- 博客(17)
- 收藏
- 关注
RSS订阅原创 轻量化网络——ghostnet代码讲解
背景神经网络在移动设备上的应用还亟待解决，主要原因是现有模型又大又慢。因而，一些研究提出了模型的压缩方法，比如剪枝、量化、知识蒸馏等；还有一些则着重于高效的网络结构设计，比如MobileNet，ShuffleNet等。本文就设计了一种全新的神经网络基本单元Ghost模块，从而搭建出轻量级神经网络架构GhostNet。在一个训练好的深度神经网络中，通常会包含丰富甚至冗余的特征图，以保证对输入数据有全面的理解。如下图所示，在ResNet-50中，将经过第一个残差块处理后的特征图拿出来，三个相似的特征图对示
2022-05-15 14:21:58
2040
原创 matplotlib读取ndarry格式图片并进行不失真的resize
1.import cv2import numpy as npimport matplotlib.pyplot as pltfrom PIL import Imagefrom matplotlib.image import imreaddef letterbox_image(image, size): ih, iw, _ = np.shape(image) w, h = size scale = min(w/iw, h/ih) nw
2022-05-14 12:26:08
881
原创 指数加权平均(MEA)
1. 定义滑动平均(exponential moving average)，或者叫做指数加权平均(exponentially weighted moving average)，可以用来估计变量的局部均值，使得变量的更新与一段时间内的历史取值有关。2. 通俗解释变量 在 𝑡 时刻记，为变量𝑣在𝑡时刻的取值，即在不使用滑动平均模型时 ，在使用滑动平均模型后，的更新公式如下：上式中，𝛽∈[0,1)β∈[0,1)。若β=0 相当于没有使用滑动平均。3. 代码实现class E...
2022-05-08 13:38:20
1075
原创 docker笔记三——Dockerfile相关命令
我们先看一个Dockerfile的Demo参考的代码FROM python:3.7COPY . /app WORKDIR /appRUN ["pip3", "install", "-r", "requirements.txt"]EXPOSE 3000CMD ["python3", "server.py"]Dockerfile使用基本的基于DSL语法的指令来构建一个Docker镜像，之后使用dockerbuilder命令基于该Dockerfile中的指令构建一个新的镜像1）DSL 语法
2022-05-05 11:10:44
221
原创 docker笔记二——容器（Container）相关命令
二、容器操作创建容器docker run [option] --name=${name} image command [args...]option 选项：-i： 交互式容器-t：tty，终端-d：后台运行，并且打印出容器id示例：docker run -i -t -d --name=centOS1 centos /bin/bash或者docker run -itd --name=centOS1 centos /bin/bash注： 创建的容器名称不能重复进入容器方
2022-05-05 10:57:16
471
原创 docker学习笔记一 ——镜像（image）相关命令
列出镜像docker imagesREPOSITORY：表示镜像的仓库源TAG：镜像的标签IMAGE ID：镜像IDCREATED：镜像创建时间SIZE：镜像大小查找镜像docker search ${image_name}NAME：镜像仓库源的名称DESCRIPTION：镜像的描述starts：用户评价，反应一个镜像的受欢迎程度OFFICIAL：是否docker官方发布auto commit：自动构建，表示该镜像由 Docker Hub 自动构建流程创建的.
2022-05-05 10:54:27
418
原创 Python 中 next filter map lambda的一点使用小技巧
a = [1,2,3,4,5]la = lambda x:x+2# map是python内置函数,会根据提供的函数对指定的序列做映射 b = map(la,a)list(b)[3, 4, 5, 6, 7]# iter() 函数用来生成迭代器c = iter(a)next(c)1next(c)2next(c)3next(c)4next(c)5# 迭代完会报异常next(c)-------------------------------
2022-04-19 20:23:34
734
原创 python中的Iterable和Iterator对象及调用
for的本质是什么？调用Iterable对象__iter__方法得到Iterator,然后不断调用__next__方法什么是Iterable对象？可以一次一个返回数据的Object，需要实现__iter__方法返回Iterator对象什么是Iterator对象？实现__iter__方法和__next__方法，（__iter__返回self即可）Object.getitem(self,key)?实现self[key]索引取值class MyIterable(): def __ini.
2022-04-03 18:35:08
1037
原创 swin-transformer详解及代码复现
1. swin-transformer网络结构实际上，我们在进行代码复现时应该是下图,接下来我们根据下面的图片进行分段实现2. Patch Partition & Patch Embedding首先将图片输入到Patch Partition模块中进行分块，即每4x4相邻的像素为一个Patch，然后在channel方向展平（flatten）。假设输入的是RGB三通道图片，那么每个patch就有4x4=16个像素，然后每个像素有R、G、B三个值所以展平后是16x3=48，所以通过Patc
2022-04-03 18:29:58
16052
10
原创 Vision Transformer代码讲解及复现
VIT(Vision in Transformer)网络结构1. Embedding层结构详解在代码实现中，直接通过一个卷积层来实现。在输入Transformer Encoder之前注意需要加上token以及Position Embedding。import paddleimport paddle.nn as nnfrom PIL import Imageimport numpy as npclass PatchEmbedding(nn.Layer): def __init__(
2022-04-03 18:23:50
2409
原创 paddle GPU 终极安装教程
1. 首先创建一个虚拟环境，名称为paddle，我们将在该环境下安装paddle GPU版conda create -n paddle python=3.72. 安装GPU版本 ，首先查看自己的显卡最高支持的CUDA版本，3. 可以看到11.1以下的cuda 版本都是支持的，反之，11.1以上的版本我们是不能安装的。这里我们选择cuda10.2，个人觉得大多数的机器学习框架都是支持该cuda 版本的。4. 下载cuda版本10.2，下载完成后一步步的安装即可。CUDA下载地址5
2022-03-29 13:54:16
18547
1
原创 nn.Sequential的参数的注意事项
在Python中，*作用在形参上，代表这个位置接收任意多个非关键字参数，转化成元组方式；*作用在实参上，代表的是将输入迭代器拆成一个个元素。从nn.Sequential的定义来看，输入要么是orderdict,要么是一系列的模型，遇到list，必须用*号进行转化，否则会报错 TypeError: list is not a Module subclass```# 下面的三种layer都是可以layer = nn.Sequential(nn.Linear(10,20),nn.ReLU(),nn.L
2022-01-28 00:03:15
2581
3
原创 从零安装tensorflow GPU版本
1. 首先是需要安装anaconda （python版本最好在2.8以上）2. tensorflow GPU版 2.6 ，cuda 11.3版本及cudnn 8.2.1（你的电脑不一定合适这个版本）pip install tensorflow_gpu=2.6-i https://pypi.tuna.tsinghua.edu.cn/simpleconda install cuda=11.3conda install cudnn=8.2.13. 如果不知道自己的cuda版本可以使用nvdia.
2022-01-02 00:16:40
925
原创 Python map的一点小问题
在Python 3中，因为map函数处理的结果是迭代器，而且只能迭代一次，如果需要多次使用，需要提前保存。在Python 2中则可以多次调用 这是需要注意的一点
2021-12-19 00:39:29
524
原创 ReLU等激活函数对tensor的一点小提示
a = torch.tensor([[2,-1],[3,4]])nn.ReLU()(a)#上面的代码等同于m = nn.ReLU()m(a)
2021-12-03 20:52:48
440
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