深度学习
记记录神经网络的各种原理和实际应用中遇到的问题和解决方案
ruixia.chen
从事深度学习工作
展开
-
WIN11安装detectron2踩坑
windows 环境安装detectron2详细步骤原创 2022-07-11 15:18:41 · 1789 阅读 · 1 评论 -
pyinstaller 打包python程序
首先得安装一个pyinstaller打包软件1、进入软件根目录下:使用pyinstaller调用接口文件进行打包:pyinstaller train.py,对应会生成一个train.spec文件。2、调用pyinstaller调用train.spec脚本生成train.exe,默认路径是跟目录下面的dist文件夹下。3、将dist下面的train文件夹拷贝到根目录下。4、调用train/train.exe进行测试。5、如果报错找不到某个文件,或者包,将缺失的包直接拷贝到根目录下,删除原来原创 2021-08-10 14:22:10 · 216 阅读 · 0 评论 -
yolov4效果展示
yolov4和yolov3性能比较:使用二维码数据测试:yolov3 单张图139ms,yolov4 单张图99ms,能快40ms。从bottle数据和二维码数据结果看,yolov4边框的回归也比yolov3回归的更好。yolov4可以完美的取代yolov3。使用yolov4代码训练的bottle和二维码的数据,大概训练一个小时,进行预测效果如下:...原创 2021-06-24 17:29:13 · 281 阅读 · 0 评论 -
提生pytorch dataloader数据加载速度
因为pytorch数据加载速度太慢,影响训练速度,实训快速加载数据方式,提前获取要加载的数据,整体速度能快1/6.操作步骤如下所示:1、激活自己的torch虚拟环境:source activate torch2、安装prefetch_generator包pip install prefetch_generator3、使用时候引入对应包:from prefetch_generatorimport BackgroundGenerator4、定义DataLoaderX,继承torc原创 2021-06-23 10:08:01 · 1249 阅读 · 1 评论 -
YOLOV4-学习知识梳理
参考文章链接:https://blog.csdn.net/weixin_41560402/article/details/106119774https://www.cnblogs.com/wujianming-110117/p/13845974.html1 网络结构图1.1详细网络结构Yolov4的网络结构也可以使用netron工具查看,也是对照其展示的可视化流程图绘制的下方网络结构图。Yolov4的结构图和Yolov3相比,因为多了CSP结构,PAN结构1.2Y..原创 2021-06-22 10:39:34 · 1067 阅读 · 0 评论 -
pyinstall打包paddle程序运行出现多个.exe,更改源码的解决方案
pyinstall打包paddle程序运行出现多个.exe,更改源码的解决方案pyinstall打包paddle程序运行出现多个.exe解决方案,添加multiprocessing.freeze_support()不起作用。问题:使用pyinstall 打包paddleocr程序,运行打包后的.exe任务管理器里面出现多个.exe,导致程序卡死。分析原因:python程序打包后,运行出现多个.exe多半都是因为多进程或者线程池引起的。所以排查源码中的多进程或者线程池。一般多进程也是用于原创 2021-05-26 15:12:12 · 850 阅读 · 4 评论 -
2020-11-20
RuntimeError: Error(s) in loading state_dict for DABNet: Missing key(s) in state_dict: "init_conv.0.conv.weight", "init_conv.0.bn_prelu.bn.weight", "init_conv.0.bn_prelu.bn.bias","classifier.0.conv.weight". Unexpected key(s) in state_dict: "epoch",...原创 2020-11-20 13:53:57 · 174 阅读 · 0 评论 -
使用opencv的dnn模块调用tensorflow训练好的模型的方法和常见错误
使用opencv的dnn模块调用tensorflow训练好的模型的方法和常见错误初始化://opencv dnn 初始化模型model = cv::dnn::readNetFromTensorflow(modelPath);model.setPreferableBackend(cv::dnn::DNN_BACKEND_CUDA);model.setPreferableTarget(cv::dnn::DNN_TARGET_CUDA);//调用GPU//模型预测cv::Mat inp原创 2020-10-29 13:57:28 · 1580 阅读 · 1 评论 -
tensorflow 报错:raise TypeError(‘{!r} is not a callable object‘.format(obj))
raise TypeError('{!r} is not a callable object'.format(obj))TypeError: <BatchDataset shapes: {img: (?, 64, 64, 3), label: (?, 64, 64, 1)}, types: {img: tf.float32, label: tf.float32}> is not a callable objectraise TypeError('unsupported callable'原创 2020-10-29 13:55:36 · 1528 阅读 · 0 评论