自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(5)
  • 收藏
  • 关注

原创 AotuDL、Windows(50系显卡)、服务器的mmcv安装

pip install . -v --no-build-isolation #需要c++选择torch2.0.0版本的服务器。vim ~/.bashrc最后一行加。

2026-05-06 20:21:52 282

原创 windows和服务器上安装mmdet

你的用户名>/miniconda3/envs/hw5/lib/site-packages/mmengine/runner/)目录下找到 checkpoint.py,修改第347行为。从 [C:\Users<你的用户名>\miniconda3\envs\hw5\lib\site-packages\mmengine\runner](

2026-05-06 20:13:40 156

原创 在mmpretrain上实现mobilenetv2的微调以及模块添加

对于 MobileNetV2 这种深度可分离卷积构成的网络,特征图的“空间信息”在压缩过程中极易丢失。CBAM 通过 7 \times 7 的大核卷积重新拾取了物体的几何轮廓信息,这在 VOC 这种背景复杂的分类任务中至关重要。对于 MobileNetV2 这种“窄”网络(如第一层只有 32 通道),过重的注意力模块会引入过多的非线性变换,破坏了原始预训练权重所构建的特征流。SE 再次进行通道间的重加权可能产生了“特征冗余”,导致轻量化模型在微调过程中容易陷入局部最优,无法进一步提升精度。

2026-04-27 15:48:59 297

原创 使用mmpretrain在voc数据集上进行分类任务(mobilenetv2)

(因为在mmpretrain中各个文件比较分散,刚开始使用建议用这个格式)在项目根目录下创建my文件夹。

2026-04-25 17:17:12 382

原创 Windows/AutoDL安装mmpretrain库(支持50系显卡)

pip install . -v --no-build-isolation #需要c++(刚才下载的桌面开发),关闭 “构建隔离环境”,编译时警告可以不予理会只要能编译完成。下载对应版本的torch、torchvision、torchaudio, 笔者推荐以下版本(如果要使用openmmlab其他库)pip install --upgrade setuptools wheel # 这里会版本报错 等会解决。python .dev_scripts/check_installation.py # 验证结果。

2026-04-25 16:40:48 487

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除