ONNX简介2020-05-26 07:57:37
简介Open Neural Network Exchange（ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。ONNX是一种针对机器学习所设计的开放式的文件格式，用于存储训练好的模型。
它使得不同的人工智能框架（如Pytorch, MXNet）可以采用相同格式存储模型数据并交互。
ONNX的规范及代码主要由微软，亚马逊 ，Facebook 和 IBM 等公司共同开发，
以开放源
这个例子是halcon18例程中深度学习系列例程中的一例。它用了MVtec做好的一个药丸分类训练数据库，来做DL（深度学习）检测。学习主要参考了自带的detect pills的例子，该例子分了四部分，分别是创建网络和数据预处理训练网络评估训练的效果测试新图像本文记录了对其中第一步，即创建网络和数据集预处理这部分的一些理解。创建深度学习网络设置网络参数这一步主要是设置选择halcon深度学习网络模型，如pretrained_dl_classifier_compact.hdl。设置类别的数量。指定图
深度学习之分割例程2020-05-24 11:49:58
1.把原始图像放到images目录；把类名写到classes.txt中，每个类名占一行；使用标注工具标注数据，标签图像将保存到labels目录；(只要写defect类，背景不用写) （classes.txt里是类名）2.运行2_train.hdev读入标注数据，训练得到网络；（epoch为500次，batchsize=1，learningrate）3.运行3_infer.hdev使用训练好的网络推断新的图像；目录说明： images目录放原始图像labels目录放标注数据test 目录
作者： 段德山神经网络和深度学习技术的历史发展其它的应用还有：什么是深度学习?HALCON中提供的典型机器学习方法使用多层感知器的典型神经网络使用传统的机器学习方法挑战是什么呢？我们可以看一下传统分类方法的训练过程传统的机器学习方法的缺点在于：需要非常有经验的编程和视觉工师来实现需要大量的编程工作和昂贵代码维护成本求例：玻璃缺陷检测与分类在特征提取的环节非常具有挑战性深度学习技术一个很大的优势就是可以自动提取特征在卷积神经网络中卷积层和池化层代替了特征层深度卷积神经网络中有多个层级在训
一、神经网络为什么比传统的分类器好1.传统的分类器有 LR（逻辑斯特回归） 或者 linear SVM ，多用来做线性分割，假如所有的样本可以看做一个个点，如下图，有蓝色的点和绿色的点，传统的分类器就是要找到一条直线把这两类样本点分开。对于非线性可分的样本，可以加一些kernel核函数或者特征的映射使其成为一个曲线或者一个曲面将样本分开。但为什么效果不好，主要原因是你很难保证样本点的分布会如图所示那么规则，我们无法控制其分布，当绿色的点中混杂几个蓝色的点，就很难分开了，及时用曲线可以分
哈哈，是不是有人一进来就想问训练数据哪找的。。 好吧，坐好，老司机要发车了，传送门—->用 Caffe 可以做什么好玩的 Project？,其实就是知乎上前两天看到的一个问题，有人提供了这个数据集，大家有兴趣的可以自己下下来看看，我这里就不贴了，怕被河蟹。。总之就是有10000张正常电影封面+10000张av电影封面，正好这几天临近放假，project/assignment什么的都搞完了，离回家还有几天，呆实验室打了好几天游戏也挺无聊了，便花了一下午训练了这个网络，在天朝有鉴黄师