yy迷小迭-CSDN博客

原创 jetson 系列安装google-pinyin、jtop等

打开风扇sudo sh -c 'echo 150 > /sys/devices/pwm-fan/target_pwm'150代表风速，范围 0-255 自定义安装谷歌拼音1、sudo apt-get install fcitx-googlepinyin2、配置将keyboard input method system切换成fcitx打开Input Method Confuguration窗口：点击左下角 + 号，添加Google Pinyin输入法，only show取消勾选如果

2021-11-17 21:07:42 584

原创 TX2配置pytorch环境

TX2系统 Jetpack4.6版本1、nvidia官方下载pytorch1.6版本轮子2、安装pytorchpip3 install Cythonpip3 install numpy torch-1.6.0-cp36-cp36m-linux_aarch64.whl3、安装相关依赖sudo apt-get install libjpeg-dev zlib1g-dev4、安装torchvision版本匹配git clone --branch v0.7.0-rc2 https://git

2021-09-24 11:08:10 388

原创 ubuntu安装显卡驱动

最近电脑频繁出问题安装步骤nvidia 显卡驱动安装主要步骤：1、lsmod | grep nouveau 验证nouveau是否已禁用2、输入CTRL+ALT+F1进入命令行模式登陆账号，输入密码3、sudo service lightdm stop 关闭图形界面4、sudo bash ./NVIDIA-Linux-x86_64-455.38.run 运行下载好的驱动5、sudo service lightdm startCTRL+ALT+F7回到图形界面...

2021-02-28 13:55:22 199

原创努力学好C/C++

c和c++区别1、C是面向过程的语言，而C++是面向对象的语言　　面向对象：面向对象是一种对现实世界的理解和抽象的方法、思想，通过将需求要素转化为对象进行问题处理的一种思想。2、C和C++动态管理内存的方法不一样，C是使用malloc、free函数，而C++不仅有malloc/free，还有new/delete关键字。malloc/free和new/delete差别：　　①、malloc/free是C和C++语言的标准库函数，new/delete是C++的运算符。它们都可用于申请动态内存和释放内

2020-10-17 21:47:25 134

原创面试准备----基础原理

深度学习基础知识本人是做压缩加速和优化部署的，但是大部分CV方向都适用1：量化的策略有哪些，训练中的量化，训练后的量化，具体怎么做量化2：剪枝的策略有哪些，怎么评估卷积核的重要性，结构化剪枝/非结构剪枝，软/硬剪枝，差别优缺点3：神经网络结构搜索（NAS），创新点，优势，应用瓶颈（计算量，显存占用）4：BN的作用和意义，公式，coding实现，为什么这样做可以减轻过拟合。初次之外的IN,LN,WN,SN 说一下5：常见的优化器，说一下它们的优缺点和改进。 GD,SGD，minibatch-SGD

2020-09-16 13:40:32 126

原创 Object-Contextual Representations for Semantic Segmentation论文解读

一个好的前言介绍：语义分割技术语义分割任务，即输入一张图像，输出图像中每个像素的语义类别。上下文信息：图像中的每一个像素点不可能是孤立的，一个像素一定和周围像素是有一定的关系的，大量像素的互相联系才产生了图像中的各种物体，所以上下文特征就指像素以及周边像素的某种联系。具体到图像语义分割，就是在判断某一个位置上的像素属于哪种类别的时候，不仅考察到该像素的灰度值，还充分考虑和它临近的像素。（这篇论文只关注关键部分OCR哈） Object-Contextual Representations fo

2020-08-25 16:43:11 962 1

原创概述DeepLab系列（deeplab v1, deeplab v2, deeplab v3, deeplab v3+）

前言：图像分割是指像素级别的图像识别，即标注出图像中每个像素所属的对象类别。语义分割更注重类别之间的区分，而实例分割更注重个体之间的区别。DeepLab是由Google团队提出的一系列图像分割算法。 DeepLab v1 （2014年）Paper (ICLR 2015)Code创新点：空洞卷积（Atrous Conv）;<解决编码过程中信号不断被下采样，细节丢失的问题>全连接条件随机场（Fully-connected Conditional Random Field）。

2020-08-21 15:21:53 4178 2

原创 Pytorch模型部署开发板所遇到的坑.....

工作原因，需要将pytorch模型部署到rk3399。现一步步记录下这些bug哈（晕）----希望最后能把这项目完成吧 pytorch ----> onnxBug 1:RuntimeError: Failed to export an ONNX attribute, since it’s not constant, please try to make things (e.g., kernel size) static if possible解决方案：一开始看blog说是pytorc

2020-08-19 11:08:41 859 5

原创轻量级网络----SqueezeNet、MobileNet系列、ShuffleNet、

简单过一下哈from scratch SqueezeNet《SqueezeNet：AlexNet-level accuracy with 50x fewer parameters and <0.5MB》<2016.02// 伯克利&斯坦福// ICLR 2017>paper: https://arxiv.org/pdf/1602.07360.pdfcode: https://github.com/DeepScale/SqueezeNetReplace 3x3 fi

2020-08-10 15:06:22 482

原创 Highly Efficient Salient Object Detection with 100K Parameters论文解读

Paper: http://mftp.mmcheng.net/Papers/20EccvSal100k.pdfCode: https://github.com/MCG-NKU/SOD100K 主要创新点We propose a flexible convolutional module, namely gOctConv, to efficiently utilize both in-stage and cross-stages multi-scale features for SOD task,

2020-08-07 15:54:50 1066

原创初步了解RNN、LSTM、GRU

<>RNN最为原始的循环神经网络----容易梯度消失、梯度爆炸。GRU只有两个门（update和reset），LSTM有三个门（forget，input，output）。GRU直接将hidden state 传给下一个单元，而LSTM则用memory cell 把hidden state 包装起来。 LSTM图解（中间的 cell 里面有四个黄色小框，每一个小黄框代表一个前馈网络层，就是经典的神经网络的结构，num_units就是这个层的隐藏神经元个数。）cell 的状态是一

2020-08-07 14:21:12 338

原创深刻理解交叉熵损失函数、Focal Loss

<最近真是觉得自己基础太差啦，好多都只会用，但并不了解背后真正的原理。趁这一个月好好整理下吧。祈祷今年找个好工作～>交叉熵损失函数(CrossEntropy Loss)-----分类问题中经常使用的一种损失函数交叉熵是信息论中的一个重要概念，主要用于度量两个概率分布间的差异性。信息量信息熵信息熵也被称为熵，用来表示所有信息量的期望。期望是试验中每次可能结果的概率乘以其结果的总和。相对熵（KL散度）交叉熵 #1、pytorch直接调用二分类交叉熵损失

2020-08-07 10:46:50 1778 3

原创 CNN模型中卷积的一些计算--参数量，FLOPs

feature map经卷积后的大小：conv: h−f+2ps+1\frac{h-f+2p}{s}+1sh−f+2p+1 —fff: kernel size; ppp: padding; sss: stridedilated conv: h+2p−(f−1)×ds+1\frac{h+2p-(f-1)×d}{s}+1sh+2p−(f−1)×d+1 — ddd: dilatedpooling: h−fs+1\frac{h-f}{s}+1sh−f+1receptive filed计算（从前往后

2020-08-06 17:31:59 472

原创显著性目标检测--F3Net

关于显著性目标检测----近期个人理解F3Net：Fusion, Feedback and Focus for Salient Object Detectionpaper: https://arxiv.org/abs/1911.11445?context=cs.CVcode: https://github.com/weijun88/F3Net主要创新点CFM(Cross Feature Module) ----CFM采用选择性融合策略，抑制冗余信息，避免特征间的污染，重要特征之间相互补充。

2020-08-06 14:00:43 1653 3

ZSH12345678900的博客