深度学习
文章平均质量分 53
洪城布衣
Java、Python、Golang、后台开发、深度学习
展开
-
【Linux】Jetson nano 使用记录,安装torch1.8、yolov5 tensorrt加速、java等
一、u盘系统安装1.1 烧录EMMC引导1.2 烧录U盘系统二、启动、环境配置2.1 设置vnc分辨率2.2. 更新软件三、启动、环境配置3.1 安装conda3.2 安装python3.6版本torch1.83.3 配置yolov5 tensorrt加速3.3.1 转换wts和engine3.3.2使用python脚本运行engine其它记录安装java备份,扩展原创 2022-11-17 09:31:00 · 2254 阅读 · 0 评论 -
【Linux】conda新建环境 pip install原理
conda新建环境 pip install原理condapipcondaconda create -n myenv python=3.6当运行上面的语句并确认后将会开始下载数据包至pkgs文件夹下,一个包对应生成一个文件,一个文件夹以及更改一个文件。文件pkg_name.conda或pkg_name.tar.bz2文件,pkg_name是包名,例如可以为python-3.6.13-hdb3f193_0,一般使用官方源为后缀为.conda,国内源后缀.tar.bz2解压安装后的pkg_nam原创 2021-04-14 21:29:40 · 1675 阅读 · 0 评论 -
【Docker】记录帖,拉取docker镜像torch1.8.1创建mmfewshot环境
问题描述模型移植平台展示需要使用torch1.8.1,需要使用cuda10.2及以上,而实验室安装cuda版本为10.1,不方便升级,故使用镜像创建一般而言,镜像的显卡驱动与主机共享,但是cuda是独立的docker pull pytorch/pytorch:1.8.1-cuda10.2-cudnn7-develdocker run --gpus all --shm-size=16g -it --name torch181 pytorch/pytorch:1.8.1-cuda10.2-cudnn7原创 2022-05-21 09:56:00 · 759 阅读 · 1 评论 -
【Python】Numpy torch Tensor
新建维度arr = np.array((1,2,3,4,5,6))print(arr.shape) # (6,)arr1 = arr[np.newaxis, :] # == np.expand_dims(arr, axis=0) print(arr1.shape) # (1, 6)arr2 = arr[:, np.newaxis] # == np.expand_dims(arr, axis=1)print(arr2.shape) # (6, 1)arr3 = arr2.reshape(2,-原创 2021-01-06 16:31:17 · 499 阅读 · 0 评论 -
【Linux】记录使用Docker容器跑通2021CVPR小样本目标检测DCNet,使用VScode调试
记录使用Docker容器跑通2021CVPR小样本目标检测DCNetDCNet一、拉取镜像二、vscode调试2.1 配置2.2 安装DCN2.2.1 安装cityscapesScripts2.2.2 安装DCNet2.2.3 安装其它依赖2.3 运行一、拉取镜像执行docker pull gouchicao/maskrcnn-benchmark拉取镜像,等待下载完毕执行docker images 可以查看有哪些镜像执行如下进行实例化容器,其中/media/E_4TB/YL/datasets/v原创 2021-12-09 09:15:27 · 1958 阅读 · 2 评论 -
Pip安装代码快捷复制
Pip安装代码一些常用的安装代码pip install --default-timeout=100 --ignore-installed --upgrade tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simplepip uninstall numpypip install numpy -i https://pyp...原创 2019-12-18 09:11:33 · 743 阅读 · 1 评论 -
【Linux】Pycharm远程调试Docker内的程序,以maskrcnn_benchmark为例
这里写目录标题一、需求分析1.1 情况二、服务器端运行docker三、windows配置pycharm3.1 建立工程3.2 配置解释器和文件映射3.3 同步文件一、需求分析1.1 情况实验室服务器(IP:192.168.0.202),使用docker运行了镜像,镜像内含有maskrcnn_benchmark局域网内的windows电脑通过pycharm远程调试服务器docker运行中的容器二、服务器端运行docker执行docker run --gpus all -it -p 4000:原创 2021-12-08 13:36:22 · 463 阅读 · 0 评论 -
【Linux】Ubuntu16安装cuda11 cudnn和已有cuda10.1共存
这里写目录标题一、当前情况二、显卡驱动安装2.1 查看驱动是否满足2.2 安装驱动三、安装cuda cudnn3.1 下载cuda3.2 安装cuda3.3 下载cudnn3.4 安装cudnn3.5 配置环境变量一、当前情况当前系统显卡驱动执行nvidia-smi,显卡驱动为450.57显卡型号显示不全,执行lspci | grep -i nvidia在链接输入返回的型号跳转后,显示为RTX 2080Tinvcc -V查看cuda版本为10.1二、显卡驱动安装2.1 查看原创 2021-11-19 16:43:44 · 2744 阅读 · 0 评论 -
【深度学习】Vit视觉Transformer,数据经过网络的维度变化
源码网址 :github网络模型定义:model = ViT( # 对此处设置断点1 进行调试观察 image_size = 256, patch_size = 32, num_classes = 20, dim = 1024, depth = 6, heads = 16, mlp_dim = 2048, dropout = 0.1, emb_dropout = 0.1)img = torch.randn(5, 3,原创 2021-11-02 15:26:36 · 1428 阅读 · 0 评论 -
【深度学习】元学习原型网络实现细节
GitHub链接:https://github.com/LiangYang666/prototypical-networks/tree/handbag支持多gpu分布式训练,支持高版本pytorch1.xEpisodicBatchSampler 抽样器n_episodes: Number of episodes or equivalently batch sizen_way: Number of classes to samplen_samples: Number of samples per e原创 2021-07-11 18:05:59 · 642 阅读 · 0 评论 -
【Python】损失函数
若最后激活层为sigmoid函数,不宜使用交叉熵损失回归常用损失函数损失名称pytorchMSE/ L2损失torch.nn.MSELoss()MAE/ L1损失torch.nn.L1Loss()Huber loss/ SmoothL1torch.nn.SmoothL1Loss()Log-Cosh loss原创 2021-05-09 20:53:43 · 383 阅读 · 0 评论 -
【深度学习】项目 目标检测
YOLT论文:You Only Look Twice: Rapid Multi-Scale Object Detection In Satellite Imagery论文链接:https://arxiv.org/abs/1805.09512代码地址:hps://github.com/CosmiQ/yolt特色:裁剪图片检测,对比不同分辨率效果原创 2021-03-16 14:26:26 · 2177 阅读 · 0 评论 -
【深度学习】few-shot learning
一些方法MAML 模型无关元学习 2018https://github.com/dragen1860/MAML-Pytorch元学习pytorch有关的git网址https://github.com/tristandeleu/pytorch-meta原创 2021-03-09 16:16:39 · 362 阅读 · 0 评论 -
【深度学习】Yolo记录
yolov5模型记录以下均为yolov5s的有关记录模型网络打印 from n params module arguments 0 -1 1 3520 models.common.Focus [3, 32, 3] 1原创 2021-01-14 13:27:41 · 263 阅读 · 0 评论 -
【深度学习】Pytorch建立各种网络、笔记
Lenet网络有关nn.Conv2d(self, in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True))'''参数: in_channel: 输入数据的通道数,例RGB图片通道数为3; out_channel: 输出数据的通道数,这个根据模型调整; kennel_size: 卷积核大小,可以是int,或tuple;kennel_size=2,意味着卷积大原创 2021-03-09 10:25:03 · 105 阅读 · 0 评论 -
【深度学习】目标检测mAP计算及旋转检测IOU
传统目标检测这里仅作简要分析,源码地址(代码有些许改变)https://github.com/Cartucho/mAP/blob/master/main.py1.文件夹分为两个,真实标签及检测标签两个文件夹中的文件均为txt文件,每张图片对应一个txt文件,其中真值标签,每一行一个目标,类别名+坐标值其中检测标签,每一行一个目标,类别名+置信度+坐标值mAP计算步骤:1.将所有真值标签读取并保存json文件,字典数据有以下3个,按图片名划分文件夹保存2.遍历所有文件,按照类别名保存b原创 2021-01-03 21:45:21 · 1724 阅读 · 1 评论