深度学习
心如坚石
中国矿业大学已毕业研究生,目前从事智驾行业的感知算法工程师,属于会一点算法模型、会一点部署后处理、会一点性能分析的打工仔。
展开
-
2020-11-18-记录yolov5的网络结构各种trick
背景一直向2写一篇不错的论文,再加上yolov5处理出来,所以想基于此写一篇论文,在我魔改了好多此结构后,目前还没有发现有那些参数比以前要好的,唯一发现的就是添加检测头可能会好些。前前后后差不多快打半月了,我要受不了了。我决定再次好好读代码。整体网络结构from表示来自哪一层,params表示参数的数量,module表示模块的名字,aruguments分别表示输入和输出的通道数量、卷积核和步长。下面的就是对模型的解析得到的结果。 from n params原创 2020-11-18 19:47:17 · 1248 阅读 · 0 评论 -
tensorrt跑yolov5模型
背景作为和libtorch对比,看看到底谁更快些方法这里放了github的教学https://github.com/wang-xinyu/tensorrtx整体步骤:1,配置环境,这里主要说一下CUDA和cudatoolkit是不一样的。配置方法。2,这步主要模型转换一下,然后在执行,下面是github的教学。1. generate yolov5s.wts from pytorch with yolov5s.pt, or download .wts from model zoogit原创 2020-11-04 20:41:19 · 993 阅读 · 5 评论 -
深度学习多种模型评估指标学习(结合yolov5)
前言感觉自己学习了那么久的深度学习,然而对于模型评估却一直处于迷迷瞪瞪的状态,非常不爽,在加上我看一篇文章的介绍。所以今天我想整理一下。参考文章来源微信公众号—— 机器学习与自然语言处理。准确率在介绍下面的评估指标时,先明白以下概念,在多类分类问题中,分类结果一般有4种情况:(1) 属于类C的样本被正确分类到类C,记这一类样本数为 TP(预测正确)(2) 不属于类C的样本被错误分类到类C,记这一类样本数为 FP(预测错误)(3) 属于类别C的样本被错误分类到类C的其他类,记这一类样本数为 TN原创 2020-10-30 11:09:35 · 2850 阅读 · 7 评论 -
yolov5的工业化部署
背景老规矩首先背景介绍一下,目的就是为了把pytorch的模型部署在ros上,而ros主要使用的C++,所以我本次的目的就是使用C++调用模型。为什么使用C++呢?当然是因为c++的性能更高了。我的电脑配置:I5处理器英伟达的1050ti显卡,4g显存运行内存8Gcuda10.2,cudnn7.6.5pytorch模型将 PyTorch 模型转换为 Torch Script对于这步,ptorch的官网提供了两种方法,利用Tracing将模型转换为Torch Script通过Ann原创 2020-10-21 16:28:07 · 1760 阅读 · 2 评论 -
2020-10-09_跑一跑yolov5
背景每次必须介绍背景,这次为啥突然要跑yolo5呢?本来导师安装我作柔性生产线的,大概就是使用3D结构光相机检测到传送带上的目标,然后机械臂抓取,但是李老师徐工项目(矿区的自动驾驶)缺一个视觉方面的人,主要使用海康威视的红外相机进行行人与目标检测。所以现在我就是辅助柔性生产线,主要做徐工的视觉检测。为什么用yolov5呢,主要是因为我之前使用SVM+HOG检测的效果很不理想,所以就想试一试深度学习的方法。环境搭建这次搭建环境,我发现了一个之前的问题,之前我以为CUDA和CUDnn必须直接安装。实际上直原创 2020-10-09 15:55:45 · 534 阅读 · 0 评论