Tensorflow中slice与cancat的使用 Posted on 2018-11-18 | In 深度学习 | Comments: 两个函数都是卷积神经网络中的常见操作,再修改tf.conrib.slim 程序时,slim 没有自带的slice操作,但是可以直接使用tf的slice操作代替。12345678t = tf.constant([[[1, 1, 1], [2, 2, 2]], [[3, ... Read more »
CNN中的参数量与占用内存计算 Posted on 2018-11-18 | In 深度学习 | Comments: 卷积网络的参数计算,实际上就是卷积核的数量统计。这张图很好的体现了卷积网络的过程:假设input为三层,就需要三个卷积核对其分别卷积,之后将卷积结果累加得到一层特征图。如果需要得到2层特征图的结果,就需要3 (三个卷积核) 共需要六个卷积核来生成2层特征图。每个卷积核由3 3个参数组成,所以上图 ... Read more »
CNN中感受野的计算方法 Posted on 2018-11-18 | In 深度学习 | Comments: 简单的说,感受野就是当前卷积层每个像素点是从多少个input层的像素点通过不断卷积得到的。一般卷积网络越深,每个像素的感受野就越大(反卷积则相反), 这在目标识别/检测网络设计中起到一个很重要的参考因素。 计算公式: 假设有一个55的input层通过kernel=33,padding=1,strid ... Read more »
[ACM/算法]探索大海 Posted on 2018-11-17 | Edited on 2018-12-20 | In ACM/算法 | Comments: 题目: 解决方法:这道题一眼看去可能是深度/广度优先遍历,这样做时间复杂度会比较高,也可以采用并查集的思想,具体是:先把所有的大海的点当作坐标存入list-position_array中,然后将我存入classify_array,对这个position_array 进行遍历,凡是与calssify_ ... Read more »
[ACM/算法]五子棋 Posted on 2018-11-17 | Edited on 2018-12-20 | In ACM/算法 | Comments: 问题: 解决方法:此题尚未完全AC,但是在牛客网另一道五子棋试题中稍加修改是可以AC的,当然是由于样例没有完全分析到的原因牛客网-五子棋 这道题其实看起来是比较容易的,做起来也非麻烦的事情,就是每个点判断上下左右是否成立五子棋的标准。但是我有一个比较普适性的且容易扩展的方法来解决,就是采用卷积滤波的 ... Read more »