小编Nic*_*eng的帖子

我正在尝试在我的笔记本电脑上安装 docker，我发现repo 中有三个包：

• containerd.io
• docker-ce-cli
• docker-ce

谁能用简单的语言向我解释这些包之间的区别，每个包的作用，以及每个包对应的 docker 架构的哪一部分？另外，它们可以相互独立工作吗？

我最近一直在学习RetinaNet。我阅读了原始论文和一些相关文章，并写了一篇帖子分享我的经验教训：http : //blog.zenggyu.com/en/post/2018-12-05/retinanet-explained-and-demystified/。但是，我仍然有一些困惑，我也在帖子中指出。谁能启发我？

困惑1

如论文所示，如果锚框的IoU与任何地面真相均低于0.4，则将其分配给背景。在这种情况下，对应的分类目标标签应该是什么（假设有K个类别）？

我知道SSD具有背景类别（总共使K + 1个类别），而YOLO预测置信度得分，该置信度得分指示除K类概率之外，盒子中是否存在物体（不是背景）（不是背景） 。虽然我在论文中未找到任何表明RetinaNet包含背景类的陈述，但我确实看到了以下陈述：“ ...，我们仅将检测器的置信度阈值设为0.05后，才从...解码盒预测。”表明存在对置信度得分的预测。但是，此分数从何而来（由于分类子网仅输出表示K个类别的概率的K个数字）？

如果RetinaNet与SSD或YOLO定义目标标签的方式不同，我将假定目标是长度为K的矢量，所有条目均为0，没有1。但是，在这种情况下，如果它是假阴性，那么焦点损失（请参阅下面的定义）将如何惩罚锚点？

哪里

困惑2

与许多其他检测器不同，RetinaNet使用与类无关的包围盒回归器，而分类子网的最后一层的激活是S形激活。这是否意味着一个锚框可以同时预测不同类别的多个对象？

困惑＃3

让我们用$ {（A ^ i，G ^ i）} _ {i = 1，... N} $来表示这些匹配的锚点框和地面真相框对，其中$ A $代表锚点，$ G $代表基本事实，$ N $是匹配数。

对于每个匹配的锚点，回归子网会预测四个数字，我们将其表示为$ P ^ i =（P ^ i_x，P ^ i_y，P ^ i_w，P ^ i_h）$。前两个数字指定锚点$ A ^ i $和地面真值$ G ^ i $的中心之间的偏移，而后两个数字指定锚点的宽度/高度与地面真点之间的偏移。相应地，对于这些预测中的每一个，都有一个回归目标$ T ^ i $计算为锚点与地面真相之间的偏移量：

以上方程式正确吗？

在此先感谢您，并随时在帖子中指出其他误解！

更新：

供将来参考，这是我在学习RetinaNet时遇到的另一种困惑（我发现此对话很轻松）：

我所在的机构有一台带有 2 个 GPU 的共享服务器。假设有两个团队成员都想同时训练一个模型，那么他们如何让 Keras 在特定的 GPU 上训练他们的模型以避免资源冲突？

理想情况下，Keras 应该找出当前哪个 GPU 正在忙于训练模型，然后使用另一个 GPU 来训练另一个模型。然而，情况似乎并非如此。似乎默认情况下，Keras 只使用第一个 GPU（因为Volatile GPU-Util第二个 GPU 的 总是 0%）。

字符串值按R中的字母顺序排序,因此默认情况下,字符串small似乎"大于"字符串,moderate并且huge:

a <- c("small", "moderate", "huge")
sort(a, decreasing = F)            
#> [1] "huge"     "moderate" "small"
a > "small"                        
#> [1] FALSE FALSE FALSE

更改R中字符串顺序的最合理方法是将它们存储为因子并指定级别:

b <- factor(c("small", "moderate", "huge"), levels = c("small", "moderate", "huge"))
sort(b, decreasing = F)                                                             
#> [1] small    moderate huge    
#> Levels: small moderate huge

现在,我知道有两种方法可以将因子与字符串进行比较,以获得大于的值small:

b %in% c("moderate", "huge")                                                        
#> [1] FALSE  TRUE  TRUE
as.integer(b) > 1                                                                   
#> [1] FALSE  TRUE  TRUE

然而,当一个因子中存在多个级别时,第一种方式是乏味的,在这种情况下,我将必须列出所有合格的级别.另一方面,第二种方式并不直观.

在PostgreSQL中,您可以定义一个enum类似于factorR …