人工智能
一杯盐水
这个作者很懒,什么都没留下…
展开
-
python关于onnx模型的一些基本操作
onnx的基本操作一、onnx的配置环境二、获取onnx模型的输出层三、获取中节点输出数据四、onnx前向InferenceSession的使用1. 创建实例,源码分析2. 模型推理run,源码分析五、遇到的一些问题最近在对模型进行量化时候,模型格式转变为onnx模型了,因此需要对onnx进行加载、运行以及量化(权重/输入/输出)。故,对onnx模型的相关操作进行简单的学习,并写下了这边博客,若有错误请指出,谢谢。一、onnx的配置环境onnx的环境主要包含两个包onnx和onnxruntime,我们原创 2020-09-23 18:16:09 · 33776 阅读 · 6 评论 -
KNN实现MNIST数字分类
KNN实现MNIST数字分类import torchfrom torch.utils.data import DataLoaderimport torchvision.datasets as dsetsimport numpy as npimport operatorbatch_size = 100data_path = './'def KNN_distance(k, dis, trains_1, labels_2, test): #曼哈顿距离(Manhattan distan原创 2020-06-22 22:55:09 · 985 阅读 · 1 评论 -
深度学习之——KNN算法(k-最近邻算法)
k-最近邻算法基础理论欧式距离(Euclidean distance)曼哈顿距离(Manhattan distance)代码实例 在学习深度和图像识别的时候,看见了一个比较有意思的算法——KNN算法,该算法是图像分类中最简单的算法之一。基础理论 KNN算法全称是K-最近邻算法,英文名称是K-NearestNeighbor,简称为KNN;从算法名称上,可以猜出,是找到最近的k个邻居,在选取到的k个样本中选取出最近的且占比最高的类别作为预测类别。如下图所示:KNN算法 上图所指示,蓝色的正方形原创 2020-05-15 18:46:03 · 7185 阅读 · 0 评论 -
详解激活函数Mish
激活函数Mish 对YOLO有了解的或者从事人工智能的相关人员,都知道前段时间yolov4出来了,而且相对于yolov3在精度上有一个质的飞跃,让人感觉匪夷所思,于是在好奇心的驱使下,了解了一下yolov4;与yolov3相比较,主要有几个不同点:网络层更深了、激活函数将leakyRelu替换为mish、采用了SPP(空间金字塔池化)等。下面主要学习一下激活函数mish: 在论文“Mish: A Self Regularized Non-Monotonic Neural Activation Fun原创 2020-05-13 16:16:50 · 12271 阅读 · 3 评论 -
神经网络CNN之池化层
池化层简述池化层的分类最大/均值池化中值池化组合池化Spatial Pyramid PoolingGlobal Average/Max Pooling参考文献简述 池化层(Pooling Layer)是CNN中常见的一种操作,池化层通常也叫做子采样(subsampling)或降采样(Downsampling),在构建CNN网络时,往往是用在卷积层之后,通过池化层来降低卷积层输出的特征维度,在有效减少网络参数的同时还可以防止过拟合现象。 说到池化操作,就会想到我们经常用的池化操作,即最大池化(Max原创 2020-05-08 18:06:16 · 6496 阅读 · 0 评论 -
图像常用的插值算法:最近邻插值、双线性插值和双三次插值算法
图像常用的插值算法最近邻插值算法双线性插值算法双三次插值(bicubic)算法三种插值算法的优缺点插值算法是图像缩放中的一项基本且重要的算法;在图像缩放中,输出图像像素点坐标可能对应输入图像上几个像素点之间的位置,这个时候就需要通过灰度插值处理来计算出该输出点的灰度值。图像插值是图像超分辨率的重要环节,不同的插值算法有不同的进度,插值算法的好坏也直接影像着图像的失真程度。常用的插值算法有以下三种...原创 2020-04-26 18:11:24 · 10352 阅读 · 0 评论 -
pytorch保存onnx模型
pytorch保存onnx模型因为一些原因,需要用pytorch去创建、训练和保存模型。pytorch保存的模型通常为pth、pt、pkl的格式,但这种类型的模型不能在其他框架(tensorflow)下直接加载,因此需要将模型保存为其他格式的。在网上进行相应的学习后,总结出一下两点:pytorch可以直接将模型保存为onnx的,并且可以通过onnx转换为其他格式的模型(pb);pytorc...原创 2020-04-07 11:20:57 · 5516 阅读 · 3 评论 -
神经网路的几种卷积方式
神经网络的几种卷积方式标准卷积深度可分离卷积组卷积扩展卷积反卷积在《 详解卷积神经网络 》已经初步的讲解了一个卷积层应该包含的参数、隐含的层等等信息;由于神经网络的发展是由一个比较长久的历史,因此其卷积计算的算子也相对应的演变。下面简单的介绍几种常用的卷积方式:标准卷积深度可分离卷积组卷积扩展卷积反卷积...原创 2020-03-24 10:49:38 · 647 阅读 · 0 评论 -
详解卷积神经网络(CNN)
卷积神经网络CNNCNN概述CNN结构卷积层(Convolutional Layer)感受野(receptive field)空间排列(Spatial arrangement)权值共享卷积卷积层参数池化层(Pooling Layer)全连接层(Fully-Connected Layer)参考文献CNN概述卷积神经网络(Convolutional Neural Networks,简称CNN)是一...原创 2020-03-16 16:49:36 · 2838 阅读 · 0 评论 -
详解softmax和sigmoid
详解softmax和sigmoid激活函数简介softmax函数softmax函数的性质softmax函数的使用softmax的实现代码python实现softmax函数图像sigmoid函数sigmoid函数的性质sigmoid函数的使用sigmoid的实现代码python实现sigmoid函数绘图softmax和sigmoid的对比激活函数简介从事或对人工智能行业有了解的人员来说,相信对s...原创 2020-03-13 19:29:16 · 2572 阅读 · 0 评论