- 博客(13)
- 收藏
- 关注
原创 关于用pytorch搭建Deeplabv3+过程遇到的各种问题总结
首先,我所使用的环境:pytorch:1.8.1;CUDA:10.2;python:3.6;GPU:RTX2060(笔记本端)然后是所使用代码的链接:https://link.csdn.net/?target=https%3A%2F%2Fgithub.com%2Fjfzhang95%2Fpytorch-deeplab-xception其主体结构如下:问题一:平级文件夹下的py文件无法互相import(已解决)解决方案:使用sys模块,将需要import的py文件具体路径加入到搜索路径中即可;
2021-04-25 01:11:49
1505
8
原创 DeeplabV3+学习笔记
DeeplabV3+网络结构话不多说,先上图:其主要结构分为两个部分:encoder(编码器)和decoder(解码器)我们知道,想要解决与对象边界相关的详细信息丢失的问题,我们可以采用空洞卷积、增大感受野的方法来解决;通过应用空洞卷积来提取更密集的特征图,可以缓解这一问题,同样的道理,在Deeplabv3+中,同样引入了空洞卷积,其位于encoder网络中,目的是提取更为有效的特征Encoder部分当一张图被传入Encoder中时,首先将其送入一个深度卷积网络层(DCNN),该层是一个深度卷积网
2021-04-25 00:21:50
753
原创 关于使用Pytorch搭建FCN网络的笔记
需要准备的第三方库:numpy、os、torch、cv2一、Dataload.py的编写该部分的主要工作是完成数据的预处理、训练集测试集的划分以及数据集的读取,即得到train_dataloader、test_dataloader;数据预处理首先是数据的预处理部分,由于FCN不限制输入图片的尺寸大小,所以预处理部分较为精简,只需要转换为tensor格式,再进行一个标准化即可之后便需要定义一个onehot函数,用于对标签图的处理,其作用是将标签转化为一维向量数据集读取与载入先定义一个类,用
2021-04-18 17:07:17
1061
原创 FCN(全卷积网络)学习笔记
一、概述及相关概念简介FCN:FCN是对图像进行像素级的分类(也就是每个像素点都进行分类),从而解决了语义级别的图像分割问题与经典的CNN不同,FCN对传入的图片尺寸没有要求,并且舍弃了全连接层,转而使用上采样的方法将最后的输出采样到原图的大小...
2021-04-18 00:33:09
1521
原创 ResNet网络学习笔记
一、ResNet概述背景及亮点介绍ResNet于2015年在微软实验室被提出网络中的亮点:1.超深的网络结构(突破1000层)2.提出residual 模块3.使用Batch Normalization加速训练(丢弃dropout)层数堆叠产生的问题如下图所示,56层的网络训练和测试中的loss值甚至大于20层的网络原论文中将此问题出现的原因归结于两方面:一是梯度消失或梯度爆炸;二是退化问题。其实,随着网络层数的加深,梯度消失和梯度爆炸的现象会更加明显...
2021-04-11 00:34:48
334
原创 关于用Pytorch构建ResNet50实现宝可梦分类的笔记
需要的第三方库:pytorch、matplotlib、json、os、tqdm一、model.py的编写参照ResNet网络结构进行构建(如下图),其中18层和34层每层主干的channel与本层输出的channel相等,可共用同一个类进行编写;50、101、152层输出的channel是主干channel的4倍,共用另一个类进行编写...
2021-04-10 16:27:48
1040
2
原创 关于用pytorch构建vgg网络实现花卉分类的学习笔记
需要的第三方库:pytorch、matplotlib、json、os、tqdm一、model.py的编写(1)准备工作1.参照vgg网络结构图(如下图1),定义一个字典,用于存放各种vgg网络,字典如下图2(M表示最大池化层)2.定义一个获取特征的函数,此处命名为make_features,参数为模型名字,再遍历字典中键对应的值列表,向layers中加入对应的卷积层和池化层,最后返回打包完成的feature(非关键字参数),用于后续操作(2)VGG类的定义创建一个VGG类,父类为nn.M
2021-04-04 16:07:35
1544
6
原创 pytorch基础知识学习笔记
Pytorch中的数据类型与Python原本的数据类型比较差异不大,只是在原数据类型后面添加了Tensor,但需要注意的是,string类型(即字符串)在Pytorch中是没有定义的,如果想对string进行处理,需对其进行编码表示(即用向量表示string,相当于将其变为数字表示)数字类型上图中的ByteTensor是用来比较两个元素是否相等,返回值为0或1同一个数据,部署在CPU和GPU上是不一样的,如上图所示,GPU的类型中还有一个cuda在Pytorch中,Python自带的type
2021-04-03 22:33:12
161
1
原创 关于深度可分离卷积、空洞卷积、分组卷积的理解笔记
深度可分离卷积(Depthwise separable convolution)深度可分离卷积由逐通道卷积(Depthwise Convolution)和逐点卷积(Pointwise Convolution)两个过程组成对于多通道输入得到多通道输出的过程,深度可分离卷积相比于常规卷积,具有更少的参数数量和更低的运算成本;不仅如此,深度可分离卷积将以往普通卷积操作同时考虑通道和区域改变,卷积先只考虑区域,然后再考虑通道。实现了通道和区域间的分离逐通道卷积(Depthwise Convolution)第
2021-03-25 22:39:29
2037
2
原创 CNN卷积神经网络基本概念学习笔记
基本概念神经元结构神经元的构成:神经元一般由一个线性函数和一个非线性的激活函数构成神经元结构如下图:激活函数的作用:改变数据的线性关系,并将输入数据映射在某个范围内,防止数据过大溢出全连接(Full Connected)全连接概念:每一层的每个神经元都与下一层的每个神经元相连,此连接关系即为全连接全连接的缺点:无论相隔多远,所有神经元都与下层神经元有关系,计算量较大卷积神经网络的基本思路:在图片识别时,首先找到各部分的边缘和轮廓,然后再查看图片中数据和这些边缘轮廓的关系卷积核(filter
2021-03-24 17:07:20
415
1
原创 tensorflow和keras的环境配置
tensorflow和keras的环境配置tensorflow的安装在虚拟环境中输入pip install tensorflow-gpu选择安装gpu版本keras的安装tensorflow安装完成后,再在虚拟环境中输入pip install keras等待安装完成即可测试一下,不报错即可...
2021-03-17 15:41:24
298
原创 pytorch安装及环境配置
虚拟环境的创建命令行窗口中使用conda create -n 环境名 python=所需python版本即可创建虚拟环境pytorch的gpu版本安装首先确定自己电脑的gpu版本打开显卡控制面板点击系统信息,选择组件产品名称中CUDA后的11.0便是gpu版本再在pytorch官网选择对应版本进入为pytorch创建的虚拟环境,输入命令,等待片刻,pytorch便安装完成了。再在NVIDIA官网安装cuda和cudnn将cudnn的三个文件分别放入cuda安装目录下,即可完成
2021-03-15 22:36:54
501
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