深度学习
8BitCat
爱生活,积极向上,喜欢钻研。
展开
-
pytorch 读取参数
import torch import struct from utils.torch_utils import select_device def pt2weight(weights): model = torch.load(weights, map_location="cpu")['model'].eval().float() with open(weights.split(".")[0]+".weights",'w') as f: for k,v in model.state_dict原创 2021-07-18 10:52:05 · 974 阅读 · 5 评论 -
论文翻译网站
https://tongtianta.site/原创 2020-05-06 17:56:37 · 413 阅读 · 0 评论 -
failed to allocate 192.19M (201523200 bytes) from device: CUDA_ERROR_OUT_OF_MEMORY: out of memory
解决方式: import os os.environ['CUDA_VISIBLE_DEVICES'] = '1'原创 2020-02-15 12:31:58 · 2326 阅读 · 1 评论 -
ubuntu安装tensorflow-gpu 和pytorch
本文参考了: https://blog.csdn.net/qq_27825451/article/details/89082978 谢谢这位博主 这里我们选择清华源 sudo python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.2.0 pip install -i h...原创 2019-11-24 11:23:29 · 211 阅读 · 0 评论 -
深度学习笔记
tensorflow写的不错的博客: https://www.jianshu.com/p/9b43adba1e38 卷积后输出啊图像的大小: 无pading的情况: 输出图像边长 = (图像大小 - 卷积核大小 + 1)/步长 有pading的情况: 输出图像边长 = (图像大小)/步长 https://www.cnblogs.com/adong7639/p/7417178.h...原创 2019-09-19 10:49:35 · 113 阅读 · 0 评论 -
windows 安装tensorflow2.0
预先装好python 然后在命令行输入: gpu版本: 需要预先装好:cuda 和cudnn 才能使用。 pip install numpy pandas matplotlib sklearn tensorflow-GPU==2.0.0-alpha0 -i https://pypi.doubanio.com/simple cpu 版本: alpha0 : pip inst...原创 2019-08-19 23:18:33 · 607 阅读 · 0 评论 -
windows pytorch环境安装配置
1.下载anaconda windows版本下载地址原创 2019-07-22 23:17:30 · 841 阅读 · 0 评论 -
解读Batch Normalization
【活动】Python创意编程活动开始啦!!! CSDN日报20170424 ——《技术方向的选择》 程序员4月书讯:Angular来了! 解读Batch Normalization 2016-02-23 16:03 5262人阅读 评论(1) 收藏 举报 本文章已收录于: 分类: 深度学习基础(10)转载 2017-04-26 09:26:36 · 789 阅读 · 0 评论 -
caffe安装 cuda安装 opencv安装 cudnn安装 python相关依赖库安装
1安装cuda8.0 安装依赖库 #sudo apt-get install g++ #sudo apt-get install git #sudo apt-get install freeglut3-dev Ctr+alt+f4 进入后台 输入用户名和密码 User: Password: #sudo vi /etc/modprobe.d/blacklist原创 2017-04-22 17:46:17 · 576 阅读 · 0 评论 -
YOLO升级版:YOLOv2和YOLO9000解析
论文笔记:YOLO9000: Better, Faster, Stronger;官方网站 评论:YOLO是基于深度学习方法的端到端实时目标检测系统(YOLO:实时快速目标检测)。YOLO的升级版有两种:YOLOv2和YOLO9000。作者采用了一系列的方法优化了YOLO的模型结构,产生了YOLOv2,在快速的同时准确率达到state of the art。然后作者采用wordtree的方法,综合转载 2017-04-24 14:57:11 · 12248 阅读 · 0 评论 -
SSD( Single Shot MultiBox Detector)关键源码解析
SSD(SSD: Single Shot MultiBox Detector)是采用单个深度神经网络模型实现目标检测和识别的方法。如图0-1所示,该方法是综合了Faster R-CNN的anchor box和YOLO单个神经网络检测思路(YOLOv2也采用了类似的思路,详见YOLO升级版:YOLOv2和YOLO9000解析),既有Faster R-CNN的准确率又有YOLO的检测速度,可以实现转载 2017-04-24 11:59:08 · 3531 阅读 · 0 评论 -
SSD+caffe︱Single Shot MultiBox Detector 目标检测+fine-tuning(二)
承接上一篇SSD介绍:SSD+caffe︱Single Shot MultiBox Detector 目标检测(一) 如果自己要训练SSD模型呢,关键的就是LMDB格式生成,从官方教程weiliu89/caffe来看,寥寥几行code,但是前面的数据整理真实要了老命。 教程其实就是一种fine-tuning,在VGG基础上进行训练SSD框架。 一般SSD的数据来源,看到好多人转载 2017-05-02 08:08:23 · 1674 阅读 · 0 评论 -
SSD框架训练自己的数据集
SSD框架训练自己的数据集 SSD demo中详细介绍了如何在VOC数据集上使用SSD进行物体检测的训练和验证。本文介绍如何使用SSD实现对自己数据集的训练和验证过程,内容包括: 1 数据集的标注2 数据集的转换3 使用SSD如何训练4 使用SSD如何测试1 数据集的标注 数据的标注使用BBox-Label-Tool工具,该工具使用python实现,使用简单方便。修改后的工具支转载 2017-05-02 08:03:43 · 2564 阅读 · 0 评论 -
将数据集做成VOC2007格式用于Faster-RCNN训练
[置顶] 将数据集做成VOC2007格式用于Faster-RCNN训练 2016-02-23 15:35 29068人阅读 评论(336) 收藏 举报 本文章已收录于: 分类: Deep Learning(7) 作者同类文章X 版权声明:本文为博主原创文章,未经博主允许不得转载。 目录(?转载 2017-05-02 08:00:53 · 502 阅读 · 1 评论