DL
文章平均质量分 66
深度学习积累
Rareay
这个作者很懒,什么都没留下…
展开
-
pytorch的归一化层
pytorch中的四个归一化层,BatchNorm、LayerNorm、InstanceNorm、GroupNorm原创 2022-04-07 23:17:06 · 1595 阅读 · 0 评论 -
YOLO-V1论文
1. 介绍人类看一眼图像就能立即识别出目标:它是什么,它们在哪儿,它在做什么交互。人类的视觉系统非常快速和准确,允许我们执行复杂任务,比开车,快速准确的目标检测算法也可以让计算机做无人驾驶。目前的检测系统重新利用分类器来执行检测。为了检测一个对象,这些系统为该对象采用一个分类器,并在测试图像的不同位置和尺度上对其进行评估。像可变形部件模型(DPM)这样的系统使用滑动窗口方法,其中分类器在整个图像的均匀间隔位置运行。最近的研究中,如R-CNN使用区域检测方法,首先在图像中生成潜在的边界框,然后在这些提议原创 2022-03-20 11:09:22 · 5182 阅读 · 0 评论 -
源码编译protobuf的python模块
1 说明由于在 conda 中需要使用到 protobuf 模块,并且处于断网状态,不能通过 conda 或 pip 命令安装,最后选择了源码编译。环境:Linux,x86x64,conda3,python3.6.4,gcc-4.8.52 下载 protobuf 源码源码点击这里进入后下载 protobuf-python-3.12.4.tar.gz。3 编译tar -xvf protobuf-python-3.12.4.tar.gzcd protobuf-python-3.12.4./co原创 2021-02-18 16:38:11 · 342 阅读 · 0 评论 -
pytorch基本使用
1 变量2 打印设置torch 打印浮点数时精度默认是 4 位,可以自行设定精度;torch.set_printoptions( precision=None, # 保留位数 threshold=None, # 行数超过该值就折叠显示,默认4 edgeitems=None, # 折叠后显示出的行数,默认3 linewidth=None, # 显示宽度 profile=None, # 数据显示的长度,有default、short、full,默认shor原创 2021-02-16 15:01:12 · 289 阅读 · 1 评论 -
YOLOV4结构
1 yolov4网络结构2 网络块原创 2021-02-15 22:23:55 · 349 阅读 · 0 评论 -
Anconda配置和命令
1 说明pycaffe 是 caffe 提供的 python 接口,之需要在 caffe 的 Makefile.config 中打开对应项即可编译出来,以下内容是作者在安装遇到问题后所整理的。环境版本osubuntu20.10AncondaAnaconda3-2020.11-Linux-x86_64python3.8gcc7.5.02 安装 libboost_python3.so首先查看一些系统有没有 libboost_python3.so 这个库:原创 2020-12-24 23:12:18 · 166 阅读 · 0 评论 -
tensorflow
1 sess会话with tf.Session() as sess: sess.run(tf.global_variables_initializer())#如果前面创建了变量 sess.run(变量) # 运算某个变量 sess.run(变量,feed_dic={参数1:xxx, 参数2:xxx}) # 如果要运算的变量需要对用的传入参数2 变量/常量的创建、使用tf.Variable(n) #创建变量ntf.assign(a, n) #给变量n赋值为n,变量只能通过该方法完成赋值tf原创 2020-12-24 23:14:06 · 146 阅读 · 0 评论 -
darknet
1 安装和使用1.1 安装安装平台:linux# 代码下载git clone https://github.com/pjreddie/darknet.git # 修改Makefile,在里面更改编译选项,看是否需要GPU、opencvcd darknetsed -i '1s/GPU=0/GPU=1/' Makefilesed -i '2s/CUDNN=0/CUDNN=1/' Ma...原创 2019-12-08 11:31:31 · 131 阅读 · 0 评论 -
sklearn包
sklearn官网 (各种算法模块的说明在 Documentation -> API 中可以找到)1 train_test_split分离训练样本和测试样本from sklearn.model_selection importtrain_test_splitx_train, x_test, y_train, y_test = train_test_split(x,y, test_size=0.2,random_state=0)# 此函数是从数据集中随机分出训练样本、测试样本# trai原创 2020-12-24 23:14:47 · 192 阅读 · 0 评论 -
Caffe的安装
1 安装第三方库先编译安装:opencvboost用 apt 安装下列库:sudo apt-get install libprotobuf-dev sudo apt-get install libleveldb-devsudo apt-get install libsnappy-dev sudo apt-get install libhdf5-serial-devsudo apt-get install protobuf-compilersudo apt-get install li原创 2020-11-05 11:13:54 · 1298 阅读 · 0 评论 -
PyCaffe的安装
1 说明pycaffe 是 caffe 提供的 python 接口,之需要在 caffe 的 Makefile.config 中打开对应项即可编译出来,以下内容是作者在安装遇到问题后所整理的。环境版本osubuntu20.10AncondaAnaconda3-2020.11-Linux-x86_64python3.8gcc7.5.02 安装 libboost_python3.so首先查看一些系统有没有 libboost_python3.so 这个库:原创 2020-12-24 23:15:48 · 2317 阅读 · 1 评论 -
Caffe的基本使用
:::tip本文主要描述如何训练、测试一个自己的模型。内容参考博客:::1 说明首先我们需要在 ~/caffe/example/ 目录下创建一个自己的文件夹,如 /cancer,后面将会在该目录下创建一些脚本和模型文件,训练的模型也会存储在该目录下。另外,需要在 caffe 根目录下执行这些脚本,主要是因为一些路径问题。下面是本次实验结束时的目录结构:└── cancer ├── create_lmdb.sh ├── create_mean_value.sh ├── get原创 2020-11-05 11:14:25 · 1059 阅读 · 0 评论 -
Caffe模型可视化
在线可视化工具用法:将 .prototxt 模型文件的内容复制到左侧黑窗口,再按 Shift+Enter 即可预览。原创 2020-12-24 23:16:45 · 69 阅读 · 0 评论 -
Caffe命令
1 命令格式caffe <command> <args>其中,command 有 4 个:traintesttimedevice_queryargs 有 8 个:-solver-gpu-snapshot-weights-iteration-model-sighup_effect-sigint_effect1.1 train 的使用-solver,指定模型配置文件,用于训练$ ./build/tools/caffe train -sol原创 2020-11-05 11:15:11 · 275 阅读 · 1 评论 -
Caffe配置说明
1 slover_xx.prototxt 训练参数文件参考首先贴一个实例,然后一个个说明:net: "examples/mnist/lenet_train_test.prototxt"test_iter: 100test_interval: 500base_lr: 0.01momentum: 0.9type: SGDweight_decay: 0.0005lr_policy: "inv"gamma: 0.0001power: 0.75display: 100max_iter: 2原创 2020-12-24 23:17:59 · 180 阅读 · 1 评论 -
Caffe分类模型测试图片
1 说明对于分类模型,每个输入的图像都对应一个标签,Caffe 有自带的模块来测试单个图像,这里只讲怎么使用,测试源码另作分析。2 测试程序该测试程序的源码位于 caffe/examples/cpp_classification/classification.cpp,编译后的可执行程序位于 caffe/build/examples/cpp_classification/classification.bin,运行时需要 5 个参数:Usage: ./classification.bin deploy.原创 2020-12-24 23:18:33 · 266 阅读 · 0 评论 -
C++调用Caffe
1 C++ 调用2 CMakeLists.txt#SET(CMAKE_CXX_FLAGS "-std=c++11 -O3")cmake_minimum_required(VERSION 2.8)project(use_model)set(CMAKE_BUILD_TYPE Release)set(CMAKE_CXX_FLAGS "-std=c++14 -O3")list(APPEND CMAKE_MODULE_PATH ${PROJECT_SOURCE_DIR}/cmake)# Ope原创 2020-12-24 23:19:04 · 403 阅读 · 0 评论 -
Caffe自定义网络层
参考博客1 说明本文描述了在Caffe源码中添加网络层的两种情况:不带配置参数的和带配置参数的。示例的网络层中没有做数据处理,传入的数据块直接传出去,也没有梯度计算。2 不带参数的网络层我们将要在 .prototxt 中添加的网络层为:layer { name:"NewLayer" type:"New" # 网络类型 bottom: "data" top:"data"}该网络层的类型名称为New,没有其他配置参数,只需要在对应位置添加 .cpp 和 .hpp 文件,添加步骤如原创 2020-12-24 23:19:35 · 110 阅读 · 0 评论 -
caffe模型量化
1 使用 caffe-int-convert-tools 量化下载git clone https://github.com/BUG1989/caffe-int8-convert-tools.git# wget https://github.com/BUG1989/caffe-int8-convert-tools/archive/master.zip准备文件test/├── images│ ├── 001.jpeg│ ├── 002.jpeg│ └── 003.jpeg原创 2020-12-24 23:20:10 · 717 阅读 · 1 评论