2021年01月_贝猫说python

11月 10月 09月 08月 06月 05月 04月 03月 02月 01月

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