Lawrence_Cj的博客

原创 oimloss pytorch 1.7

from __future__ import absolute_importimport torchimport torch.nn.functional as Ffrom torch import nn, autograd# class OIM(autograd.Function):# def __init__(self, lut, momentum=0.5):# super(OIM, self).__init__()# self.lut = l.

原创 CUDA ERROR: device-side assert triggered at xxx

数组越界问题根本原因在于: index越界加载数据集真值的过程中出现了 xywh的值 >= 1 or < 0 的情况!!! 正常情况下数据集应满足 0 <= xywh < 1, 若超过超过此范围,后续加载真值进行loss functin计算时便会导致错误! 目标id超过或等于id总和eg, id_total = 100, 数据集中标签最大应为99, 若出现100, 便会出现CUDA ERROR: device-side assert triggered at xxx

原创 yolo_JDE compute loss全部参数详解

原创 Kalman卡尔曼滤波详解网址,视频网址

卡尔曼滤波废话不多说,直接上最好的资源最好的解读网站: 网址最好的视频讲解: 传送

原创 YOLO全系列更新,YOLO的进化历程

由于在学习中没能找到用一篇即能感受YOLO的发展和变化的文章,所以决定自己写一篇,有不当可评论指出!!YOLOv1:提出 anchor free 的想法,通过将一幅图像分成SxS个网格(grid cell)，如果某个object的中心 落在这个网格中，则这个网格就负责预测这个object.每个网络需要预测B个BBox的位置信息和confidence（置信度）信息，一个BBox对应着四个位置信息和一个confidence信息。confidence代表了所预测的box中含有object的置信度和

原创 2020-10-27 reid attach mission贴图任务

A. funtion statement:1、iou_compute_getcenter(): return just one center coordinate: (x,y) or None if try 10 times but still cannot find a center2、reid_img_select(): from /home/cjs/reid_img_root.txt get corrisponding number of reid image root3、sea

原创 目标检测结果IOU不同取值的意义（0.5：0.95等)

目标检测结果IOU不同取值的意义（0.5：0.95等）IOU=[0.5:0.95], IOU = 0.5, IOU=0.75等等IOU=[0.5:0.95], IOU = 0.5, IOU=0.75等等1.Unless otherwise specified, AP and AR are averaged over multiple Intersection over Union (IoU) values. Specifically we use 10 IoU thresholds of .50:.05

原创 分类网络剪枝问题，模型压缩

分类剪枝疑问1. 为什么network slimming必须使用bn层系数训练（4.17.2020） 1）如果直接加在CNN后面(没有BN)，就是个线性变换，对没有归一化的数据进行线性变换，是没有意义上的，加不加效果都一样 2）如果加在BN前面，BN的normalization就把scaling的效果抵消了。了解bn层的公式，发现分子分母都乘个系数没有变化，所以归一化的过程将系数效果抵消，将scaling放在BN层前面同样没有意义。 3）如果加在BN后面，BN...

转载 论文解读：Once-for-All: Train One Network and Specialize it for Efficient Deployment

ONCE-FOR-ALL: TRAIN ONE NETWORK AND SPECIALIZE IT FOR EFFICIENT DEPLOYMENT.Arxiv PDF: paper link给每一个设备设计一个自己的结构，不论是人工去做，还是依靠NAS都是很昂贵的，而且这里面要retrain大量的网络，费时费电，污染大气，而且没法覆盖每一种设备。于是提出了OFA网络，一次训练，到处部署。那么他们认为主要的难点是没法去更新所有sub-networks的gradient，但是如...

原创 数据结构和算法基础 Python实现

本文为博主在学习数据结构和算法过程中，基于Python的实现，各位大神若有各种优化代码，欢迎随时交流 随学习更新！！

转载 论文解读：Single path one-shot neural architecture search with uniform sampling

Single path one-shot neural architecture search with uniform sampling1、总览大多数搜索空间松弛化的方法里，结构分布是被连续地参数化了，这些参数在超网络训练时一同被联合优化，因此结构搜索是在优化的过程中进行，优化结束后从结构分布中采样最好的结构。但这存在两个问题：（1）超网络里的参数是深度耦合的；（2）联合优化进一步引入了结构参数和超网络权重之间的耦合。梯度下降方法天生的贪婪特征会在结构分布和超网络权重中引入偏差，这可能会误导结构

原创 大O（Big-oh of f(n)），Omega Ω，Theta θ表示法--时间复杂度

时间复杂度定义和例子

原创 流体力学期末复习

流体力学期末复习考点全总结博主目前ONLY更新纸质版本，后续有机会上传思维导图文章会包含期末全部考点，重点，不考内容和必考内容会在文中标注（红色笔记）实时更新，看博主的复习速度Lecture 2：fluid characteristic: viscosity(kinematic dynamic), compressibility, oil number, Newton inner friction force; and some examples第二节：流体特性：粘度，油号，可压缩性,牛顿内摩擦力

原创 神经网络模型中-model/model.name_module()的区别

标题 model / model.name_module()的区别：对于已经训练好的网络模型，为了方便后续使用和提取某一层的参数，在储存模型时，我们会对网络每一层进行命名+储存参数数据。所以我们可以对每一层进行操作，例如剪枝操作。在判断当前层时，使用：for name, m0 in model.name_module(): if isinstance(m0, Conv): ....(argument you need) 那么到底print（model）和print（model.name_m

原创 自动控制系统期末复习内容

Control systemC 11.transfer function —>state space1. 存在转化矩阵T，将X转化为X_bar， 对应的A，B，C，D也和转化矩阵T有相应关系（有相关证明）2. G(s)推导，需牢记，G=C*([sI-A]-1)*D3. 对状态变量进行nonsingular变换，不改变GＣ22.1 关于系统可控可观的判断1.controllability1. S = [B, AB, A2B, …, A.pow(n-1)B]2. 对特征方程进行non

原创 2020校招—阿里-计算机视觉 算法岗位-实习生应聘全部流程和经验分享

大三本科期间第一次阿里面试，告一段落，经验分享 丑话说在前面：如果你是想在本科期间去实习，并且！！确定要继续读研的话，这种实习面试你只能用来积累面试经验，因为博主的亲身经历告诉你，面试官会和你说明，阿里的很多部门一般招实习生是想招那些可以实习结束就留下继续工作的，想也是很有道理的，没人想要一个干了三个月活就走了的人，不然你走了，留下的你没干完的代码怎么办？？？ 所以给那些想读研还想在本科期间实...

原创 第一篇Blog——详解Faster RCNN网络全部细节

第一次写技术Blog，准备走上computer vision的道路，那就必不可少的需要求助，由于在CSDN也得到了太多的帮助，于是决定把自己学到的东西都放在公开平台上，希望也能帮助到你，也欢迎广大网友发现问题，及时指正。废话不多说，开始这篇对在cv领域产生革命性影响的RCNN的进化版Faster RCNN的究极详解。1.把总结写在前面，先说一说Faster RCNN到底是每一步都是干嘛的，如何进...