Home

Conda 创建Liunx虚拟环境 1、查看当前存在的虚拟环境 conda env list 2、创建虚拟环境 conda create -n env_name python=x.x 3、激活虚拟环境 conda activate env_name 4、关闭虚拟环境 conda deactivate 5、删除虚拟环境 conda remove -n env_name --all 包含venv目录时激活与推出环境 1、激活虚拟环境 Linux: cd venv source ./bin/activate Windows: cd venv .\Scripts\activate.bat 2、退出环境 Linux: deactive Windows:...

Explainable VS Interpretable Explainable：本来是“黑箱”，赋予其可解释性的含义。 Interpretable：本来就不是“黑箱”，获取其解释性的含义。 Local Explanation Explain the decision

图片并排 使用floatrow包 \usepackage[captionskip=0.5cm]{floatrow} \newfloatcommand{capbtabbox}{table}[][\FBwidth] \begin{figure} \begin{floatrow} \ffigbox[\FBwidth] {\includegraphics[width=1\linewidth]{figs/fig1.jpg}} {\caption{caption1\label{label1}} \ffigbox[\Xhsize] {\includegraphics[width=1\linewidth]{figs/fig3.jpg}} ...

论文笔记: Visualizing and Understanding Convolutional Networks 本文贡献 介绍了一种可视化技术，揭示了在模型的任意层激发单独特征映射的输入促进因素。 在训练过程中观察特征的演变，并诊断模型的潜在问题。我们提出的可视化技术使用多层反卷积网络(deconvnet)将特征激活投影回输入像素空间。 对分类器输出进行灵敏度分析，通过遮挡输入图像的部分，揭示场景的哪些部分对分类是重要的。 论文笔记：Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps 本文贡献 提出显著性图(Sal...

Example CIFAR-10分类 import torch as t import torch.nn as nn import torch.nn.functional as F from torch import optim import torchvision as tv import torchvision.transforms as transforms from torchvision.transforms import ToPILImage show = ToPILImage() # 可以把Tensor转成Image，方便可视化 transform = transforms.Compose([ transforms.ToTensor(), # 转为...

参考文献 [1] Zou Z, Shi Z, Guo Y, et al. Object detection in 20 years: A survey[J]. arXiv preprint arXiv:1905.05055, 2019. [2] CSDN: 论文笔记-2019-Object Detection in 20 Years: A Survey [3] 知乎: 目标检测 Object Detection in 20 Years 综述

名词 G generalization 泛化 P preliminaries 预备章节 类似于 Ralated work 动词 D demonstrate 证明、证实 O outperform 胜过、超过 形容词 C consecutive 连贯的、连续的 consequential 结果的、重要的、随之发生的、推论的 F fine-graind 细粒度的、详细的、深度的 G groundbreaking 开创性的 H holistic 整体的 I integrated 综合的...