- 博客(15)
- 收藏
- 关注
原创 安装mmdet过程
在使用192.168.30.13服务器配置mmdetection的过程中,需要离线下载后安装各种包。下载的安装包分为.tar.gz后缀和.whl后缀linux最好下载的是tar.gz的形式,直接pip install XXX.tar.gz或者pip install XXX.whl即可我下载的是mmdet1.2.0版本现在的机器是cuda10.0 和 torch版本1.1-1.3都可以mmdetection需要的包:torch==1.1.0pillow==5.4.1 opencv-python
2020-10-22 21:49:17
2602
1
原创 安装ammdet的过程
建议mmdet和ammdet分两个容器放,不然在使用两套代码时需要分别编译。安装的包 pypi.org下载torch==1.1.0pillow==5.4.1 opencv-python==3.4.2.16tqdmmmcv==0.5.6Cython==0.29.15torchvision==0.3.0numpyalbumentations==0.4.5imagecorruptions==1.0.0matplotlibpycocotools==2.0sixterminaltable
2020-10-22 21:48:41
358
原创 mmdet用到的代码
测试python3 tools/test.py configs/DOTA/faster_rcnn_RoITrans_r50_fpn_1x_dota.py AeriaDetectionModel/DOTA/faster_rcnn_RoITrans_r50_fpn_1x_data/epoch12.pth --out out/out1.pklpython3 tools/test.py configs/DOTA/faster_rcnn_RoITrans_r50_fpn_1x_dota.py AeriaDete
2020-10-21 14:26:39
505
1
原创 科研小白进阶——数据集预处理
将数据集随机分为训练集和测试集原数据保存形式:处理后的数据保存形式:代码:import torchimport numpy as npimport torchvisionfrom torchvision import utils, transformsfrom torch.utils.data import DataLoaderfrom torch.autograd import Variablefrom model import my_resnet_18import osn
2020-08-25 16:49:05
710
1
原创 科研小白进阶——ResNet
网络加深,精度会提高,但过深会产生梯度消失问题,此时精度达到饱和,可能还会下降。为了让模型能尽可能深,同时避免梯度消失(motivation),因此作者提出一个深度残差学习框架(deep residual learning framework)(idea)。深度残差学习残差模块输入:X有参网络层,比如AlexNet/VGG等:H输出:y = H(X)输入、输出之间的残差:H(X)- X残差块的输出:H(X) = F(X)+ X残差映射:F(X) = F(X, {W})误差和残差的区别:误
2020-08-11 15:41:24
200
原创 科研小白进阶之路——torch实现模型保存和加载的几种方式
模型的保存:方式一:保存整个模型model = resnet()#-------省略训练过程------------torch.save(model,path)方式二:只保存模型参数model = resnet()#-------省略训练过程---------------torch.save(model.state_dict,path)模型的加载:情况一:训练已经结束,测试时加载训练好的模型1、在训练的py文件下面直接对模型进行测试:model = resnet() #
2020-08-07 11:31:24
1708
原创 科研小白进阶之路——读论文找关键点
科研小白的进阶之路——读论文找关键点科研小白在一只脚刚踏进科研之门时,都会有旅游刚刚到达一片全新的土地上的感觉,既新鲜,又想要最快的速度看遍这篇土地上的美景美人,科研也是一样。想要旅游,就必须做攻略,看看先去哪里玩儿,再去那里玩不会绕弯路;想要科研,就必须把一个大的科研方向分成小的子域,看看先学哪个部分,后学哪个部分,才能理解的更透彻更快。为了学习子域,必须将这个领域的论文进行阅读,那么,如何找到论文的关键点呢?一篇论文的motivation和idea是一篇好文章的精华,所谓必须知道从哪里来,想到哪里去
2020-08-04 18:09:32
869
原创 深度学习中的logits
f(wx+b)之后的输出,没有归一化的输出值,作为logits。将logits进行softmax归一化,得到最后的结果。
2020-07-31 16:13:03
559
原创 边缘智能计算相关知识
模型压缩使用原因 深度学习因其计算复杂并且参数冗,在一些场景和设备上限制了相应模型的部署,需要借助模型压缩、优化加速、异构计算等方法突破瓶颈。优势 模型压缩算法能够有效降低参数冗余,从而减少存储占用、通信带宽和计算复杂度,具体可分为以下三种方法:线性或非线性量化:1/2bits,int8,fp16等;结构或非结构剪枝:deep conmpression,channel pruning,...
2020-07-22 21:13:57
154
原创 CNN补充知识
CNN的三大特色:局部感知、权重共享和多卷积核1、局部感知感受野的概念:在神经网络中,每个神经元都是从上一层中的一些位置接收输入,在全连接层中,每个神经元从每一个元素位置接收输入。在卷积层,神经元仅仅从上一层的有限局部区域接收输入,这个区域是个方形区域(比如5×5),神经元的输入部分被称为感受野。在全连接层,感受野是整个前一层。随着网络体系结构的深入,接收区域中原始输入图像的子区域越来越多。这是由于一遍又一遍地应用了一个卷积,该卷积既考虑了特定像素的值,也考虑了周围像素的值。局部感知局部感知就是我
2020-07-06 17:16:17
320
原创 Google colab 中常用的命令
最近因为疫情在家,实验没有机器的缘故,遂用起了Google colab中的免费GPU,很感谢各位csdn博主在博客上关于colab命令的分享。实验结束,将用到的colab中升降版本等相关命令写在这里, 全是自己试验过的,有什么问题欢迎批评指正。挂载云盘from google.colab import drivedrive.mount('/content/drive/', force_remount=True)打开目录!ls "/content/drive/My Drive/"安装cud
2020-07-06 16:25:33
1052
1
原创 win10+pytorch1.4.0
查看torch版本cmdpythonimport torchprint(torch.version)卸载现在的torchpip uninstall torch安装1.4.0版本的torchpip install torch1.4.0+cpu torchvision0.5.0+cpu -f https://download.pytorch.org/whl/torch_stable.html
2020-06-18 15:02:33
262
原创 持续学习部分资料
持续学习相关资料https://blog.csdn.net/zyy617532750/article/details/1042173995类https://blog.csdn.net/u013468614/article/details/95623987https://www.leiphone.com/news/202001/OjZScNwcSfO3Tthq.htmlht...
2020-02-17 21:23:06
129
原创 知识蒸馏概念补充
知识蒸馏Distilling the Knowledge in a Neural Network这篇文章是2015年Hiton大神完成的一项黑科技技术,其第一次涉及了知识蒸馏(暗知识提取)的概念。可以从迁移学习和模型压缩的角度去理解这件事。重点在于提出soft target来辅助hard target一起训练,而soft target来自于大模型的预测输出,为什么要用soft target?...
2019-08-14 11:05:17
1749
原创 边缘智能计算之AI芯片
AI芯片AI芯片:也被称为AI加速器或计算卡,即专门用于处理人工智能应用中的大量计算任务的模块。当前,AI芯片主要被分为GPU,FPGA(半定制化),ASIC(全定制化)和类脑芯片。GPU(通用性芯片):具备通用性、性能高、功耗高。无法单独工作,必须由CPU进行控制调用才能工作。CPU可单独使用,处理复杂的逻辑运算和不同的数据类型,但当需要大量的处理类型统一的数据时,可调用GPU进行并行计算...
2019-07-29 11:23:43
2872
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人