caffe官方工具有的. 具体路径是: caffe_root/tools/extra 有python和shell版本的
1082 次浏览 • 7 个关注 • 2016-03-14
1245 次浏览 • 7 个关注 • 2016-03-12
1130 次浏览 • 4 个关注 • 2016-02-26
10137 次浏览 • 12 个关注 • 2016-01-10
2016-12-16 zeakey 回答了问题, fast-rcnn中针对multi-task loss的计算方法
2016-04-01 zeakey 回答了问题, 讀取 .caffemodel
2016-04-01 zeakey 回答了问题, 训练数据集中同一类别的图像怎样的分布更佳？
2016-03-26 zeakey 回答了问题, caffe 代码疑问
2016-03-24 zeakey 回答了问题, 如何绘制train loss曲线和test accuracy曲线
威望: 赞同: 感谢:
