![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 93
HUST_Smartdeng
努力搬砖,认真生活
展开
-
Yolov5 TensorRT推理加速(c++版)
Yolov5 不做赘述,目前目标检测里使用非常多的模型,效果和速度兼顾,性能强悍,配合TensorRT推理加速,在工业界可以说是非常流行的组合。 <!-- more -->废话不多说,直接开整,以下使用的Tensor RT部署推理路线为:Pytorch-> ONNX -> TensorRT。pytorch导出到onnx模型,可以非常方便,并且支持dynamic维度,配合netron工具,可以查看模型的网络结构,而TensorRT对ONNX的支持也非常完整,所以选择这一套流程,原创 2021-09-11 22:01:45 · 6952 阅读 · 5 评论 -
深度学习知识总结-过拟合、欠拟合和正则化
在深度学习(机器学习)领域,训练模型时,我们不仅要求模型对训练数据集有很好的拟合(较低的训练误差),同时也希望它可以对未知数据集(测试集)有很好的拟合结果(泛化能力),所产生的测试误差被称为泛化误差。其中就会产生欠拟合和过拟合的问题。一. 欠拟合什么是欠拟合欠拟合是指模型在训练集上的表现很差,训练误差高。我们需要模型尽可能地学习到给定数据集的特征,从而拟合数据分布,而欠拟合即模型在拟合训练集时,效果并不好,没有学习到数据分布的规律。造成欠拟合的原因,一般是模型的复杂度较低,模型在训练集中的表现都不原创 2021-04-27 09:56:36 · 975 阅读 · 0 评论