深度学习
文章平均质量分 91
泠山
欢迎提出任何想法和指正,没回复多半是太忙了
展开
-
PyTorch 内 LibTorch/TorchScript 的使用
综上,PyTorch 可以导出的模型的几种后缀格式,但是模型导出的关键并不是后缀,而是到处时候提供的信息到底是什么,只要知道了模型的和,以及相应的epochbatch_sizeloss等信息,我们就能够重建出模型,至于要导出哪些信息,就取决于你了,务必在 readme.md 中写清楚,导出了哪些信息。保存场景保存方法文件后缀整个模型(保存模型结构)仅模型参数(不保存模型结构)checkpoints使用ONNX通用保存.onnxTorchScript 无 Python 环境使用。原创 2024-01-19 11:38:37 · 1555 阅读 · 2 评论 -
nvidia-smi 命令详解
是一种命令行实用程序,用于监控和管理 NVIDIA GPU(图形处理器)的状态和性能。它提供了一种简单而强大的方式来获取有关 GPU 的实时信息,并且可以用于诊断、优化和管理 GPU 资源。原创 2023-09-09 14:36:24 · 1556 阅读 · 0 评论 -
nvidia-smi nvcc -V 及 CUDA、cuDNN 安装
注意,这个步骤如果前面安装了 Driver,即步骤1内显示了版本时,这里不要安装 Driver,否则这里的 CUDA 会安装失败。在下载 PyTorch 时,这里的 Compute Platform 是运行的平台,这里是不包括 CUDA 安装的。的结果除了有 GPU 驱动版本型号,还有 CUDA Driver API 的型号,即上面的 12.0。(这里我的.run软件不小心删了,拿的别人的,所以除了版本均一致)的时候,默认安装的与该 CUDA 相同版本的 PyTorch。的错误,有些摸不着头脑。原创 2023-09-02 16:34:00 · 6048 阅读 · 3 评论 -
深度学习可视化工具:Netron
是一个用于神经网络、深度学习和机器学习模型的可视化工具。Netron支持 ONNX、TensorFlow Lite、Caffe、Keras、Darknet、PaddlePaddle、ncnn、MNN、Core ML、RKNN、MXNet、MindSpore Lite、TNN、Barracuda、Tengine、CNTK、TensorFlow.js、Caffe2 和 UFF。原创 2023-01-28 11:46:25 · 1864 阅读 · 0 评论 -
激光雷达标定 LCCNet:LiDAR and Camera Self-Calibration using Cost Volume Network
如图所示,可以注意到左侧使用红色矩形突出显示的 3D 结构无法投影到具有错误校准深度图像的 2D 对应物。个神经元的全连接层和两个 stacked 全连接层的分支组成,代表旋转和平移。由于每个部分的参数都是可微分的,因此可以对 CNN 进行端到端的训练。由于输入的特征图非常小,是全分辨率图像的 1/32,我们需要将值。组成的输入对,我们使用在训练期间两种类型的损失项:回归损失。损失的导数在零处不是唯一的,这可能会影响训练的收敛性。后一个较小的范围由使用前一个较大范围训练网络后预测结果的。原创 2022-09-21 19:47:13 · 3311 阅读 · 1 评论 -
卷积运算与互相关运算
在卷积神经网络中,虽然卷积层得名于运算,但我们通常在卷积层中使用更加直观的运算。原创 2022-08-27 14:54:57 · 2654 阅读 · 1 评论 -
NMS 非极大值抑制
NMS 非极大值抑制Reference:NMS——非极大值抑制非极大值抑制(nonMaximumSuppression)NMS(Non-maximum Suppression),即非极大值抑制,用以获取局部最大值,在很多计算机视觉任务中都有广泛应用,如:边缘检测、目标检测等。对于目标在图像中具体位置定位,不管是使用 滑动窗口(Sliding Window) 还是 选择性搜索(Slective Search) 方法,都会产生好多的候选区域。实际看到的情形就是好多区域的交叉重叠,难以满足实际的应用原创 2022-04-12 15:43:51 · 2874 阅读 · 0 评论 -
深度学习一:神经网络基础
神经网络基础1. 感知机算法2. 误差函数2.1 Softmax 函数3. One-Hot Encoding4. Cross Entropy5. 误差函数6. 梯度下降法6.1 梯度下降法公式6.2 梯度下降步骤6.3 Code7. 神经网络7.1 多分类问题7.2 链式法则7.2 神经网络公式1. 感知机算法由随机权重开始:w1,...,wn,bw_1,...,w_n,bw1,...,wn,b对于每一个误分类的点 (x1,...,xn)(x_1,...,x_n)(x1,...,xn):2原创 2020-12-17 20:06:07 · 227 阅读 · 0 评论