- 博客(25)
- 收藏
- 关注
RSS订阅原创 pytorch加载预训练权重存在的问题
这里面有个小坑，strict布尔值默认True，对，默认严格导入。如果对网络结构有所改变，则需要删除相应的权重删除，哎都是为了导入backbone的权重呀，说多了都是泪。因为我改变了全连接层，所以需要删除相应的权重，再将 strict设置成Fasle。
2024-01-09 18:00:06
452
原创 c++ 关于typedef与结构体笔记
在头文件中声明结构体，在调用时必须分配内存空间，比如Result_ptr res_ptr = (Result_ptr)molloc(sizeof(Result));如果给结构体指针赋值，res_ptr->img_name="img.jpg",不知道字符串放在内存中哪个区域。
2023-12-05 13:31:56
389
原创 vscode调试exe可执行文件出现的问题
1.文件结构很简单，1个头文件2个源文件，使用cmake配置编译参数，#说明是生产的可执行文件是可调试的，SET(CMAKE_BUILD_TYPE"Debug")，如果不是DEBUG模式又怎么能调试呢。2.生成的myexe.exe文件在build目录下，直接调试需要指定路径，不然去VSCODE目录下找不到。ps需要注释掉这行代码。.........
2022-07-28 16:30:50
3174
原创 C3与boottleneck结构
图片上图为C3结构：结构非常清楚，引入上层的featuremap产生两个分支，其中一个分支进行卷积（通道数没变），卷积的结果再进行两个分支，其中一个分支再进两次卷积（通道数减半），从Bottleneck源码也能看出，进行了add操作。重要的是self.m = nn.Sequential(*(Bottleneck(c_, c_, shortcut, g, e=1.0) for _ in range(n)))这段代码，不同的yaml文件n是不一样的，也就是说Bottleneck重复
2022-05-24 23:59:28
2955
原创 rpn网络
高层的feature map有更大的感受野，底层的feature map有更小的感受野，这不再赘述。在高层的feature map每个像素当成一个anchors base，再根据原图压缩至feature map缩小的倍率进行反向倍化，就比如（0，0）倍化还是0，0，（2，2）倍化就是（2倍率，2倍率）坐标了。每个anchors base衍生出9（原论文是9，如果想预测小目标，可以设置更小的长宽）个长宽不等的anchorboxs。其实每一批次的anchors base坐标点都一样（同一个featurema
2021-11-22 21:22:27
370
原创 faster-rcnn理论系列个人笔记
rcnn系列流程1，首先ss算法（selective search）提取的区域候选框proposal；2，提取的proposal转化成227*227图像（为了统一特征长度），输入到cnn（backbone网络，不要全连接层）抽取特征；3，将抽取的特征向量，用来训练SVM和位置坐标线性回归器。细节：1~2K个候选框先筛选概率大的部分，在进行NMS非极大值抑制。其实就是一个矩阵概率的筛选：比如行代表类（狗），所有候选框是狗的概率，设定一个阈值，或者取前100；在进行NMS非极大值抑制，这样就得到概率大
2021-11-18 09:53:27
87
原创 Mobile net v1系列笔记
Depthwise Convolution （DW卷积）：Mobile net网络针对与移动端部署，其亮眼之处在于DW卷积，该卷起区别于普通卷积在于：卷积层的每个卷积核是单层的，只负责上一层的一个channel，当然卷积核的个数也就只能等于上层的channel个数，这也是分组卷积分到极致1了吧，再然后用1*1的普通卷积操作将其特征融合。这么做准确率并没有下降很多，而计算参数却大大降低，这说明了一个什么问题？说明普通卷积的卷积核中有大量的稀疏参数，并没有学到任何东西。...
2021-11-16 10:38:49
965
原创 个人笔记Resnet残差网络
Resnet残差网络：残差网络本质一种XGBOOST集成算法思想，让残差模块拟合网络残差，以此获得梯度增益效果，降低目标函数的值。《让损失函数沿着梯度方向的下降。这个就是gbdt 的 gb的核心了。 利用损失函数的负梯度在当前模型的值作为回归问题提升树算法中的残差的近似值去拟合一个回归树。gbdt 每轮迭代的时候，都去拟合损失函数在当前模型下的负梯度》...
2021-11-15 13:24:39
2017
原创 batch normlization随记
个人笔记：为什么用BN层。1，它一定程度上抑制了梯度“不活跃”区间，因为神经网络内部发生了协方差偏移。2，防止过拟合，《一个样本只与minibatch中其他样本有相互关系；对于同一个训练样本，网络的输出会发生变化。这些效果有助于提升网络泛化能力，像dropout一样防止网络过拟合，同时BN的使用，可以减少或者去掉dropout类似的策略。》其他博主写的，能理解一点。计算步骤：例如一个batch样本，在RGB通道channal上进行减均值出方差，批归一化后数据呈现高斯分布，然后再进行×γ+β的操作，γ和β是
2021-11-13 20:35:53
583
原创 Python装饰器
装饰器，Python装饰器的为了给# def getzsq(char):# def check(func):# a = 10000# def inner(b):# print("登录验证", b, char)# ret = func(b, char)# return ret# return inner# return check## @getzsq(
2021-10-25 14:34:09
63
原创 Pyqt5界面显示matplotlib图形
from PyQt5.Qt import *from matplotlib.figure import Figureimport matplotlibmatplotlib.use("Qt5Agg") # 声明使用QT5from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvasimport numpy as npclass MyFigure(FigureCanvas): def __i
2021-10-21 14:36:41
1453
原创 python 中__name__ == ‘__main__’ 的作用（这是最详细的解释）
我看到很多文章写main函数的作用，巴拉巴拉，，，，但是没找到一篇解释关于《为什么用if name == ‘main’:》是因为爱么？是因为责任么？还是比较炫酷—装13？弄出来这东西肯定有它的价值吧，那么下面来看第一个test.py文件# test.pydef ceshi函数1(): print("我是函数1，如果想其他模块中调用我，就不要在当前模块以 ceshi函数1() " "这种形式调用，这样的话会重复执行，浪费计算资源")def ceshi函数2():
2021-10-15 10:16:35
2528
2
原创 语义标注流程
激活环境 activate myenv安装labelmepip install labelme启动 labelme标注数据（建议起个data_annotated名字的文件夹，图片和json都放在里面吧）labelme --labels label.txt（一定是完整的路径，当然绝对、相对路径看你自己）最重要的一步就是转化为voc格式了(myenv) C:\Users\Administrator\Desktop\labelme\examples\semantic_segmentat..
2021-09-23 17:07:04
222
原创 pytorch基础操作
**# 本章为pytorch的学习# import torch# # 生成几到几之间的随机数整数# data = torch.randint(10, 100, (3, 4))# print()# # # torch.randn()生成的均值为零，方差为1的高斯数# # torch.rand()包含了从区间[0, 1)的均匀分布中抽取的一组随机数# print(torch.randn(3, 4))# print(torch.rand(3, 4).mean(dim=0).int().type
2021-08-18 23:51:01
134
原创 RPN网络解读
RPN网络源码解读在高层的feature map初次计算anchor box点数值 60409 9代表一个特征维度生成9个anchor box， 但特征层w，h为啥是60,40不应该是相等的？毕竟backbone网络一系列操作（下采样），w，h同时缩小的。下不管了，不是今天主要问题。step1：也就是说原始生成大约20000boxs，再进行2k排序（每个boxs得分为目标或背景的概率，不管是背景还是目标都要得分高的）设定阈值为12000，也就是说最多保留12000，也有的源码设定2000。step2
2021-08-14 03:32:02
351
原创 过拟合随记
过拟合随记看过很多关于过拟合方面资料，（自学习了4个月+）今天随记一篇自己对过拟合的观点。机器学习是对偏好进行归纳的过程（来源于西瓜书）。这句话好像什么都没说，又好像什么都说完了。那么问题来了，何为偏好？我这里引入自己利用SSD算法做的一个目标检测DEMO（检测的内容就是卡卡西、鸣人、佐助）来聊聊个人观点。算了，归纳偏好还是引用图像分类算法来阐述更直接，分类的目的就是哪一张是卡卡西、鸣人还是佐助？言归正传。刚才说到偏好，何为偏好？偏好是特征么？是但也不是，更具体的说偏好是指那些代表性的特征，而不是共有
2021-08-11 23:42:28
290
1
tensorRT部署resnet网络Python、c++源码
2022-08-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人