- 博客(8)
- 资源 (6)
- 收藏
- 关注
原创 解决win下vs+yolov3使用Dll载入图片和载入Mat检测出来效果不一致的问题。
问题描述: 在windows下使用vs2015 + Yolov3的DLL版本时(https://github.com/AlexeyAB/darknet),根据官网有两种检测方法如下图:一种是直接加载图片的文件名,另一种是使用Opencv,先用Mat加载图片文件名,再用Detector做检测。按道理来说两种方法检测效果应该一致,可是实际情况却是使用Mat作为检测目标时,检测效果没有直接加载图片...
2018-07-04 17:08:28
2589
10
原创 pytorch方法测试——损失函数(BCELoss)
测试代码:import torchimport torch.nn as nnimport mathm = nn.Sigmoid()loss = nn.BCELoss(size_average=False, reduce=False)input = torch.randn(3, requires_grad=True)target = torch.empty(3).random_(2)...
2018-06-28 16:01:06
43093
2
原创 pytorch方法测试——损失函数(CrossEntropyLoss)
测试代码:import torchimport torch.nn as nnimport mathloss = nn.CrossEntropyLoss()input = torch.randn(1, 5, requires_grad=True)target = torch.empty(1, dtype=torch.long).random_(5)output = loss(input,...
2018-06-28 10:57:08
29310
6
原创 pytorch方法测试——激活函数(ReLU)
测试代码:import torchimport torch.nn as nn#inplace为True,将会改变输入的数据 ,否则不会改变原输入,只会产生新的输出m = nn.ReLU(inplace=True)input = torch.randn(7)print("输入处理前图片:")print(input)output = m(input)print("ReLU输出...
2018-06-13 15:42:46
31962
原创 pytorch方法测试——归一化(BatchNorm2d)
测试代码:import torchimport torch.nn as nnm = nn.BatchNorm2d(2,affine=True) #权重w和偏重将被使用input = torch.randn(1,2,3,4)output = m(input)print("输入图片:")print(input)print("归一化权重:")print(m.weight)print...
2018-06-13 15:28:00
35416
4
原创 pytorch方法测试——卷积(三维)
测试代码:import torchimport torch.nn as nnimport torch.autograd as autogradm = nn.Conv3d(2, 1, 3, stride=2)input = autograd.Variable(torch.randn(1, 2, 3, 5, 6))output = m(input)print("输入图片:")prin...
2018-06-12 22:19:56
7707
原创 pytorch方法测试——卷积(二维)
测试代码:import torchimport torch.nn as nnm = nn.Conv2d(2, 2, 3, stride=2)input = torch.randn(1, 2, 5, 7)output = m(input)print("输入图片:")print(input)print("卷积的权重:")print(m.weight)print("卷积的偏重:")...
2018-06-12 21:40:48
2526
原创 pytorch方法测试——卷积(一维)
import torchimport torch.nn as nnm = nn.Conv1d(2, 5, 2, stride=2)print(m)input = torch.randn(2,2, 5)print(input)output = m(input)print(m.weight)print(m.bias)print(output)print(output.size()...
2018-06-12 19:22:48
12937
vs2015编译好的Opencv4.0+Contrib4.0+Releasex64版本
2019-01-25
boost1_66_0 + vs2015 + x64+x86 +release+debug版本+dynamic编译好的库文件
2018-05-21
boost1_66_0 + vs2013 +x64 +x86 + dynamic编译的库+release+debug版本
2018-05-21
vs2015编译好的Opencv3.1+Contrib3.1+Releasex86版本
2018-05-07
vs2015编译好的Opencv3.1+Contrib3.+Releasex64版本
2018-05-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人