作者查詢 / KyotoAnime
作者 KyotoAnime 在 PTT [ DataScience ] 看板的留言(推文), 共28則
限定看板:DataScience
看板排序:
首頁
上一頁
1
下一頁
尾頁
10F推: 呃...只有最後一層softmax 應該不會有梯度消失的問題04/24 19:00
11F→: 吧 梯度消失是連續的sigmoid才會有吧04/24 19:00
6F推: 呃 前者也許比較好一點點吧 但這幾乎不會是個issue04/17 00:34
12F推: 上面幾樓好像怪怪的 yolo確實有resize 但yolov2 可沒04/17 02:07
13F→: 有04/17 02:07
14F→: 不 應該說yolov2的resize是故意讓他變得不一樣大小04/17 02:08
15F→: Fc layer本來就會限制input dimension conv layer就04/17 02:09
16F→: 不受限04/17 02:09
17F→: 至於原po說的loss function需要調整這件事04/17 02:09
18F推: 我是沒仔細看啦 不過loss function通常是sigma 你的04/17 02:12
19F→: 圖像變了 sigma項數就改變了而已 在實作上甚至不用改c04/17 02:12
20F→: ode 想想numpy.sum()不管有幾個element寫法也都是一04/17 02:12
21F→: 樣04/17 02:12
32F推: 第一改變大小不叫reshape 是resize reshape是面積不04/17 16:56
33F→: 變 形狀改變04/17 16:56
34F推: 第二 他回歸出的東西就是bb 應該不需要resize 如果res04/17 16:59
35F→: ize要怎摸做 bilinear? 但裡面除了bb的座標 還有信心04/17 16:59
36F→: 機率 bilinear會很怪 沒有resize的意義04/17 16:59
4F推: 推 想問 如一個最終終像素在yolo中對應的是32*32個原04/17 16:41
5F→: 始像素 這句04/17 16:41
6F推: 事實上他好像沒有真的去切grid? 最終的像素會對應到04/17 16:43
7F→: 原始的像素 但並不會剛好是paper畫的整齊的grid吧 也04/17 16:43
8F→: 就是對應回去可能會有重疊的部分?04/17 16:43
9F→: 還是他的stride 剛好會讓彼此完全不重疊04/17 16:44
8F推: 你是指classification or detection04/11 13:13
7F推: AI 簡短又潮 感覺取ML還是會有人想討論其他的演算法03/04 21:06
8F→: 多一點人討論也比較好03/04 21:06
9F推: 或是乾脆AAAI XD03/04 21:07
首頁
上一頁
1
下一頁
尾頁