Mr_WHITE2的博客

问题：1.训练好分类模型，比如训练保存了一个10分类的模型，但是实际用的时候呢，分类数可能会改变，但是还想继续使用前面保存的模型。那么相当于是只加载前几层的参数，最后一层做一些修改。2.加载预训练模型时，预训练模型缺少网络中定义的变量保存模型saver = tf.train.Saver()saver.save(sess,“model.ckpt”)加载模型saver.restore(sess,“model.ckpt”)不传参数时，相当于是保存了所有的参数，然后加载所有的参数。加载模型时变量缺

计算公式定义定义几个参数输入图片大小 W×W卷积核大小 F×F步长 Spadding的像素数 P于是我们可以得出计算公式为：N = (W − F + 2P )/S+1输出图片大小为 N×N以resnet50为例，输入为[1,3,224,224]，其中1为batchsize，3为通道数，224为height和width。经过第一层卷积后，其大小为[1,64,112,112]in_channels= 3//输入通道out_channels= 64 //输出通道nn.Conv2d(in_

可视化神经网络有两种方式：1.网页版https://lutzroeder.github.io/netron/打开网页上传你的模型即可看到模型的结构。2.python版附上github链接：https://github.com/lutzroeder/netron安装netron：pip install -i https://pypi.douban.com/simple/ netronimport netronmodel_path = "../weights/ssd.onnx"netron.

最近在做目标检测的相关项目，由于是深度学习小白，所以踩了很多坑，对此做一下总结。关于fine-tune和迁移学习ssd.pytorch代码链接：https://github.com/amdegroot/ssd.pytorch由于对深度学习不了解，所以连fine-tune什么意思都不懂。。。。查阅了一些资料后，大致有了一些了解，以下若有错误的地方，还烦请指正。迁移学习迁移学习(Transfer learning) 顾名思义就是把已训练好的模型参数迁移到新的模型来帮助新模型训练。拿这个代码为例，作者

安装pytorch登录官网：https://pytorch.org/get-started/locally/找到适合自己系统，包管理工具的安装命令进行安装。测试是否安装成功import torchx = torch.rand(5, 3)print(x)若安装成功则会显示如下输出：若安装了CUDA，则可用以下命令检测CUDA是否安装成功import torchtorch.c...