- 博客(67)
- 收藏
- 关注
原创 “Illegal instruction(core dumped)”jetson nano
我的解决办法,卸掉forge虚拟环境,重新装一个,完美解决。
2024-03-12 10:28:28 330
原创 OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.
还有subprocess.CalledProcessError: Command 'XXX' returned non-zero exit status 1.这个报错。还有这个PermissionError: [WinError 5] 拒绝访问。
2024-02-28 18:44:00 348
原创 在cpu还是gpu上运算的问题RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor)
【代码】在cpu还是gpu上运算的问题RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor)
2023-11-28 16:46:50 85
原创 yolo各模块详解
码定义了一个名为SPPF的类,它是nn.Module的子类。代码定义了一个名为C3的类,它是nn.Module的子类。代码定义了一个名为Conv的类,它是nn.Module的子类。该类执行一个标准的卷积操作,可选地包括激活函数和批归一化。个Bottleneck模块的Sequential网络,每个Bottleneck模块的输入和输出通道数都是。在这个方法中,初始化了一个Conv2d层、BatchNorm2d层和激活函数,并将它们存储为属性。是用于处理输入张量的1x1卷积层,将输入通道数减少到。
2023-11-08 16:47:00 146
原创 YOLO报错upsample_bilinear2d_backward_out_cuda does not have a deterministic implementation
PyTorch中的确定性算法通常用于确保在相同的输入数据和计算设备下,同样的操作能够产生相同的结果。然而,并非所有操作都有确定性的实现。在这种情况下,PyTorch会发出警告。该警告指出该函数没有确定性的实现,但您设置了。这个报错信息是关于使用PyTorch的。定位到报错那一行,在前一行加入。
2023-11-05 15:58:34 830
原创 shufflenet v2 yolo
ShuffleNet v2中弃用了1x1的group convolution操作,而直接使用了input/output channels数目相同的1x1普通conv。它更是提出了一种ChannelSplit新的类型操作,将module的输入channels分为两部分,一部分直接向下传递,另外一部分则进行真正的向后计算。到了module的末尾,直接将两分支上的output channels数目级连起来,从而规避了原来ShuffleNet v1中Element-wise sum的操作。
2023-11-03 16:39:12 108
原创 yolo结构重参数化
在现实场景中,训练资源一般是相对丰富的,我们更在意推理时的开销和性能,因此我们想要训练时的结构较大,具备好的某种性质(更高的精度或其他有用的性质,如稀疏性),转换得到的推理时结构较小且保留这种性质(相同的精度或其他有用的性质)。只要参数的转换是等价的,这两个结构的替换就是等价的。按理说1x1卷积的表征能力弱于3x3卷积,因为前者可以看作一个有很多参数为0的3x3卷积,但是1x1 + 3x3的性能却明显好于3x3 + 3x3,也就是说一个强结构加一个弱结构好于两个强结构相加;一般来说,加参数总是有好处的。
2023-11-02 17:20:01 112
原创 卷积层后一定要跟激活函数吗
(2)卷积核的个数和卷积核的通道数是不同的概念。每层卷积核的个数在设计网络时会给出,但是卷积核的通道数不一定会给出。,因为这是进行卷积操作的。
2023-10-25 11:34:14 70
原创 torch torchvision torchaudio下载网址
download.pytorch.org/whl/torch_stable.html
2023-10-19 16:09:19 158
原创 Yolov5 ONNX: export failure: Unsupported ONNX opset version: 13
第一步:conda list 查看onnx版本。第二部修改--opset参数对应。
2023-10-18 13:09:53 138
原创 yolo报错_pickle.UnpicklingError: STACK_GLOBAL requires str
提高训练效率:在每个训练迭代中,模型需要加载和处理大量的图像数据。通过将数据预处理结果保存到.cache文件中,可以在每次训练时直接加载缓存的数据,避免重复的IO和数据处理操作,从而加快训练速度。通过将预处理结果缓存在.cache文件中,可以减少占用的内存空间,从而在一定程度上缓解可能出现的GPU内存不足问题。.cache文件通常由训练框架自动生成和管理,无需手动修改或操作这些文件。在训练过程中,框架会检查.cache文件是否存在,并根据需要进行更新或重新生成。将数据集目录下的.cache文件删掉。
2023-10-14 10:59:42 321
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