记录下关于pytorch meshgrid 与stack，在yolov5 中的作用

已于 2023-03-28 14:28:32 修改
阅读量281 收藏
点赞数
分类专栏： ai模型搭建，平台部署课程 深度学习 yolov5 文章标签： pytorch python 深度学习
于 2023-03-28 11:51:12 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/monk96/article/details/129812120
版权
本文介绍了pytorch中的meshgrid和stack函数在深度学习，特别是yolov5模型中的作用。meshgrid用于扩展张量以获取网格坐标，而在yolov5中用于计算特征图上的坐标位置。torch.stack则将网格坐标整合成二维矩阵，便于进行矩阵运算，以计算每个坐标点的偏移量。在yolov5的make_grid过程中，这些概念得到了具体应用。
摘要由CSDN通过智能技术生成

文章目录

meshgrid

用于扩展两个相同类型的同维度张量，举个列子

在这里插入图片描述

  • 创建了两个一维的张量，分别为5, 4
  • 将两个张量扩张到一起
  • 扩张后的维度为第一个张量的维度X 第二个张量的维度

作用

在这里插入图片描述
在yolov5中需要取到特征图网格中的坐标，再加上相对0～1的偏移量，需要用到坐标值的计算

刚好对应图中的坐标， x 为5个坐标， y为4个坐标，
因为yolov5中偏移不需要计算最后一个边界点，所以少了一个维度（自行根据需要调整维度）

比如要取（2, 1）的坐标
我们取xv的第二行，第2列， 为2
yv的第1行，第2列， 为1
所以坐标为（2, 1&#x

了解本专栏 订阅专栏 解锁全文 超级会员免费看
东哥爱编程
关注
专栏目录
订阅专栏
YoloV8改进策略：将DCN v1与v2运用到YoloV8中，化身成上分小黑子
AI浩
04-09 2463
在前面的文章中，我们尝试用DCNv3替换YoloV8中的结构，实现了分数的上涨。在这篇文章中，我们尝试用DCNv1与DCNv2.比一比哪个才是最优秀的小黑子。 论文链接：在计算机视觉领域，同一物体在不同场景，角度中未知的几何变换是检测/识别的一大挑战，通常来说我们有两种做法:(1)通过充足的数据增强，扩充足够多的样本去增强模型适应尺度变换的能力。(2)设置一些针对几何变换不变的特征或者算法，比如SIFT和sliding windows。两种方法都有缺陷，第一种方法因为样本的局限性显然模型的泛化能力比较低，无
【pytorch】从yolo的make_grid理解torch.meshgrid、torch.stack
最新发布
一个CV小白的博客
11-28 1066
w=3,h=6对应的值就是[6,3]也就是第6行，第3列。torch.meshgrid 是 PyTorch 中的一个函数，这个函数通常用于创建坐标点的网格，以便进行一些网格上的操作，比如插值或者计算函数值。torch.stack((xv, yv), 2)就是将上述行列坐标信息堆叠在第2个维度，这样子每个位置就有各自的行列坐标值。可以看到yv实际上是一个纵坐标的网格，每个值都代表着自己所在的行，分别对应0-3行。可以看到w=1,h=2对应的值就是[2,1]也就是第2行，第1列。创建网格代码如下，那么什么是。
Yolov5训练时报错：UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the ind
qq_43742820的博客
09-07 1万+
yolov5检测时报错UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argument.
搭建Yolov5_DeepSort时遇到的问题：问题1：UserWarning: torch.meshgrid: in an upcoming release；问题2：[mov,mp4,m4a,3gp
m0_74890428的博客
06-05 4034
问题1：UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argument.问题2：[mov,mp4,m4a,3gp,3g2,mj2 @ 000001fe939c8d80] moov atom not found；问题3：在运行Yolov5_DeepSort目标追踪无法保存视频​​​​​​​
yolov5 7.0运行segment/predict.py时出现TypeError: meshgrid() got an unexpected keyword argument ‘indexing‘
python_plus的博客
12-25 857
问题描述 第一次运行segment/predict.py时会出现错误： TypeError: meshgrid() got an unexpected keyword argument ‘indexing‘ 解决方法： 在yolo.py中源代码： yv, xv = torch.meshgrid([torch.arange(hsize), torch.arange(wsize)], indexing="ij") 删除indexing="ij"即可 yv, xv = torch.meshgrid([torc
yolov5模型部分源码解读
weixin_45054622的博客
07-11 721
对于model部分，我们首先看model的配置文件 模型解析 为了突出重点，我把一些日志输出相关部分，给删去了 Detect类 model类 了解完了模型配置和解析，那么接下来就可以看看yolo网络了，对其进行了部分删减...
【深度学习】从零开始用pytorch实现YOLOv3
Hana
10-29 1321
【目标检测】从零开始用pytorch实现YOLOv3About YOLOv3构建网络架构实现前馈传播非极大值抑制设计输入输出管道 Tutorial About YOLOv3 预测框与cell You expect each cell of the feature map to predict an object through one of it’s bounding boxes if the ...
YOLOv5系列（2）——YOLOv5导出jit，onnx，engine
wa1tzy的博客
03-06 8170
文章目录一、YOLOv5导出jit二、YOLOv5导出onnx三、使用onnx四、YOLOv5导出engine（tensorrt/trt）五、总结所有代码5.1 models/common.py5.2 models/yolo.py5.3 test00.py5.4 onnx_export.py(test01.py)5.5 models/yolov5s.yaml5.6 pkg/common.py5.7 engine_export.py(test03.py) 做个YOLOv5的专题，这部分写一些YOLOv5的工程
【目标检测-YOLO】YOLOv5-5.0v-yaml 解析及模型构建(第二篇)
博观约取，厚积薄发
03-20 7684
YOLOv5 中网络结构的配置使用 yaml 文件。模型详解。
yolov5 的 detect 层 与 anchor 机制
weixin_44956310的博客
12-06 1万+
yolov5 的　anchor 机制　和　Detect 层　详解
Yolov5（1）：Detect源码逐行解析
qq_42418728的博客
12-22 6904
开学时，给自己定的学习任务，直到今天才有闲空来完成。一方面是yolo代码初看觉得乱糟糟的，不想读；其次，yolo算法对于初触深度学习的我而言，还是有较大的难度。 今天学习成果就是弄懂了，yolov5的Idea+模型的构建+实现源码 类似ViT的阅读，阅读完后觉得，还是自顶向下解析比较清晰。 一、Yolo v5 模型结构 模型整体分为： 1.BackBone 2.Neck 3.Head（在代码中，直观上看似乎作者将Neck和Head放在一起实现了） 下方的图中，用四种颜色圈出...
YOLO源码详解（五）- YOLO中的7*7个grid和RPN中的9个anchors
木凌的博客
12-08 1万+
本系列作者：木凌 时间：2016年12月。 文章连接：http://blog.csdn.net/u014540717 QQ交流群：554590241 一直不知道7×7的网格到底是干什么的，不就是结果预测7×7×2个框吗，这跟把原图分成7×7有什么关系？不分成7×7就不能预测7×7×2个框吗？之前跟一个朋友讨论，他说7×7的网格是作为回归框的初始位置，我后来的很长一段时间一直这么认为
基于rk3588s的yolov5深度学习从训练到部署--讯飞智能车识别任务（四）
qq_62703890的博客
08-07 2406
首先，参照官方的RKNN文档的操作，将对应的部分进行修改。yolov5工程中的文件中的类 里forward代码进行修改，内容如下。注意：修改后此工程将不可进行训练模型程序，会出现报错。修改完成后我们可以直接对export.py进行修改导出，也可通过传参的方法运行export.py进行导出。将训练得到的best.pt复制到export.py同一级文件夹下。在命令终端输入以下命令即可传参导出之后，在export.py的同级目录下，就会生成best.onnx这个文件，我们需要做的就是把这个文件复制到我们的。
yolov5画框重复、大框包小框问题解决，c++、python代码调用onnx
weixin_45994963的博客
12-16 6610
yolov5画框重复、大框包小框问题解决，c++、python代码调用onnx，yolov5的pt文件转onnx，onnx文件修改。删除yolov5的anchor box decode，并将三个输出捏在一起详细过程
博客6：YOLOv5车牌识别实战教程：性能优化与部署
sybh的博客
04-03 624
嵌入式设备部署：可以将YOLOv5车牌识别模型部署到树莓派、Jetson Nano等嵌入式设备上，实现边缘计算。除了模型压缩之外，我们还可以采用模型加速技术，以提高模型在实际环境中的推理速度。摘要：在本篇博客中，我们将介绍如何优化YOLOv5车牌识别系统的性能，以及如何将模型部署到实际应用中。这样，我们就将YOLOv5模型转换为TensorRT引擎，并利用TensorRT加速了模型的推理速度。例如，可以训练多个YOLOv5模型，并将它们的预测结果进行加权平均或投票，以提高车牌识别的准确率。
目标检测 YOLOv5 - 损失函数的改进
热门推荐
flyfish
09-28 2万+
目标检测 YOLOv5 - 损失函数的改进 flyfish 完整代码下载地址 该改进源码完全兼容原版的YOLOv5:v5版本，同时backbone支持mobilenetv3,shufflenetv2，原有的backbone全部支持等等 类别有包含关系的例如一个目标可以是人，男人，也有互斥关系的，一个类别例如人，猫，狗。在数据集的类别是互斥关系下尝试损失函数的改进 类别是包含关系的 BCEWithLogitsLoss 可以用于多标签分类的，一个目标可以属于一个或者多个类别，例如一个目标可以是人，男人，儿童，类
YoloV5 的部署【详解】
qq_23022733的博客
07-04 2267
YoloV5部署
在python3.6，pytorch1.10.2，cuda11.3，numpy1.19.5环境下，完成一个名为yolov7的类，实现本地加载用自己数据集训练的yolov5的.pth模型，对图片进行检测并以列表的形式输出类别以及检测框的四个顶点位置，写成函数的形式调用
05-11
model_path = 'path/to/your/yolov5.pth' yolov7 = YOLOv7(model_path) img_path = 'path/to/your/image.jpg' img = cv2.imread(img_path) outputs = yolov7.detect(img) print(outputs) ``` 输出的 `outputs` 是...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

东哥爱编程

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值