深度学习
alexandsunny
这个作者很懒,什么都没留下…
展开
-
mmclassification使用心得(三)多标签分类网络配置
mmclassification使用心得(三)多标签分类网络配置概述GT文件形式概述多标签分类网络,可以看作分别对n个标签进行二分类。与常见的多分类网络的不同之处在于一下几个部分:GT文件形式数据读取方式heads预测的方式评判结果模型预测的输出方式GT文件形式与多分类不同,多标签分类对应的标签存在多个类别...原创 2021-04-15 20:14:25 · 1441 阅读 · 1 评论 -
mmclassification使用心得(二)mmcls内置方法
mmclassification使用心得(二)mmcls配置结构概述mmcls结构datasetsmodelscoreutils概述在mmcls目录下,mmclassification为我们收录了常用的模型、预处理方法、数据集读取方法、训练参数。为了灵活调试各种参数,我们需要深入到mmcls目录中。mmcls结构mmcls第一级目录下主要有apis, core, datasets, models, utils五个模块。apis:封装了训练、测试、推理的过程core:提供了一些工具,fp16,评判原创 2021-04-15 20:08:00 · 1979 阅读 · 0 评论 -
mmclassification使用心得(一)初步训练
mmclassification使用心得(一)初步训练训练命令CONFIG_FILE结构自定义数据集模型配置训练策略训练命令从命令就能看出,CONFIG_FILE是我们的入手点#单GPU训练python tools/train.py ${CONFIG_FILE} [optional arguments]#多GPU训练./tools/dist_train.sh ${CONFIG_FILE} ${GPU_NUM} [optional arguments]CONFIG_FILE结构 . |--原创 2021-01-18 20:16:15 · 3874 阅读 · 10 评论 -
Conv2d 实现 by C++
Conv2d 实现 by C++明天补一张对理解多通道卷积操作很有帮助的图代码#include<iostream>#include<vector>#include<algorithm>#include<math.h>using namespace std;/*kernel的维度(order,k_c,k_h,k_w) order代表有几个kernel,和kernel_num相同 输入feature map的维度(f_c,f_h,f_w原创 2020-12-29 23:41:26 · 2327 阅读 · 1 评论 -
MaxPooling实现by C++
MaxPooling实现by C++实现思路输入:feature: 二维特征图k_h和k_w: kernel_size的高和宽s_h和s_w: row和col上的步长 输出:maxpooling后的二维特征图算法流程计算出输出feature map的尺寸对输入feature map进行右侧和下侧的填充遍历输出特征图,找到每个点在输入特征图上对应的滑动窗口找到窗口中最大的值,赋值给输出特征图上的点实现细节输出特征图的尺寸: int out_row = (row -原创 2020-12-29 22:48:40 · 1377 阅读 · 1 评论 -
关于Loss不下降的解决方法
链接:https://blog.ailemon.me/2019/02/26/solution-to-loss-doesnt-drop-in-nn-train/关于Loss不下降的解决方法一、训练集Loss1. 模型结构和特征工程存在问题2. 权重初始化方案有问题3. 正则化过度4. 选择合适的激活函数、损失函数5. 选择合适的优化器和学习速率6. 训练时间不足7.模型训练遇到瓶颈8. Batch_Size过大9. 数据未打乱10. 数据集有问题11. 未进行归一化12. 特征工程中对数据特征的选取有问题.转载 2020-07-26 22:08:43 · 1548 阅读 · 0 评论 -
针对显存缓慢增加的问题
加入过CUDA的都del掉,del后再加上torch.cuda.empty_cache()才会起效果 # delete caches del img, segm, outputs, loss torch.cuda.empty_cache()原地址:https://blog.csdn.net/fish_like_apple/article/details/101448551原创 2020-07-24 18:45:38 · 385 阅读 · 0 评论