![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 52
尼古拉斯·two_dog
这个作者很懒,什么都没留下…
展开
-
昇腾modelzoo复现yolov4_v1(模型训练+网络定义)
参考链接:https://github.com/Tianxiaomo/pytorch-YOLOv4模型训练+推理步骤:1. 下载代码和预训练模型,准备数据2. 数据预处理:使用data_process的脚本进行自己标注的数据进行处理3. 训练模型(需要修改train.py/cfg.py/dataset.py/以及tool中关于数据预处理的相关定义,请看代码去改)4. 测试模型(修改test.py进行预测)5. pytorch模型转onnx模型(修改pytorch2onnx.py)6.原创 2021-07-09 14:59:09 · 2885 阅读 · 0 评论 -
昇腾modelzoo复现yolov4_v2(模型后处理)
6.pth2onnx.pyimport sysimport onnximport osimport argparseimport numpy as npimport cv2import onnxruntimeimport torchfrom tool.utils import *from models import Yolov4def detect(session, image_src): IN_IMAGE_H = session.get_inputs()[0].sha原创 2021-07-09 15:21:38 · 676 阅读 · 0 评论 -
pytorch实现yolov4_v1(数据处理+训练测试+转模型)
参考链接:https://blog.csdn.net/qq_44876051/article/details/107665310?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_baidulandingword-2&spm=1001.2101.3001.4242https://www.cnblogs.com/wujianming-110117/p/13845974.htmlpytorch代码实现:https://githu原创 2021-07-09 11:32:11 · 1841 阅读 · 6 评论 -
pytorch实现yolov4_v2(网络模块)
1.CSPdarknet.pyimport mathfrom collections import OrderedDictimport torchimport torch.nn as nnimport torch.nn.functional as F#-------------------------------------------------## MISH激活函数#-------------------------------------------------#cla原创 2021-07-09 12:26:28 · 491 阅读 · 0 评论 -
yolov3_v1(数据处理)
参考链接:https://segmentfault.com/a/1190000021794637?utm_source=tag-newesthttps://blog.csdn.net/qq_38232598/article/details/88695454代码:https://github.com/YunYang1994/tensorflow-yolov3一、数据预处理1.数据标注安装labelIme:pip install labelImg在控制台输入labelImg,调出原创 2021-07-08 15:01:53 · 579 阅读 · 0 评论 -
yolov3_v2(模型训练+后处理)
二、模型训练代码链接:https://github.com/YunYang1994/tensorflow-yolov3本章是复现以上的代码,并自己做了些其他修改,比如数据处理、后处理等,这里只贴出修改过的一些代码,其他代码可从上面链接下载。1.convert_weight.py 下载预训练模型wget https://github.com/YunYang1994/tensorflow-yolov3/releases/download/v1.0/yolov3_coco.tar.g..原创 2021-07-08 15:41:35 · 2915 阅读 · 1 评论 -
深度学习 网络训练技巧
网络训练技巧:1.数据增强:缩放、随机位置截取、翻卷、随机旋转、亮度、对比度、颜色变化等方法。2.学习率衰减:随着训练的进行不断的减小学习率。例如:一开始学习率0.01,在10000步后降为0.001。用法:lr = tf.cond(tf.less(step, 10000), lambda: 0.1, lambda: 0.01)3.dropout:一般用在全连接层。用法:tf.nn.dropout4.正则化:有L1和L2正则化,较多的是L2正则化,引入正则化相当于在loss函数上面加上原创 2021-07-02 13:57:30 · 925 阅读 · 0 评论 -
opencv—人脸检测
文章基于opencv的shape_predictor_68_face_landmarks.dat模型,进行一些简单的人脸检测。代码1: 检测人脸–描点import matplotlib.pyplot as pltimport cv2import numpy as npimport dlib# 如果未检测到人脸,那么返回false,否则返回trueface_detector = d...原创 2019-05-28 21:44:19 · 626 阅读 · 0 评论 -
shufflenet_v1
本文使用的是轻量级模型shufflenet,使用keras框架进行训练。参考链接(模型详解):https://blog.csdn.net/zjn295771349/article/details/89704086代码如下:1.data_process.py(数据处理:这里随便选了两张照片,重复造数据,生成数据集)import numpy as npimport randomimport cv2import osimport shutil# path="data/train/"原创 2021-06-29 15:55:03 · 285 阅读 · 0 评论 -
shufflenet_v2
续上篇的shufflenet_v1,这里脚本基本没变,只是更改了网络模型文件shufflenet_v2.py参考链接(详解):https://blog.csdn.net/u011995719/article/details/814092451.data_process.py(数据处理:这里随便选了两张照片,重复造数据,生成数据集)import numpy as npimport randomimport cv2import osimport shutil # path="dat原创 2021-06-29 16:06:14 · 204 阅读 · 0 评论 -
tensorflow实现deblurgan_v1
参考链接:https://blog.csdn.net/z704630835/article/details/84135277https://github.com/dongheehand/DeblurGAN-tf数据集:代码实现:data_loader.pyimport tensorflow as tfimport osclass dataloader(): def __init__(self, args): self.channel原创 2021-07-01 10:27:53 · 512 阅读 · 0 评论 -
tensorflow的api接口用法_1
run:tf习惯预先定义好各种参数,运行函数,然后通过会话seesion,用.run()来启动计算。eval:也是一种启动计算的方式,与.run()类似;但是有限制条件,只能用于tf.Tensor类对象(即有输出的计算)。run与eval的区别:1.在计算一个张量时,eval相当于run的缩写,等价关系;2.run可以同时计算多个张量,eval每次只能计算一个。例1---等价:#例1---等价:import tensorflow as tfa_tensor=tf.cast(tf.c原创 2021-06-30 10:17:53 · 324 阅读 · 1 评论 -
tensorflow的api接口用法_2
graph的三种定义:1.直接用 2.先设定一个默认的,然后再调用 3.声明多个不同的graph,可以通过变量名分开调用# #1.1 graph的定义1:直接出graph # import tensorflow as tf# c = tf.constant(4.0)# sess = tf.Session()# sess.run(tf.global_variables_initializer())# c_out = sess.run(c)# print(c_out...原创 2021-06-30 10:45:12 · 321 阅读 · 1 评论 -
tensorflow——session与graph
sess会话与graph的关系Graph可以创建多个数据流图,达到协同工作的目的;session会话相当于一个默认的流图,即一个计算流图。一个完整的Session会话包含:1.数据流图——计算的载体(就相当于一张白纸)2.操作对象——基础数据(比如常量:1 又或者变量:a=5)3.op——计算操作(相当于计算方法,比如:y=a+b)可以把会话想象成生活中在草稿纸上计算公式的过程,首先得...原创 2019-06-26 19:24:02 · 380 阅读 · 0 评论 -
tensorflow—图片转tfrecord格式
文章参考来自:https://blog.csdn.net/qq_23981335/article/details/80525642https://blog.csdn.net/runner668/article/details/80404737这里提供了一种把图片转换成tfrecords文件的方法。先介绍下图片解码的两种方法:第一种方法是用tf.gfile.FastGFile读取图片,然后...原创 2019-05-28 20:44:30 · 1067 阅读 · 0 评论 -
tensorflow的简单测试应用
1.验证卷积函数的运算过程"""函数格式:tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu = Noen, name = None)1.input:指需要做卷积的输入图像要求是一个4维的Tensor,shape为[batch, in_height, in_width, in_channels]:batch:训练时一个batch的图片数量in_height:输入图像的高度in_width:输入图像的宽度in_原创 2021-07-05 09:41:53 · 1517 阅读 · 0 评论 -
tensorflow学习--手写tf网络
数据集:1.data_loader.pyimport cv2import osimport numpy as npimport random# f1=open('dataset/train_data.txt','w+')# path='dataset/'# for file in os.listdir(path):# if file.endswith('png'):# line=path+file+' 1'+'\n'# f1.w原创 2021-07-05 09:42:16 · 197 阅读 · 0 评论 -
tensorflow实现卷积神经网络——经典网络(LeNet5、AlexNet、VGG-16、ResNet)
网络介绍:https://blog.csdn.net/loveliuzz/article/details/79131131https://blog.csdn.net/jiaoyangwm/article/details/800116561.CNN---LeNet5https://blog.csdn.net/happyorg/article/details/78274066https://www.cnblogs.com/chizi15/p/9808330.htmlhttps://b原创 2021-07-02 13:58:33 · 540 阅读 · 0 评论 -
tensorflow实现循环神经网络——经典网络(LSTM、GRU、BRNN)
参考链接:https://www.cnblogs.com/tensorflownews/p/7293859.htmlhttp://www.360doc.com/content/17/0321/10/10408243_638692495.shtmlhttp://blog.itpub.net/31555081/viewspace-2221434/https://blog.csdn.net/qq_34000894/article/details/80421007循环神经网络——RNN:..原创 2021-07-02 14:00:39 · 1522 阅读 · 0 评论 -
keras实现LeNet5
1.数据集2.train.pyimport numpy as npimport kerasfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Dense, Activation, Conv2D, MaxPooling2D, Flattenfrom keras.optimizers import Adamimport tensorflow as tf原创 2021-07-05 09:43:02 · 341 阅读 · 0 评论 -
keras实现AlexNet、vgg13、vgg16
没有微调参数,训练睁闭眼的效果差。数据集结构如第一篇文章(keras实现LeNet5)。1.model.py 构造了AlexNet、vgg13、vgg16网络#coding=utf-8from keras.models import Sequentialfrom keras.layers import Dense, Dropout, Activation, Flattenfrom keras.layers import Conv2D, MaxPooling2D, ZeroPaddin..原创 2021-07-05 09:42:38 · 686 阅读 · 0 评论 -
keras实现resnet50
数据集结构如第一篇文章(keras实现LeNet5)。1.model.py 构造网络# coding=utf-8from keras.models import Modelfrom keras.layers import Input, Dense, BatchNormalization, Conv2D, MaxPooling2D, AveragePooling2D, ZeroPadding2Dfrom keras.layers import add, Flatten, Activ..原创 2021-07-05 09:42:46 · 2383 阅读 · 6 评论 -
keras实现mobilenet_v2
数据集结构如第一篇文章(keras实现LeNet5)。1.model.pyfrom keras.models import Modelfrom keras.layers import Input, Conv2D, GlobalAveragePooling2D, Dropoutfrom keras.layers import Activation, BatchNormalization, add, Reshapefrom keras.layers import DepthwiseConv2原创 2021-07-05 09:42:53 · 1303 阅读 · 3 评论 -
keras实现deblurgan-v1(图像去模糊)
参考链接:https://blog.csdn.net/dcrmg/article/details/82892909https://blog.csdn.net/leviopku/article/details/83818997棋盘效应:https://blog.csdn.net/qq_34622844/article/details/88936690https://github.com/KupynOrest/DeblurGAN/issues/41代码实现:train.py原创 2021-07-01 10:10:52 · 589 阅读 · 0 评论 -
keras实现卷积神经网络——经典网络(LeNet5、AlexNet)
1.LeNet5import numpy as npimport kerasfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Dense, Activation, Conv2D, MaxPooling2D, Flattenfrom keras.optimizers import Adamimport tensorflow as tffrom tensor原创 2021-07-05 09:42:31 · 419 阅读 · 0 评论 -
pytorch实现resnet50(训练+测试+模型转换)
本章使用pytorch训练resnet50,使用cifar数据集。数据集:代码工程:1.train.pyimport torchfrom torch import nn, optimimport torchvision.transforms as transformsfrom torchvision import datasetsfrom torch.utils.data import DataLoaderfrom resnet50 import ResNet5原创 2021-07-05 09:41:24 · 15594 阅读 · 6 评论 -
tensorflow实现resnet50(训练+测试+模型转换)
本章使用tensorflow训练resnet50,使用手写数字图片作为数据集。数据集:代码工程:1.train.pyimport argparseimport cv2import tensorflow as tf# from create_model import resnet_v2_50from create_model import resnet_v2_50import numpy as npfrom data_loader import get_data, g原创 2021-07-05 09:41:11 · 5657 阅读 · 3 评论 -
tensorflow模型处理(查看节点、模型转换、模型测试)
本章提供了tensorflow模型常用的一些处理方法,包括:tensorboard查看ckpt网络结构tensorboard查看pb网络结构ckpt模型转pb模型pb模型转pbtxt文件测试pb模型pb模型转tflite模型测试tflite模型h5模型转pb模型测试caffe模型1.1 查看ckpt网络结构_v1.py运行脚本在控制台输入命令:tensorboard --logdir=d:/log --host=127.0.0.1浏览器输入:http.原创 2021-07-05 09:41:47 · 1189 阅读 · 0 评论