深度学习
wuqingshan2010
这个作者很懒,什么都没留下…
展开
-
Bitmain模型导出注意事项
1.导出bmodel模型命令格式python3 -m bmnetp --model=model.pt --net_name=detect --target=BM1684 --outdir=detect --shapes="[1,416,416,3]" --opt=2 --cmp=true --dyn=true --enable_profile=true2. bmodel模型输出个数与pt模型输出个数不一致示例代码:def forward(self, input_img): with原创 2020-09-18 14:33:06 · 837 阅读 · 0 评论 -
C++ 实现topK算法
C++ 实现topK算法# scores数组为std::vector<float>// topK// 排序std::vector<size_t> idx(scores.size());std::iota(idx.begin(), idx.end(), 0);std::sort(idx.begin(), idx.end(), [&scores](size_t index_1, size_t index_2) { return scores[ind原创 2020-09-10 10:23:37 · 846 阅读 · 0 评论 -
MMDetection config下模型配置文件解读
MMDetection config下模型配置文件解读faster_rcnn_r50_fpn_1x.py配置文件```#model settingsmodel = dict(type=‘FasterRCNN’, # model类型pretrained=‘modelzoo://resnet50’, # 预训练模型:imagenet-resnet50backbone=dict(type=‘ResNet’,转载 2020-06-12 18:30:48 · 1296 阅读 · 0 评论 -
C++实现Non Maximum Suppression
C++实现Non Maximum Suppressionstd::vector<int> SampleFasterRCNN::nonMaximumSuppression(std::vector<std::pair<float, int>>& scoreIndex, float* bbox, const int classNum, const int numClasses, const float nmsThreshold){ auto overlap原创 2020-05-09 15:15:27 · 601 阅读 · 0 评论 -
Windows+Python3下绘制Caffe训练日志中的Loss和Accuracy曲线图
Windows下利用Python3绘制Caffe训练日志中的Loss和Accuracy的曲线图原创 2017-05-02 21:58:09 · 2567 阅读 · 0 评论 -
Caffe中Blob细解
Blob数据结构介绍原创 2017-05-02 15:41:44 · 2200 阅读 · 0 评论 -
Caffe中Solver解析
Caffe中Solver解析原创 2017-05-05 23:00:33 · 4475 阅读 · 0 评论 -
解析./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt
解析./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt原创 2017-05-05 15:23:46 · 2940 阅读 · 0 评论 -
Caffe中求解器(Solver)介绍
求解器负责对模型优化,目的是使损失函数达到全局最小。 特性如下:负责记录优化过程,创建用于学习的训练网络和用于评估学习效果的测试网络。调用Forward -> 调用Backward -> 更新权值,反复迭代优化模型。周期性地评估测试网络。原创 2017-05-03 22:38:55 · 2055 阅读 · 0 评论 -
Caffe的Command Line Interfaces解析
Google Flagscaffe的Command Line Interfaces解析原创 2017-05-05 20:58:27 · 806 阅读 · 0 评论 -
Caffe中Layer和Net细解
Caffe中Layer和Net细解原创 2017-05-02 16:31:30 · 2084 阅读 · 0 评论 -
Caffe代码分析经验
Caffe代码分析总结原创 2017-05-02 10:33:56 · 420 阅读 · 0 评论 -
深度学习中的可视化
深度学习中的可视化操作原创 2017-05-03 15:15:17 · 2442 阅读 · 0 评论 -
Caffe模型细解
Caffe模型三部分组成原创 2017-05-02 17:35:09 · 2157 阅读 · 0 评论 -
Windows下利用Python3绘制Caffe中的网络结构
在Windows10+Anaconda3环境下利用Caffe中的draw_net.py文件绘制Caffe中的网络结构图原创 2017-05-10 17:55:52 · 387 阅读 · 0 评论 -
tensorflow常用函数介绍
主要对tensorflow的一些常用概念与方法进行描述。原创 2017-05-01 15:41:42 · 19243 阅读 · 3 评论 -
Caffe依赖包解析
ProtoBuffer ProtoBuffer是用来实现内存与非易失存储介质(如硬盘文件)交换的协议接口,可以跨语言(C++/Java/Python)传递相同的数据结构,使团队协作更有效率。Caffe中大量使用ProtoBuffer作为权值和模型参数的载体,用户只需要建立统一的参数描述文件(proto),然后利用protoc编译就能让协议细节等关键部分代码自动生成。 用Caffe训练时会首先读取原创 2017-05-01 15:06:02 · 1055 阅读 · 0 评论 -
Caffe+Anconda3+VS2015+Win10(64位)环境搭建
1.准备工作: 第一步:下载Caffe-Windows(BLVC),地址:https://github.com/BVLC/caffe/tree/windows,并解压到指定的文件夹Caffe下。 第二步:下载CuDNN5.1,并拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0对应的文件夹下。 第三步:安装CMake3.7,并将原创 2017-04-06 17:48:09 · 6314 阅读 · 5 评论