qq_43110298的博客

罗技590 接收器无法工作

今天需要在使用matlab 自带的打包App ：Application compiler的时候发现缺少一个什么然后我依据以下内容https://blog.csdn.net/hahahahhahha/article/details/102936944https://blog.csdn.net/hahahahhahha/article/details/113533419https://blog.csdn.net/hahahahhahha/article/details/109731762发现似乎需要

Synthtext数据集下载连接：http://www.robots.ox.ac.uk/~vgg/data/scenetext/今天要用合成数据集 SynthText ，然后我去官网（上面这个连接）下了，是一个压缩包里面有20个文件夹，每个文件夹里面都有若干个图片。但是我怎么都没有找到标注在哪里。然后我就花了2个小时去 githup ，google ，百度上面搜了，发现也有人说官网下的压缩包里面没有标注（即GT），但是始终没有找到标注文件。最后就放弃了。结果几天后我无意中把文件夹往下一拉… ，

all_img = torch.tensor([])# 采用下面的语句读取图片img = torch.from_numpy(cv2.imread('{}.JPEG'.format(5))).unsqueeze(0)# 此时 img 的维度 （1,224,224,3）# 将img合并入all_img 中all_img = all_img.cat((all_img,img)) # 报错 RuntimeError: Expected object of scalar type Byte but go.

我在可视化CNN某层的feature map 的时候使用了这Pytorch torchvision.utils.make_grid 方法，结果在输出的时候发现有几个图完全黑了（数值过小）。我觉得不应该呀，Pytorch torchvision.utils.make_grid 有个 scale_each 函数，有它就说明将每个图单独正则化到了（0,1）区间。后来发现，原来哪些正常的图的范围是（-0.1 ~ 0.4），正则化没有问题，但是由于第3-5个图的范围是（1e-7 ~ 1e-9），相对于正则化代码的1e

最近刚刚把imagenet 数据集下下来，然后按照 pytorch 官方的代码进行训练 https://github.com/pytorch/examples/tree/master/imagenet 结果在运行单机多卡的时候出现了错误。官方说应该这样运行：python main.py -a resnet50 --dist-url ‘tcp://127.0.0.1:FREEPORT’ --dist-backend ‘nccl’ --multiprocessing-distributed --world-

今天自定义不可导函数的时候遇到了一个大坑。首先我需要自定义一个函数：sign_fimport torchfrom torch.autograd import Functionimport torch.nn as nnclass sign_f(Function): @staticmethod def forward(ctx, inputs): output = inputs.new(inputs.size()) output[inputs >

dict1 = {1:1，2:3}np.save('a.npy',dict1)# 不加 allow_pickle = True 报错dict2 = np.load('a.npy',allow_pickle = True)# 此时得到的 dict2 还不是个字典，是一个array的形式，应该使用下面的形式dict3 = np.load('a.npy',allow_pickle = True).item（）# 这时就可以了...

在使用torch 包的时候，需要找到数组中为0的数量b_ = [i for i in a_ if i == 0]如果 a_ 是 torch.tensor 类型的，那慢死你如果 a_ 是 numpy.array 类型的，还好，至少不会卡死

在使用pycharm专业版的远程调试功能对代码进行调试的过程中遇到了这个问题。但是也没有解决，我觉得应该是多线程的问题。所以使用 pytorch 包的时候把 num_worker 设置为0 就好了。

文章目标：训练一个网络，可以使用不同的深度进行推理（网络可以调整它的宽度，依据硬件条件）11.1轻量化网络 lightweight networksNAS这些无法部署到不同的手机上去。因为手机的性能千差万别。1.2一些模型虽然提出了一些宽度乘法子，使得模型可以在acc与速度之间进行一些取舍。缺点：不同宽度的模型需要独立测试与部署所以引入动态神经网络的介绍动态神经网络与数据驱动的模型是否一致呢？比如Optimizing accuracy-efficiency trade-o

这里写自定义目录标题1 引言2 tensor级别的hook3 module级别的hook1 引言由于在CAM与Grad-cam中存在提取模型中间层信息的步骤，需要使用hook机制，总结一下：hook 的类型：tensor级别module级别2 tensor级别的hookregister_hook的作用：即对x求导时，对x的导数进行操作，并且register_hook的参数只能以函数的形式传过去。下面举个栗子：#正常求导情况实验一：tensor.register_hook()可以改变反