深度学习
文章平均质量分 74
march of Time
程序媛一枚
展开
-
【剪枝算法】通过网络瘦身学习高效的卷积网络Learning Efficient Convolutional Networks through Network Slimming论文翻译
此论文翻译仅仅用于自己方便学习。译文来自其他处。在许多实际应用中部署深度卷积神经网络(CNN)很大程度上受到其计算成本高的限制。在本文中,我们提出了一种新的CNNs学习方案,能同时1)减小模型大小; 2)减少运行时内存占用; 3)在不影响准确率的情况下降低计算操作的数量。这种学习方案是通过在网络中进行通道层次稀疏来实现,简单而有效。与许多现有方法不同,我们所提出的方法直接应用于现代CNN架构,引入训练过程的开销最小,并且所得模型不需要特殊软件/硬件加速器。我们将我们的方法称为网络瘦身(network sl翻译 2021-12-14 17:07:47 · 478 阅读 · 0 评论 -
过程记录 yolov3目标检测输出目标坐标和原图物体像素坐标比较
设备:jetsonnano B01python之前一直纠结怎么坐标转化,但今天实验感发现其实转化为int数以后跟实际像素坐标一样?先上结果:左下角为像素坐标(鼠标在中间检测结果:坐标几乎一样,感觉其实是一个数值完整代码查看图片某点像素坐标:import cv2import osimport sysimport timeimport datetimeimport argparsecap = cv2.VideoCapture(0)i = 1while(cap.isO原创 2021-07-10 14:21:47 · 3824 阅读 · 0 评论 -
【学习笔记】 pytorch的使用语法和代码实例
数据类型( 1) torch.FloatTensor : 用于生成数据类型为浮点型的Tensor ,传递给torch.FloatTensor的参数可以是一个列表,也可以是一个维度值。torch.randn :用于生成数据类型为浮点型且维度指定的随机Tensor ,和在N umPy中使用numpy . randn 生成随机数的方法类似,随机生成的浮点数的取值满足均值为0 、方差为1 的正态分布torch.clamp : 对输入参数按照自定义的范围进行裁剪, 最后将参数裁剪的结果作为输出。所以输入参数一共原创 2021-03-03 03:38:21 · 603 阅读 · 0 评论 -
【pytorch】pytorch自定义训练vgg16和测试数据集 微调resnet18全连接层
测试: correct = 0 total = 0 for data in test_loader: img,label = data outputs = net(Variable(img)) _,predict = torch.max(outputs.data,1) total += label.size(0) correct += (predict == label).sum() prin原创 2021-03-06 01:30:44 · 4488 阅读 · 3 评论 -
【问题记录】pytorch自定义数据集 No such file or directory, invalid index of a 0-dim
第一个代码:train_hd=pandas.read_csv('C:\\Users\\number.csv')train_path='C:\\Users\\pic'class Mydataset(Dataset): def __init__(self,df_data,data_dir='./',transform=None): super().__init__() self.df=df_data.values self.data_dir=da原创 2021-05-01 08:19:20 · 1855 阅读 · 0 评论 -
【笔记】 感受野与权值共享 摄像头标定 相机坐标与世界坐标
卷积神经网络的神经元之间的连接模式类似于大脑视觉皮层组织,个体皮层神经元仅在被称为感受野的视野受限区域中对刺激做出反应。局部感受野就是卷积神经网络每一层输出的特征图(Feature Map)上的像素点在原始图像上映射的区域大小,相当于像素上的滤波器。滤波器在整张图像上进行移动,直至遍历完整张图像,从而把一些图像的局部特征提取出来。 图像的局部统计特征在整幅图像上具有重复性。如果图像中存在某个基本图形,该基本图形可能出现在任意位置,那么在不同位置共享相同权值,就可以实现在数据的不同位置检测相同的模式。假设我们原创 2021-04-28 09:32:49 · 753 阅读 · 1 评论 -
【yolo】ubuntu18.04 yolo打开摄像头实时检测框目标 转化pth文件为onnx
heziyi@heziyi-ZenBook-UX425IA-U4700IA:~/桌面/PyTorch-YOLOv3$ python3 video.pyyolov3_ckpt_69.onnxTraceback (most recent call last):File “video.py”, line 18, in net = cv.dnn.readNetFromONNX(weightsPath) # # 利用下载的文件cv2.error: OpenCV(4.1.2) /io/opencv/mod原创 2021-04-19 03:25:56 · 757 阅读 · 0 评论 -
【pytorch】pytorch-yolov3拍照并保存,进行检测后遍历所有图片并显示图片
拍照部分:原创 2021-04-18 18:38:52 · 420 阅读 · 0 评论 -
【问题记录】raise IndexError(‘index {} is out of range‘.format(idx)) index 0 is out of range
今天训练模型输入python3 train.py --model_def config/yolov3-custom.cfg --data_config config/custom.data第一次出现这个错误,记录解决方案:查了看到有人说什么加上except:continue;大概跟我出的错不一样,总之我没法按照这样解决问题,先截图一下我出问题的界面:File “train.py”, line 62, in model = Darknet(opt.model_def).to(device)File原创 2021-03-22 10:56:45 · 4289 阅读 · 5 评论 -
ubuntu上训练yolov3: Caught ValueError in DataLoader worker process 0. string indices must be integers.
按资料下载yolov3进行模型训练和检测,下载了好几份代码,有一份官方的一直有问题。有一份很快跑起来了(网址忘记了,可以百度网盘分享),明明都是yolov3的pytorch版本但代码差别很大。记录遇到的问题和一些测试。遇到的报错有:pip’s dependency resolver does not currently take into account all thepackages that are installed. This behaviour is the source of thef原创 2021-03-15 03:38:27 · 3902 阅读 · 0 评论 -
笔记2深度学习 梯度和梯度法
函数实现对于一个函数f(x0,x1)=x0的平方+x1的平方偏导数可以这样实现:def function_2(x): return x[0]**2 + x[1]**2 #或者return np.sum(x**2)+梯度可以这样实现:def _numerical_gradient_no_batch(f, x): h = 1e-4 # 0.0001 grad = np.zeros_like(x) for idx in range(x.size):原创 2021-02-24 00:57:27 · 778 阅读 · 0 评论