ckq3-CSDN博客

原创 CUDA error: device-side assert triggered

使用C++和libtorch，调用pytorch转化的script模型时，遇到error

2022-09-24 13:58:17 2987 1

原创基于腾讯云的云服务器和frp实现内网穿透

放假在家，无法使用实验室的GPU服务器进行炼丹，因为GPU服务器处于校园网的内网环境下，而在校园网外网络环境下，无法直接ssh登录校园网内的机器，因此需要内网穿透。本文大量参考了以下几篇博客和帖子（尤其是第一篇，写的特别好，本文的基本流程也与该篇帖子的行文顺序基本一致，），记录主要的配置流程，并记录踩过的坑。...

2022-08-01 19:31:37 2036 2

pytorch模型的保存和加载网上已经有很多人进行详细讲解了，我这里只是记录一下本人的学习笔记，方便后续查看。pytorch——模型的保存和加载1.模型的保存1.1 两种模型保存的方法1.2 模型保存的设备1.3 半精度保存1.4训练过程中checkpoint（检查点）的保存2.模型的加载3.分布式训练模型的保存和加载3.1模型的加载3.2模型的保存1.模型的保存1.1 两种模型保存的方法 1. torch.save(model, save_name) 2. torch.save(model.s

2022-03-25 15:48:55 3539

原创基于GAN的小目标检测算法总结（4）——算法总结对比

基于GAN的小目标检测算法总结（4）——算法总结对比1. 前言2. 3种算法的对比2.1 相同点2.2 不同点3. 一些看法1. 前言这里是基于GAN的小目标检测算法系列文章的第4篇，也是最后一篇，本文将对前面3种算法进行总结对比，并提一点我自己的看法，受限于个人的局限性，本文内容难免有错误，个人观点也仅作参考，欢迎大家批评指正。本文多要对比的3种算法如下：（1）2017年的CVPR，《Perceptual Generative Adversarial Networks for Small Ob

2021-09-11 17:44:05 2118 2

原创基于GAN的小目标检测算法总结（3）——《Better to Follow, Follow to Be Better: Towards Precise Supervision ......》

基于GAN的小目标检测算法总结（3）——《Better to Follow, Follow to Be Better: Towards Precise Supervision of Feature Super-Resolution》1.前言2.算法简介2.1 核心idea2.1.1 为什么使用feature-level的超分？2.1.2 低分特征和高分目标特征的相对感受野匹配问题2.2网络组成2.2.1 base detector2.2.2 SR feature generator（SR特征生成器）2.2.

2021-09-11 16:11:34 1509 2

原创基于GAN的小目标检测算法总结（2）——MTGAN

基于GAN的小目标检测算法总结（2）——MTGAN1.前言2.MTGAN2.1 算法简介2.1.1 核心idea2.1.2网络组成2.1.2.1 base detectors2.1.2.2 生成器2.1.2.3 判别器2.1.3 总体的损失函数2.1.3.1生成器损失函数2.1.3.2判别器的损失函数2.1.4 训练过程2.1.5 测试流程3.一点看法1.前言这里是基于GAN的小目标检测算法系列文章的第2篇，本文介绍2018年的ECCV论文《SOD-MTGAN:Small Object Detec

2021-09-11 15:11:21 1694 3

原创基于GAN的小目标检测算法总结（1）——Perpetual GAN

基于GAN的小目标检测算法总结（1）——Perpetual GAN1.前言这是一个系列文章，对基于GAN的小目标检测算法进行总结。目前基于GAN的小目标检测算法不多，比较有名的有3篇（好总结嘛），如下：（1）2017年的CVPR，《Perceptual Generative Adversarial Networks for Small Object Detection》，简称Perceptual GAN；（2）2018年的ECCV，《SOD-MTGAN:Small Object Detection

2021-09-11 11:32:32 3091 1

原创 RetinaNet算法笔记

RetinaNet算法笔记1.核心思想1.1 focal loss损失1.2 简单的网络结构2.网络结构2.1 backbone网络2.2 FPN网络2.3 head网络2.3.1 分类子网络2.3.2 回归子网络3.损失函数计算3.1 anchor及正负样本分配3.1.1 anchor的基础尺寸、长宽比、尺度3.1.2 正负样本分配3.2 边界框回归损失函数3.3 focal loss分类损失3.3.1 standard binary cross entropy3.3.1.1 基本公式3.3.1.2 简单

2021-08-30 19:00:24 750

原创 CenterNet算法笔记

CenterNet算法笔记1.核心思想2.网络结构2.1Backbone网络2.2neck网络2.3head网络2.3.12D检测2.3.1.1 keypoints heatmap2.3.1.2 local offset2.3.1.3 object size2.3.2 3D检测3.推理流程4.我对CenterNet的几个问题4.1 为什么CenterNet不需要NMS？4.1.1 原论文的解释4.1.2 对原论文解释的疑惑4.1.3 CenterNet的heatmap和YOLOv3的置信度特征图有什么区别？

2021-08-25 21:51:58 776

原创 YOLOv5算法的部分笔记

YOLOv5算法的部分笔记1. mosaic增强方法2.损失函数2.1正负样本匹配策略2.2 正样本个数的增加策略2.3 损失函数yolov5还在快速度更新中，本文是以第三版为例所写，可能和最新的第四版有所出入，但变化应该不会很大。写此文主要是为了本人梳理yolov5知识点所用，若能帮助到他人，深感荣幸。本文内容主要来自笔者看yolov5代码、以下的知乎帖子，很多图、代码解析的内容都是从以下帖子中或借鉴、或摘抄而来，强烈建议大家先看一下这些大佬的帖子。[1] https://zhuanlan.zhihu

2021-05-30 16:41:21 3387 1

原创 YOLOv3算法论文笔记及算法细节梳理

YOLOv3算法笔记1.YOLOv3算法论文笔记摘要对YOLO进行l了一些更新，网络有点大，但速度还是比较快。注：其实YOLOv3不再追求那么高的速度了，而是在保证实时性的基础上，尽量提高准确性。1.1介绍对YOLO进行了改进，没什么超级有趣的东西，只是一些使效果更好的小改动。论文首先解释了YOLOv3的要点，然后描述了是怎样做的，接着讨论一些尝试了但没有用的技巧，最后，思考着意味着什么。1.2The Deal（要点，想法）YOLOv3的deal：借鉴他人的好idea，并训练一个新的分类网络

2020-08-29 23:00:24 4188 4

原创 Ubuntu安装cuda10.1和cudnn

@TOCUbuntu安装cuda10.1和cudnn本文简单记录一下本人在Ubuntu16.04系统上安装cuda10.1和cudnn的过程，主要为防止今后安装环境时忘记过程。硬件：戴尔灵越7559，Windows10+Ubuntu16.04双系统，显卡NVIDIA GEFORCE GTX960M。主要参考博客如下：【1】https://blog.csdn.net/liangjiubujiu/article/details/90522899;【2】https://blog.csdn.net/Din

2020-07-21 23:16:31 562

原创关于系统迁移到固态硬盘后，新系统引导项丢失的问题

关于系统迁移到固态硬盘后，新系统引导项丢失的问题一、问题描述（1）我的电脑是戴尔灵越7559,所遇到的问题解决方法仅供该型号的电脑参考。（2）加装固态硬盘后，我将旧有的系统迁移到了固态硬盘，得到了新系统，在bios启动项里面共有新系统、旧系统两个选项。但是有次不小心从旧系统启动后，再次开机时，发现新系统启动项消失。二、解决办法（1）开机，进入bios设置，找到file browser a...

2019-11-17 15:25:53 9283 1

chocv的博客