![](https://img-blog.csdnimg.cn/a0cf434cc01e48b680fe18459388524b.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
pytorch
文章平均质量分 60
pytorch零基础到实战
优惠券已抵扣
余额抵扣
还需支付
¥9.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
东城青年
非宁静无以致远
微信号:15221816820
展开
-
单发多框检测(SSD)【动手学深度学习】
单发多框检测模型主要由一个基础网络块和若干多尺度特征块串联而成。基本网络用于从输入图像中提取特征,可以使用深度卷积神经网络,原论文中选用了在分类层之前阶段的VGG,现在也常用ResNet替代。我们可以设计基础网络,使它输出的高和宽较大,这样基于该特征图生成的锚框数量较多,可以用于检测尺寸较小的目标。接下来每个多尺度特征块将上一层特征图的高和宽缩小(如减半),并使特征图中每个单元在输入图像上的感受野变得更广阔。图1 单发多框检测模型。原创 2023-08-18 23:52:33 · 161 阅读 · 0 评论 -
多尺度目标检测【动手学深度学习】
在上篇博客《锚框【目标检测】》中,我们以输入图像的每个像素为中心,生成多个锚框。基本而言,这些锚框代表了图像不同区域的样本。然而如果以每个像素都生成的锚框,最后可能会得到太多需要计算的锚框。想象一个561×728的输入图像,如果以每个像素为中心生成五个形状不同的锚框,就需要在图像上标记和预测超过200万个锚框(561×728×5)。原创 2023-08-11 15:37:48 · 1021 阅读 · 0 评论 -
锚框【动手学深度学习】
假设一个锚框A被分配了一个真实边界框B,一方面A的类别将被标记为与B相同,另一方面,A的偏移量将根据B和A中心坐标的相对位置及两个框相对大小进行标记。可以看到返回的锚框变量Y的形状是(批量大小,锚框数量,4), 将锚框变量Y的形状更改为(图像高度,图像宽度,以同一像素为中心的锚框数量,4)后,我们可以获得以指定像素为中心的所有锚框。在预测时,我们为每个图像生成多个锚框,预测所有锚框的类别和偏移量,根据预测的偏移量调整它们的位置以获得预测的边界框,最后只输出符合特定条件的预测边界框。原创 2023-08-10 20:28:23 · 514 阅读 · 0 评论 -
深度学习面经
欠拟合与过拟合:欠拟合:指模型不能在训练集上获得足够低的训练误差 过拟合:指模型的训练误差与测试误差之间的差距过大,反映在评价指标上,就是模型在训练集上表现良好,在测试集上表现一般(泛化能力差)降低过拟合风险的方法:数据增强平移、旋转、缩放 利用生成对抗网络生成新数据降低模型复杂度神经网络:减少网络层数、神经个数、添加dropout层、训练提前终止 决策树:降低树的...原创 2019-09-19 16:53:25 · 1891 阅读 · 0 评论 -
dlib:68个人脸关键点检测
参考文章:图片人脸检测--Dlib版检测效果:anaconda prompt中输入:pip install dlib安装dlib包下载训练模型:训练模型用于是人脸识别的关键,用于查找图片的关键点。下载地址:http://dlib.net/files/下载文件:shape_predictor_68_face_landmarks.dat.bz2单张图片代码...原创 2019-06-18 10:10:19 · 13395 阅读 · 0 评论 -
目标检测梳理
RPN:region proposal Networks,用于生成region proposal,faster R-CNN中称之为anchor,通过softmax判断anchors属于foreground或者background,再利用bounding box regression 修正anchors获得精确的proposals,输出Top-N(默认为300)的区域给ROI pooling。定义不同大小不同长宽比的窗口滑动图片,将滑动窗口下的图片送入网络模型进行分类识别。原创 2023-07-06 15:46:51 · 670 阅读 · 0 评论 -
查看pytorch网络模型结构及各层参数
安装pip install torchsummary,可查看每一层参数。原创 2023-06-21 15:41:35 · 1897 阅读 · 0 评论 -
归一化详细推导
归一化原创 2023-06-19 17:00:29 · 1188 阅读 · 0 评论 -
pycharm新建项目
pycharm新建工程原创 2022-07-25 20:25:25 · 576 阅读 · 1 评论 -
pycharm配置运行环境
pycharm配置运行环境原创 2022-07-25 20:18:22 · 530 阅读 · 0 评论 -
windows下安装pytorch
进入pytorch官网:https://pytorch.org/get-started/locally/根据自己系统和环境选择对应选项,会生成相应的代码,如下图所示,在anaconda prompt中输入即可下载。我由于点错了Language,安装成了python3.7,发现之前安装的tensorflow用不了了,这是由于目前tensorflow还不支持python3.7。所以我只好再......原创 2019-03-13 13:35:27 · 312 阅读 · 0 评论 -
pytorch对输入超过三通道的数据进行训练
案例背景:视频识别假设每次输入是8s的灰度视频,视频帧率为25fps,则视频由200帧图像序列构成.每帧是一副单通道的灰度图像,通过pythonb里面的np.stack(深度拼接)可将200帧拼接成200通道的深度数据.进而送到网络里面去训练.如果输入图像200通道觉得多,可以对视频进行抽帧,针对具体场景可以随机抽帧或等间隔抽帧.比如这里等间隔抽取40帧.则最后输入视频相当于输入一个40通...原创 2019-09-06 17:06:41 · 3332 阅读 · 2 评论 -
pytorch模型转ncnn
首先编译腾讯开源的ncnn:https://github.com/tongxiaobin/ncnn在tools/pytorch里最下面有个链接:https://github.com/Tencent/ncnn/wiki/practical-pytorch-to-onnx-to-ncnn(将pytorch转为ncnn)1、pytorch to onnx新建pytorch2onnx.p...原创 2019-08-15 12:38:54 · 6177 阅读 · 0 评论 -
【Pytorch】查看gpu信息
import torchtorch.cuda.is_available()#cuda是否可用;torch.cuda.device_count()#返回gpu数量;torch.cuda.get_device_name(0)#返回gpu名字,设备索引默认从0开始;torch.cuda.current_device()#返回当前设备索引;#另外在linux命令行中输入n...转载 2019-08-01 18:36:27 · 3076 阅读 · 0 评论 -
pytorch使用cpu加载gpu训练的模型
只有使用一块gpu训练的模型才可以使用该方法:就是加载模型的时候在后面加上一个参数map_location='cpu'。然后把所有的.cuda()方法删掉。模型.load_state_dict(torch.load('训练好的模型路径',map_location='cpu'))多块gpu训练的模型转cpu参考:https://blog.csdn.net/c654528593/ar...原创 2019-07-20 11:57:25 · 3157 阅读 · 0 评论 -
怎么利用pytorch训练好的模型测试单张图片
pytorch网络输入图片的格式是[B,C,H,W],分别为batch(每批送入网络的图片数量),图片通道数,图片高,图片宽。torchvision.transforms可以对图像对象进行一系列裁剪、翻转等转换操作,其中也包括转换为tensor张量。(transforms.ToTensor())而opencv读取的是ndarray格式,不能进行torchvision.transforms变...原创 2019-07-12 16:03:46 · 16874 阅读 · 8 评论 -
pytorch十五:生成对抗网络-mnist
GAN解决了非监督学习中的著名问题:给定一批样本,训练一个系统能够生成类似的新样本。生成对抗网络主要包含以下两个子网络:生成器:随机生成一个噪声,生成一张图片 判别器:判断输入的图片是真图片还是假图片交替训练:训练判别器时,需要利用真实图片和生成器生成的假图片,判别器希望判别真实图片尽可能为真,判别生成器生成的图片尽可能为假。(判别器希望能够尽可能地判别真假) 训练生成器...原创 2019-05-05 14:12:03 · 2335 阅读 · 6 评论 -
pytorch十四:pytorch实战(猫和狗二分类)
猫狗二分类是kaggle上一个经典的比赛,数据集可在kaggle官网进行下载,其训练集包含25000张。在做深度学习项目时,往往都需要以下几个部分:模型定义 数据处理和加载 参数配置 训练模型(train& validate) 测试关于__init__.py可以看到,几乎每个文件夹下都有__init__.py,一个目录如果包含了一个__init__.py文件,那么...原创 2019-04-25 15:07:40 · 6483 阅读 · 3 评论 -
pytorch十三:pytorch搭建AlexNet网络
2012年Imagenet比赛冠军的model——Alexnet (以第一作者alex命名)模型结构见下图,别看只有寥寥八层(不算input层),但是它有60M以上的参数总量,事实上在参数量上比后面的网络都大。由于当时的显卡容量问题,AlexNet 的60M个参数无法全部放在一张显卡上操作,所以采用了两张显卡分开操作的形式,其中在C3,R1,R2,R3层上出现交互,所谓的交互就是通道的...原创 2019-04-25 08:14:35 · 1530 阅读 · 0 评论 -
pytorch十二:pytorch可视化工具visdom
visdom简介visdom是Facebook专门为pytorch开发的一款可视化工具。在anaconda prompt中输入pip install visdom进行安装。安装完成后,需通过python -m visdom.server命令启动visdom服务。visdom服务是一个Web Server服务,默认绑定8097端口,可打开浏览器输入https://localhost8097进...原创 2019-04-22 20:32:28 · 490 阅读 · 0 评论 -
pytorch十一:计算机视觉工具包:torchvision
计算机视觉是深度学习中最重要的一类应用,为了方便研究者应用,pytorch专门开发了一个视觉工具包torchvision。可通过pip install torchvision安装。torchvision主要包含以下三部分:模型加载models:提供深度学习中各种经典网络结构及与训练好的模型,包括Alex-Net、VGG系列、ResNet系列、Inception系列等。...原创 2019-04-22 15:19:30 · 688 阅读 · 0 评论 -
pytorch十:数据加载
自定义数据集在pytorch中,数据加载可通过自定义的数据集对象实现。数据及对象被抽象为Dataset类,实现自定义的数据集需要继承Dataset,并实现两个python魔法方法。__getitem__:返回一个样本。obj[index]等价于obj__getitem__(index) __len__ :返回样本的数量。len(obj)等价于obj.__len__()这...原创 2019-04-22 11:24:55 · 439 阅读 · 0 评论 -
pytorch九:用50行代码搭建ResNet
ResNet是2015年的ImageNet竞赛的冠军,由微软研究院提出,通过引入residual block能够成功地训练高达152层的神经网络。在不断加深神经网络的时候,会导致模型的准确率下降(由于梯度消失和梯度爆炸),而残差网络能够很好的缓解这个问题。残差块结构如下图所示:identity mapping顾名思义,就是指本身,也就是公式中的x,而residual mapping指的是“...原创 2019-04-20 19:50:24 · 719 阅读 · 1 评论 -
pytorch八:nn.Module深入分析
如果想要深入理解nn.Module,研究其原理很有必要。首先来看看nn.Module基类的构造函数:nn.Module??_parameters:字典,保存用户直接设置的parameter,如self.param1=nn.Parameter(t.randn(3,3))会被检测到,在字典中加入一个key为‘param1’,value为对应的item,而self.submodel = ...原创 2019-04-19 10:46:23 · 758 阅读 · 0 评论 -
pytorch七:常用的神经网络层-LeNet5网络
图像相关层主要包括卷积层(Conv)、池化层(Pool)等,这些层在使用中可分为一维(1D)、二维(2D)、三维(3D),池化方式又分为平均池化(AvgPool)、最大值池化(MaxPool)、自适应池化(AdaptiveAvgPool)等。卷积层除了常用的前向卷积外,还有逆卷积。from PIL import Imagefrom torchvision.transforms import...原创 2019-04-19 09:11:47 · 873 阅读 · 0 评论 -
pytorch六:nn.Module
autograd实现了自动微系统,然而对于深度学习来说过于底层,本章将介绍nn模块,是构建于autograd之上的神经网络模块。除了nn之外,我们还会介绍神经网络中常用的工具,比如优化器optim、初始化init等。使用autograd可实现深度学习模型,但其抽象程度较低,如果用其来实现深度学习模型,则需要编写的代码量极大。在这种情况下,torch.nn应运而生,其是专门为深度学习设计的模块。...原创 2019-04-18 16:09:14 · 730 阅读 · 0 评论 -
pytorch五:用Variable实现线性回归
一、手动计算梯度实现线性回归#导入相关包import torch as timport matplotlib.pyplot as plt#构造数据def get_fake_data(batch_size = 8): #设置随机种子数,这样每次生成的随机数都是一样的 t.manual_seed(10) #产生随机数据:y = 2*x+3,加上了一些噪声 ...原创 2019-04-17 21:28:37 · 375 阅读 · 0 评论 -
pytorch四:Variable
Pytorch在autograd模块中实现了计算图的相关功能,autograd中的核心数据结构是Variable。Variable封装了tensor,并记录对tensor的操作记录用来构建计算图。Variable的数据结构如下图所示,主要包含三个属性。data:保存variable所包含的tensor grad:保存data对应的梯度,grad也是variable,而不是tensor,...原创 2019-04-17 20:59:47 · 244 阅读 · 0 评论 -
pytorch三:Tensor基础操作
Tensor的创建#指定Tensor的形状import torch as ta = t.Tensor(2,3)#系统不会马上分配空间,使用到tensor时才会分配,数值取决于内存空间的状态a>>tensor([[-1.9334e+22, 2.8671e-42, 0.0000e+00], [ 0.0000e+00, 0.0000e+00, 0.00...原创 2019-04-16 10:10:32 · 1791 阅读 · 0 评论 -
pytorch二:快速入门
TensorTensor是PyTorch中重要的数据结构。可认为是一个高维数组它可以是一个数(标量)、一维数组(向量)、二维数组(矩阵)或更高维的数组。Tensor和numpy的ndarray类似,但Tensor可以使用GPU加速。Tensor的使用和numpy及MATLAB的接口十分相似。import torch as tfrom torch.autograd import Vari...原创 2019-03-28 21:24:53 · 264 阅读 · 0 评论 -
pytorch一:简介
几乎所有的深度学习框架都是基于计算图计算的,而计算图又可分为静态图和动态图,静态图先定义再运行,一次定义多次运行,而动态图是在运行过程中被定义的,在运行的时候构建,可以多次构建多次运行。PyTorch和TensorFlow都是基于计算图的深度学习框架,PyTorch使用的是动态图,而TensorFlow使用的是静态图。静态图一定创建就不能修改,而且静态图定义的时候,使用了特殊的语法,就像新学一...原创 2019-03-28 19:12:35 · 403 阅读 · 0 评论