- 博客(4)
- 资源 (5)
- 收藏
- 关注
原创 大规模底库搜索特征比对库Milvus(三),使用注意报错
milvus客户端超参数设置文档1、docker 容器启动时 需要 --shm-size=“64g”dorcker 启动会默认 设置/dev/shm的大小,默认值是64M,非常小,容器内运行程序,例如提取特征,会memory问题报错,或者 pytorch 提取特征 num_works 报错可以用 free -g 查看电脑多少 g , 可以用,docker run -it --name milvus_gpu_0.10.1 --gpus all \--shm-size="64g" \-p 195
2021-01-21 10:14:03 4252
原创 reid思路参考
1、目标跟踪 + ReId https://zhuanlan.zhihu.com/p/889256381、#Re-ID# FANet:用于行人重识别的端到端前景识别网络 《An End-to-End Foreground-Aware Network for Person Re-Identification》 注:FANet 性能优于HPM和IANetIANet等网络,其在MARKET-1501和DUKEMTMC-REID上表现SOTA! 作者:中科大&华为诺亚方舟实验室2、#Re-ID# G
2021-01-13 17:31:52 1910
原创 pytorch转换onnx,再转换caffe 测试caffe, pytorch 模型结果是否一致
def pytorch_out(input): model = model_res() #model.eval # input = input.cuda() # model.cuda() torch.no_grad() t1 = time.time() output = model(input) print("一张图片torch 模型前向运行时间",time.time()-t1) # print output[0].flatten()[70:8
2021-01-07 15:37:44 665 2
原创 pytorch转换onnx,测试onnx,pytorch 模型结果是否一致
def to_onnx(): dummy_input = torch.randn(1, 3, 112, 112, dtype=torch.float) # model = model_res() model = model_osnet() input_names = ["data"] output_names = ["fc"] torch.onnx.export( model, dummy_input, "./
2021-01-07 14:57:47 4584 4
FDDB,测试自己训练的模型,如何生成FDDB 文件,详细细节
2018-09-18
opencv3.1,cmake,ippicv包下载
2018-07-09
Ubuntu16.04+显卡GTX1060+cudn8.0+opencv3.1+caffe,
2018-07-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人