CNN
小 K 同学
lxk201808@163.com
展开
-
深度学习之PyTorch实战计算机视觉--基础知识及环境搭建(一)
pytorch的使用笔记学习《深度学习之PyTorch实战计算机视觉》书籍笔记。背景PyTorch是美国互联网巨头Facebook在深度学习框架Torch的基础上使用Python重写的一个全新的深度学习框架,它更像NumPy的替代产物,不仅继承了NumPy的众多优点,还支持GPUs计算,在计算效率上要比NumPy有更明显的优势;不仅如此,PyTorch还有许多高级功能,比如拥有丰富的API,...原创 2019-10-30 19:45:04 · 482 阅读 · 0 评论 -
YOLO-v3合并卷积层与BN层
在训练网络模型时,BN层能够加速网络收敛,并且能够控制过拟合现象的发生,一般放在卷积层之后,激活层之前。BN层将数据归一化后,能够有效解决梯度消失与梯度爆炸问题。虽然BN层在训练时起到了积极作用,然而,在网络Inference时多了一些层的运算,影响了模型的性能,且占用了更多的内存或者显存空间。因此,有必要将 BN 层的参数合并到卷积层,减少计算来提升模型Inference的速度。原创 2019-04-01 16:50:11 · 9250 阅读 · 26 评论 -
TensorRT Inference引擎简介及加速原理简介
TensorRT是NVIDIA 推出的一款基于CUDA和cudnn的神经网络推断加速引擎(C++库)。相比于一般的深度学习框架,在CPU或者GPU模式下其可提供10X乃至100X的加速,极大提高了深度学习模型在边缘设备上的推断速度。TensorRT项目立项的时候名字叫做GPU Inference Engine(简称GIE)。目前TensorRT已经支持Caffe、Caffe2、TensorFlow、MxNet、Pytorch等主流深度学习库。原创 2019-05-20 19:11:30 · 4647 阅读 · 1 评论 -
YOLO-v3边框预测与回归
我们读yolov3论文时都知道边框预测的公式,然而难以准确理解为何作者要这么做,这里我依据Darknet代码来总结解释一下个人的见解,总结串联一下学习时容易遇到的疑惑,期待对大家有所帮助,理解错误的地方还请大家批评指正,我只是个小白哦,发出来也是为了与大家多多交流,看看理解的对不对。原创 2019-06-23 22:45:37 · 2934 阅读 · 1 评论 -
Darknet框架模型Inference过程的feature-map可视化
本篇文章针对YOLO-v3官方提供的c语言版的darknet进行了修改,添加了一些函数,进行可视化feature-map处理,主要针对Inference过程中,对中间计算结果feature-map数据进行转换,将转换结果用图片是形式直观感受。原创 2019-07-31 14:12:23 · 2252 阅读 · 8 评论