- 博客(8)
- 收藏
- 关注
原创 昇思MindSpore用于ResNet50迁移学习
1. **数据集准备**:首先,通过调用`create_dataset_canidae`函数,分别创建训练数据集`dataset_train`和验证数据集`dataset_val`,并获取它们的大小`step_size_train`和`step_size_val`。2. **修改模型输出层**:由于预训练模型的输出层是针对ImageNet的1000类分类任务设计的,这里将模型的全连接层(`fc`)替换为适合狼狗二分类任务的新全连接层(`head`),输出通道数改为2。
2024-07-04 22:11:02
787
原创 昇思模型用于FCN图像分割-2
在你给出的代码示例中,`fcn8s_vgg16_pretrain.ckpt`是一个预训练的检查点文件,包含了在ImageNet数据集上训练的VGG16模型的权重。通过`load_checkpoint`和`load_param_into_net`函数,这些权重被加载到一个名为`net`的模型中,这样模型就可以利用预训练的权重开始在新的数据集上训练,或者直接用于推理。- 创建了一个FCN8s网络实例`net`,这是一个用于语义分割的全卷积网络模型,其中`n_class`参数定义了需要分类的类别数量。
2024-07-03 16:43:05
915
原创 昇思模型用于FCN图像分割
将底层(stride 32)的预测(FCN-32s)进行2倍的上采样得到原尺寸的图像,并与从pool4层(stride 16)进行的预测融合起来(相加),这一部分的网络被称为FCN-16s。使用VGG-16作为FCN的backbone意味着我们采用VGG-16的卷积部分来提取特征,但是我们会去除其原本的全连接层,因为全连接层不能处理任意大小的输入图像。取而代之的是,我们将VGG-16的全连接层转化为卷积层,这样就可以接受任意大小的输入图像,并且输出与输入图像相同大小的特征映射。1.3 FCN的网络流程。
2024-07-02 09:34:55
909
原创 昇思MindSpore浅尝
value_and_grad`函数会同时计算前向传播的结果和梯度,这里的`has_aux=True`意味着除了损失值之外,还会返回额外的辅助输出(这里是`logits`),这在训练过程中通常不直接使用,但可能在其他地方有用。2. **前向传播函数**和**梯度计算**是训练的执行者,前者负责产生预测和损失,后者负责根据损失计算梯度。1. **损失函数**和**优化器**是训练的基础,分别定义了目标(最小化损失)和手段(更新参数)。3. **单步训练**整合了前向传播和梯度计算的结果,执行参数更新。
2024-06-25 15:46:14
493
原创 个人windows电脑在微信公众号创建聊天机器人
5.在微信公众平台上的基础设置中修改,将域名加子名称输入(此处需留意,应与上述的local地址相互对应),进行token验证,该token和代码中token一致。3.使用内网穿透工具建立域名,并将域名映射到本地计算机上,选则端口;4.下载nginx,并更改conf文件中的local地址和监听端口;2.申请大模型kpi;1.申请微信公众号;
2024-06-06 14:51:29
335
原创 如何在非专业windows电脑下进行非局域网远程访问另一台windows电脑
2.在访问端电脑上输入win +r,输入mstcs,输入被访问端ip地址,用户名为被访问端开机登录用户名,进行连接;连接密码为被访问端开机登录密码;6.通过mstsc打开的远程界面,将访问端电脑换成不同网段,进行远程登录连接,此时的IP地址更改为网页上显示的被访问端的Managed IPs上地址,用户名和密码不变。1. 在访问端电脑上安装RDPWrap,可自行搜索下载 ,在被访问端电脑上设置允许远程访问;4.复制创建的ID,在访问端和被访问端安装后的软件上点击连接,在对话框中将id地址输入并连接;
2024-05-31 22:48:20
394
原创 关于条形图像的识别和处理
2.4 边框提取,筛选,根据筛选数据进行直线拟合,得到线条,将得到的线条数据进行筛选合并和过滤,得到符合要求的线条,将筛选后的线条进行绘画显示。距离计算部分需结合指定长度进行各个直线部分的相似匹配,得到均值斜率,基于此进行截距的计算,得到直线间的间隔。2.2 hessian边缘处理,代码如下,通过调节condition值可以对边缘图像进行调整,可自行尝试;缺陷:目前的图像在得到直线方面不足,无法对所有需要的轮廓进行识别,thinking中。目的:实现对刻度尺的图形尺寸识别。2.1读取图像和灰度转换。
2024-05-14 12:51:51
381
1
原创 如何在windows电脑上加载pdf文档到本地大模型上从无到有实现
ollama官网上有对应大模型,通过ollama run 模型名称,即可下载。模型大小根据自己的电脑性能进行选择,当前事例16G内存可运行。在ollama官网下载ollama软件并安装,安装时需将安装路径添加到环境变量path里面。当前大模型在处理扫描版pdf时,对扫描版的处理会报错,需先将其转换成可进行识别的pdf文件。1.3 python环境搭建,langchain 安装,vscode软件下载。可将doc文件打开另存为pdf,亦可通过代码直接转换。2.3 pdf分割,实现多线程共同训练加载。
2024-05-11 12:01:34
654
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人