![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习笔记
文章平均质量分 70
mikko_6214
这个作者很懒,什么都没留下…
展开
-
目标检测常用评价指标
通常,目标检测算法使用 IoU 来匹配预测边界框与真实边界框,设定一个IoU阈值,只有当预测框与真实框的IoU超过这个阈值时,才认为是有效匹配。评价单一类别的平均精确率,是 Precision-Recall 曲线下的面积。通过遍历不同阈值的IoU值绘制PR曲线。评价所有类别的平均精确率。N是总的类别数量,APi是第i个类别的AP值。评价算法预测的精确率,预测为正例中真正为正例的比例。评价算法预测的漏检率,所有实际正例中被正确识别出来的比例。原创 2024-07-09 10:46:00 · 515 阅读 · 0 评论 -
Pytorch笔记--卷积操作
在卷积核移动的时候中间位置都被计算了,而输入图像二维矩阵的边缘却只计算了一次,可能会导致计算的结果不准确,所以为了让每个方块都能作为卷积窗口的中心,从而提高准确度就进行了padding。滑动卷积核时,我们会先从输入的左上角开始,每次往左滑动一列或者往下滑动一行逐一计算输出,我们将每次滑动的行数和列数称为stride。stride就是缩小的具体倍数,比如步幅为2,输出就是输入的1/2;步幅为3,输出就是输入的1/3。在矩阵的边界上填充一些值,以增加矩阵的大小(通常填充0),填充的圈数就是padding的值。原创 2024-05-10 18:55:46 · 405 阅读 · 0 评论 -
Pytorch笔记--dataloader的使用
torchvision中的datasets类提供了一些常用的数据集,下面以CIFAR10数据集作为例子介绍一下它的用法。一中对datasets中的数据集的使用相当于创建了一副纸牌,而dataloader就用于发牌以及使用这副牌。root: 数据集的根目录,如果download为True,数据集将会保存在该目录下。drop_last:当样本数量不能被batch_size整除时,是否舍去最后一批数据。train: 默认为True,True为训练好的数据集,False为测试数据集。dataset:处理的数据集。原创 2024-05-10 10:45:24 · 189 阅读 · 0 评论 -
Pytorch笔记--transforms的使用
transform主要是对图片进行变换,用到的是transforms.py文件中的类。所以在不知道使用某个工具时图片的输入、输出格式,可以通过查阅transforms.py文件的官方文档。按照[width,height]的尺寸裁剪图片。,通过工具可以将图片变换成我们需要的形式。按照[size,size]的尺寸裁剪图片。处理,有助于模型更快收敛,提高模型的性能。在使用中要特别注意的是:使用工具时。表示将图片的宽度和高度调整到指定尺寸。括号中是一个整数,表示将图片的。,文件中的类就是一个个。原创 2024-05-07 18:10:26 · 364 阅读 · 0 评论 -
Pytorch笔记--TensorBoard的使用
TensorBoard是Google开发的一个机器学习可视化工具。其主要用于记录机器学习过程如果终端里面没有显示你创建的虚拟环境名称,例如(base), (pytorch)等,而是ps:说明没有进入到虚拟环境当中只要敲一下:conda activate pytorch(pytorch是我创建的虚拟环境名称)就好了!如果你还是进入不了的话,可以在设置里面打开工具里面的终端,把shell路径改成cmd的然后打开终端,点击上面这个箭头换成prompt。原创 2024-04-26 20:39:03 · 562 阅读 · 1 评论