自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(2)
  • 收藏
  • 关注

原创 验证pytorch转onnx模型预测精度是否正确

在训练完pytorch模型后,往往根据实际项目的需要将torch模型转为onnx模型,而转换完后可能会存在一个问题,即自己转换的onnx模型是否转换正确,模型精度是否与torch模型一致。本文以retinaface训练的torch模型为例,默认torch模型已经转换为onnx模型,验证该转换onnx模型是否与torch模型预测精度一致。具体代码示例如下:import onnxruntime as ortimport cv2import numpy as npimport torchdef i

2020-07-29 19:54:02 4512 4

原创 pytorch之Retinaface测试图片报错小结

pytorch训练的Retinaface模型预测,将图片等比例缩放至网络输入大小,进行图片测试时,有时会出现如下错误:通过排查发现是因为网络输出预测的大小与PriorBox计算输出的大小不一致导致,而造成该问题则是图片等比例缩放的大小不是cfg['steps’]的整数倍导致的,故需对resize完的图片再进行填充处理,使之能够整除cfg['steps’]。具体解决如下:# pad input image to avoid unmatched shape problemimg, pad_par

2020-07-29 19:46:16 410

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

提示
确定要删除当前文章?
取消 删除