深度技术学习
文章平均质量分 62
lillllllll
无
展开
-
windows下配置和mmdetection目标检测源码
mmdetection(简称mmdet)是OpenMMLab商汤科技的开源目标检测软件。配置还是会遇到不少坑,下面给出在Windows下面的配置和运行。(1)建立conda环境我配置了python3.9没有成功,然后配置了3.8,安装conda后利用下面命令创建虚拟环境conda create --name py38 python=3.8(2)从GitHub下载mmdet源码并进行前期预备工作,地址:https://github.com/open-mmlab/mmdetection以管理原创 2021-10-17 15:36:26 · 605 阅读 · 0 评论 -
Detectron2目标检测源码安装与测试,让你在window10/11环境一步成功
detectron2是Facebook的代表着,性能就不用多说,至少目前是比较先进的。由于该源码有很多中间件(python包),包之间的兼容性也是一个很让人头疼的问题,估计会有很多人要被折腾。下面给出成功的安装办法。1、下载安装conda,Anaconda3-2021.05-Windows-x86_64.exe,这个安装就不说了,安装完成后不要加什么清华等下载包的镜像。2、在windows找到anaconda prompt菜单,进入命令提示符3、安装pytorch,到PyTorch官网直接用p.原创 2021-10-15 20:08:39 · 1114 阅读 · 0 评论 -
MindSpore在Mnist数据集上的实验
mindspore 是华为的深度学习框架,与Pytorch非常类似,下面以官方的入门实验为例进行实验。代码简单,直接放上:import osimport argparsefrom mindspore import context# args = parser.parse_known_args()[0]context.set_context(mode=context.GRAPH_MODE, device_target='CPU')import mindspore.dataset as ds原创 2021-10-11 09:50:23 · 4263 阅读 · 0 评论 -
最直接的ResNet-34 PyTorch代码
最直接的ResNet-34 PyTorch代码,根据官方的源码手写的,名称对应关系:官方是本代码去掉了层和子层之间的点号‘.’这样做的好处在于名称和官方有一一对应关系,可以方便用load_state_dict()装载云训练参数。下面是具体代码(代码有点长)import torchfrom torchvision.models.resnet import resnet34import torch.nn as nnfrom collections import Orde...原创 2021-09-16 08:02:32 · 2150 阅读 · 0 评论 -
让你的ResNet模型在Cifar100数据库上80%正确识别率(pytorch代码)
有很多小伙伴们在用迁移学习在Cifar100上训练时候,其识别率非常低,有的20%多,有的60%。为什么有那么低的识别率呢?主要是训练策略问题,下面我们用ResNet34来测试Cifar100,看看最后的识别率能达到多少。顺便说一下ResNet的命名,比如ResNet34包括33个Conv2d和1个FC层(FC层就是该网络的输出特征层),共34个可以学习的层,其它的层不具备学习功能占用资源很少;ResNet101就包含100个Conv2d和1个FC层。第一步、将学习速率设置大一些(初始 lr=0.01)原创 2021-09-06 21:12:20 · 14199 阅读 · 30 评论 -
imagenet ILSVRC2012下载及其matlab处理方法
ILSVRC2012下载地址(迅雷可以直接下载):http://www.image-net.org/challenges/LSVRC/2012/nnoupb/ILSVRC2012_img_test.tarhttp://www.image-net.org/challenges/LSVRC/2012/nnoupb/ILSVRC2012_img_val.tarhttp://www.image-net.org/challenges/LSVRC/2012/nnoupb/ILSVRC2012_img_train原创 2021-01-04 15:24:57 · 1436 阅读 · 0 评论 -
提取fashion-mnist数据库图片到分类别的文件夹
fashion-mnist数据库是具有挑战性的机器图像分类数据库,该数据库官方文档给出的数据库文件格式是idx3-ubyte(图像)和idx1-ubyte(标签),参考了网上的方法,我们可以将图片其提取出来放在文件夹中,每个文件夹是一个类别,下面装了该类别的所有图片,python代码如下:#该代码是进行的测试集t10k-images-idx3-ubyte和t10k-labels-idx1-ubyte的图像提取#对于训练集train-labels-idx1-ubyte和train-labels-idx原创 2020-12-06 21:35:12 · 525 阅读 · 0 评论 -
PyTorch学习资料(动态更新)
下面列出一些学习过程中的资料,资料列表会不断跟新1、PyTorch学习笔记(11)——论nn.Conv2d中的反向传播实现过程2、卷积原理:几种常用的卷积(标准卷积、深度卷积、组卷积、扩展卷积、反卷积)3、PyTorch底层组卷积的实现方式...原创 2020-06-22 18:27:48 · 189 阅读 · 0 评论 -
BP网络与CNN反向传播推导过程,由具体到抽象的推导
BP网络的反向传播是CNN/DCNN的基础,只要明白了BP反向传播原理以及推导过程CNN便迎刃而解。因为BP网络的递推特点使得根据损失函数来推导权重W比较繁琐,很多博客都进行了详细推理。有的推导比较抽象但逻辑清晰、有的推导很具体但是不容易把握思路;如果把他们综合起来看理解就不困难,让你不但知其然还能够知其所以然。我在这里找了几个典型的博客,建议大家根据列出的顺序来看。本篇文章不是我做算法推导,而是收集几篇比较好(当然还有很多比较好的文章没有在这儿列出来)的博客让想学的朋友少走弯路。一、BP反向传播推理:原创 2020-06-01 17:21:05 · 699 阅读 · 0 评论 -
Pytorch自定义Dataset和使用DataLoader装载数据
本文以lfw人脸数据库为例,用Pytorch自定义Dataset和使用DataLoader装载人脸图像。Dataset主要功能是读取数据源,而DataLoader在Dataset基础上组织数据供给深度算法使用,比如对图像的分批、shuaffle、扩展样本等操作。本文用的图片放在facesBmp目录下面,如下图所示:下面是实现代码。代码比较简单,可以看里面注释# -*-coding: ...原创 2019-09-14 18:20:17 · 3247 阅读 · 0 评论 -
学习PyTorch与实例
本文翻译PyTorch官方文档 Learning PyTorch with Examples本教程通过自包含的示例介绍PyTorch的基本概念。作者: Justin JohnsonPyTorch的核心是两个主要特征: 一个n维张量,类似于numpy但可以在GPU上运行 自动区分建立和训练神经网络我们将使用完全连接的ReLU网络作为运行示例。 网络将具有单个隐藏层,并且将...翻译 2019-09-07 17:29:26 · 284 阅读 · 0 评论 -
Ubuntu19.04下面配置Tensorflow1、Tensorflow2、Pytorch的GPU深度学习环境笔记
1、ubuntu安装navidia驱动我安装的是ubuntu19.04桌面版版,文件名ubuntu-19.04-desktop-amd64.iso,官网可以下载(安装过程省略)。安装后可能发生两种问题:启动不了ubuntu系统,制作不了与win10双系统的系统选择菜单。主要是bios设置不当造成,可以百度解决办法。ubuntu版本的vi编辑器有问题,换成vim编辑器,使用下面命令sudo ...原创 2019-08-26 12:29:54 · 1206 阅读 · 1 评论