麻花

SNPE根据不同的硬件设备支持的GPU每层卷积运算的能力不同，具体如下：A330平台：8192A430,A530平台： 16384H或者W乘以通道数不能大于上面的上限，如51251232 size的feature map 刚好是A430,A530设备的最大量级。值得注意： 我们设计网络时，容易忽略padding带来的计算数据变大问题。比如，输入51251232数据，按说刚刚好可以计算，但是如果卷积有padding操作，则有可能变成51351332，数值超过计算上限了，导致结果和PC端的不一样，这一点

问题：topological sort failed with message: The graph couldn’t be sorted in topological order.背景：我确认自己的建立的图没有环，但是运行的时候tensorflow会报graph中存在非拓扑结构原因：使用n卷积，每个卷积的输入都是相同的数据data，这样会得到n个卷积结果，然后按axis=3的维度进行合并，这个时候会报错。解决方案：不要在最后将n个卷积结果一次性的合并，而是要在每次卷积后与之前的卷积进行合并。

问题描述：我们有时候会在工程中使用session作为返回值或者在其他函数中使用之前定义的session，但是会遇见即使返回了session但是这个session已经自动关闭了，无法使用。解决方法：将该session设置为默认的session即可不被tensorflow自动关闭# right solutiondef initSessiong(): sess = tf.Session() sess = sess.as_default() # set default session return se

inpainting里面重要的一个工作是Nvidia的Partial Convolution部分卷积，该卷积包含两个分支，一个是更新mask图像，另一个则是根据mask图进行部分的卷积。下面是他的1.x版本的实现代码如下：def pc_conv(x, mask, cnum, ksize, stride, test ,name='pconv'): b, h, w, c = int(x.s...

https://blog.csdn.net/qq_32865355/article/details/80260212

caffe must set the batchnorm scale as 1, which is as follows.net.params[‘bn1’][2].data[…] = 1Mean value is [0,0,0,0…,0] and variance is [1,1,1,1,…,1]The gamma and beta value are from tensorflow mo...

Count to tensorflow model FLOPs and trainable paramsStep1:Convert your tensorflow checkpoint model to PB formatStep2:Call the function as followsimport tensorflow as tffrom tensorflow.python.fra...

tensorflow的高斯模糊函数如下import tensorflow as tfimport numpy as npfrom scipy.ndimage.filters import gaussian_filterfrom ops import concatdef gauss_kernel_fixed(sigma, N): # Non-Adaptive kernel si...

tensorflow fake quantization 伪量化训练tensorflow伪量化训练简单说就是用float类型的模拟int类型的运算。在fake quantization训练的过程中，尽量使float类型的计算精度接近int类型的精度。fake quantization 需要在计算图中添加一个伪量化的节点，才能进行伪量化训练，同时该方法的训练出来的模型需要使用，对应的伪量化转pb代...

constant_graph = graph_util.convert_variables_to_constants(sess, sess.graph_def, ['*/BiasAdd'])为自己定义的name scope。如果使用tf.layers.conv2d实现的卷积操作，要将pb模型的输出结果为该卷积的结果，需要指定为 /BiasAdd而不是/Conv2D...

tf.layers.conv2d()会自动添加Conv2D例如我们这样设置tf.layers.conv2d( , name='output')我们将checkpoint转换成pb模型时，需要制定一个输出节点。使用layers这个包，如name为output，如果直接设定该节点为输出节点，则会报错。原因：tensorflow的layers会自动的name的后面加上Conv2D下级scope...

用nn的操作实现layers的操作def deconv(x, cnum, kernel_size = 3, scale_size = 2,stride = 2, name='upsample', padding='SAME', ): b, w, h, c = x.shape[0], x.shape[1], x.shape[2], x.shape[3] b, w, h, c = i...

这里写自定义目录标题Tensorflow如何在训练的时候对卷积的权重进行一些特殊处理步骤如下整体代码Tensorflow如何在训练的时候对卷积的权重进行一些特殊处理比如对卷积的权重进行求均值，取最大值等等自定义的操作。步骤如下获取想要操作的的卷积核权重，保存到一个list中申请一个同该卷核相同shape的占位符；使用tf.assign()创建一个更新卷积核权重的操作op；整体代码...

实现SNPE softmax layer的4D tensor 第4轴的排序SNPE的softmax只支持1D和2D的输入，如何实现4D数据的排序呢? 并且SNPE的排序的轴是固定的axis=-1，如何对4D数据的第3个轴排序呢？def softmax(data, axis=3): dt_shape = data.get_shape().as_list() dt_axis1 = ...

如何在SNPE中实现Tensorfow的tf.clip_by_value()操作def clip_by_value(x, min, max, name='clip'): with tf.name_scope(name=name): with tf.name_scope(name='clipmin'): res = tf.maximum(x, min...

hinge loss核心点：网络的输出要确保是[-1,1]范围之前一直用cross entrype loss这一点没有台注意，所以之前一直没写对！hinge loss 核心代码 def Hinge_loss(pos, neg, name='Hinge_loss'): with tf.variable_scope(name): d_loss ...

添加自定义的onnx operations 在pyTorch中定义的网络图以及其运算，在onnx中不一定支持，因此，需要自定义的添加operators。如果onnx支持则可以直接使用，一下是支持的网络以及运算：add (nonzero alpha not supported)sub (nonzero alpha not supported)muldivcatmmaddmm...

官方文档pyTorch版本AlexNet模型转换到caffe2版本的模型 AlexNet模型已经训练好，来自与torchvision包，现在需要转换成onnx格式的模型，转换后的结果为alexnet.onnx：import torchimport torchvisiondummy_input = torch.randn(10, 3, 224, 224, device='cud...

ssh -L 16006:127.0.0.1:6006 zhiweige@109.105.1.145tensorboard –logdir=”./log_free_form” –port=6006http://127.0.0.1:16006/

最近看生成式对抗网络，做了一点有意思的事情，发现这个东西用于生成验证码真是太爽了，当然精度还有待提高。传送门 关于生成式对抗网络的原理，自己百度下很多博文 条件生成式对抗网络，也有很多概述 使用的原始域图像为SVHN数据集（老外的门牌号数字），目标域图像为MINST数据集，利用生成式对抗网络可以完成下图的转换。看见这个我想起让我想起了12306的验证码，这让我觉得生成式对抗网络可能会应用于A

天猫抢红包脚本本脚本纯属娱乐，最重要的就是开心，抢到抢不到靠大家的缘分了。准备的东西如下：win7 64位python-2.7.3.amd64.msipywin32-218.win-amd64-py2.7.exe*飞行吧喵喵游戏第一步登录天猫进入主会场，找到飞行吧喵喵的游戏，先进去玩一局要自杀死掉，然后记下按钮的坐标，每个人的坐标不同，可以用QQ截图从左上角开始然后将鼠标放在按钮部位就会像

转自：http://imbinwang.github.io/blog/object-detection-reviewBin WangAbout Archive目标检测简要综述 May 6, 2015 6 minute read 目标检测(Object Detection)是计算机视觉领域中一个基础性的研究课题,主要包含两类不同的检测任务：目标实例检测(Instance Object Detec

这一章的内容是将前面讲的东西总结下，完整地实现我们的CNN实例require 'paths';require 'nn';---Load TrainSetpaths.filep("/home/ubuntu64/cifar10torchsmall.zip"); trainset = torch.load('cifar10-train.t7');testset = torch.load('cifa

这一章用实例讲解在正式训练前需要对训练集的处理以及基本操作，请大家从头开始运行itorch 导入两个包，虽然这章没有涉及网络的建立，但是不导入nn这个包的话，数据的读入会出错，具体我也不太清楚，这个是google出来的，我刚开没有导入nn包，导致文件一直无法读取。 参数为文件的绝对路径，文件的下载我放到了这里（需要2个积分下载，请大家支持下） http://download.csdn.n

这一节先介绍一些基本操作，然后再对我们前面建立的网络进行训练神经网络的前向传播和反向传播 随即生产一张照片，1通道，32x32像素的。为了直观像是，导入image包，然后用itorch.image（）方法显示生成的图片，就是随即的一些点。 用之前建立好的神经网络net调用forward（）方法输入随即生成的图片得到输出的结果，如打印出来的形式，net最后是10个输出节点，这里输出了10个值

这一章不涉及太多的神经网络的原理，重点是介绍如何时候Torch7神经网络 首先require（相当于c语言的include）nn包，该包是神经网络的依赖包，记得在语句最后加上“；”，这个跟matlab一样不加的话会打印出来数据。Torch可以让我们自己一层一层的设计自己的网络，像是容器一样可以一层一层地把你自己的Layer（神经网络的中的层）往里面添加。 首先，要构造一个神经网络容器，即

函数的使用 这是函数的定义方式，声明的关键字+定义的函数名+形参的名字，在此博主返回两个值，具体的函数功能在后面再说 这是初始化一个5x2的矩阵，并且初值都为1。这里有多了一种初始化矩阵的方法。 这是先声明一个2x5的矩阵，然后再调用fill（）方法其值全部初始化为4。 将a，b矩阵输入到addTensors函数里面，注意这里是实参，前面定义的a，b是形参，这个有点c基础的应

Torch里非常重要的结构Tensor（张量），类似于Python用的Numpy 声明Tensor的格式如12行，打印a可以得到一个5x3的矩阵，这里的没有赋初值，但是Torch也会随即赋值的，具体的就跟c++里面的生命了变量虽没有初始化，但是还是会有值一样。 接着我们调用rand随即初始化矩阵的值（注意这里跟我上面说的随即初始化的区别）。 也可以直接调用随即初始化Tensor的值

本博文目标是介绍Torch的入门使用 博主采用iTorch界面编写,以下以图片方式展示代码简单地介绍String，numbers，tables字符串的操作注意是单引号，然后第二行中的print（）函数有点像c++里面的cout，即可以根据输入的要打印的类型不同而显示，这输入式字符串，后面还会输入其他数据格式的输入。由于torch是交互式的，跟matlab很像所以直接打a也能显示输出。

在网上查看了些博客，感觉大家都对数学公式的解释的比较晦涩，下面我结合一个非常简单的示意图解释下他的数学公式，理解不到位的请留言。kmeans是一种聚类算法下面是算法的描述给定训练样本是每一个，即每一个样本元素都是n维向量。为了便于理解在后面的示意图中采用二维的向量。step1：    随机选取k个聚类质心点为step2：    重复下面过程直到手链       对于每一个样本i计算其应该属

Hadoop2.6单机安装安装环境 硬件：虚拟机 操作系统：Centos 6.5 64位 主机名：hadoop0 安装用户：root 主机名很重要，可以任意自定义，但是一定要记住。安装JDK安装JDK1.6以上版本，我这里下载的是jdk1.8.0_73。 下载地址：http://www.oracle.com/technetwork/java/javase/downloads/

参数介绍void cvNormalize( const CvArr* src, CvArr* dst, double a=1, double b=0, int norm_type=CV_L2, const CvArr* mask=NULL );src：输入的源数据（矩阵，图像） dst：

import csvfile_path = 'F:\\JDdata\\Classify300.csv'csvfile = file(file_path, 'rb')reader = csv.reader(csvfile)#初始化字典adict = dict()#遍历csv文件里的每一行数据，其中imageName为数据的第一列，className为数据的第二列for imageName, c

这个问题很简单，就是字体哪里出了问题，修改字体就可以。 原因就是UltraEdit默认的是英文字体，所以中文是怎么也显示不出来的！之前进入误区以为是编码问题。。。1.现在中文是乱码，点击视图，选择设置字体2.下拉菜单到最下面，选择“宋体”或者其他中文字体，因为默认的是英文字体，所以中文肯定是显示不出来。 3.改完以后中文可以正常显示了。

srcdir是要修改的文件夹地址 prefix是文件准备修改成的名字前缀 最后修改成的格式是 IMG_2011_0001, IMG_2011_0002…..import sys, string, os, shutil#输入目录名和前缀名，重命名后的名称结构类似prefix_0001def RenameFiles(srcdir, prefix): srcfiles = os.listd

std::stringstream ss;ss << "123";ss.clear();//这仅仅是重置流的标志ss.str("");//这样是清空缓存流的内容

版本是opencv2.4.51、安装依赖包，采用yum命令安装，在终端机输入以下指令yum install cmake gcc gcc-c++ gtk+-devel gimp-devel gimp-devel-tools gimp-help-browser zlib-devel libtiff-devel libjpeg-devel libpng-devel gstreamer

解决方案一：把定义的函数放在，main函数之前。void f(){ printf("Hello");}main(){ f();}解决方案二：在main函数之前声明。void f();main(){ f();}void f(){ printf("Hello");}

import osdef GetFileList(dir, fileList): newDir = dir if os.path.isfile(dir): fileList.append(dir.decode('gbk')) elif os.path.isdir(dir): for s in os.listdir(dir):

argc是命令行总的参数个数 argv[]是argc个参数，其中第0个参数是程序的全名，以后的参数 命令行后面跟的用户输入的参数，比如： int main(int argc, char* argv[]) { int i; for (i = 0; i<argc; i++) cout<<argv[i]<

Visual Studio 2012:模块计算机类型“x64”与目标计算机类型“X86”冲突 在使用Visual Studio 2012编译运行OpenCV的时候，出现错误“fatal error LNK1112: 模块计算机类型“X86”与目标计算机类型“x64”冲突 ”。简单的说原因就是我们加载的是64位的opencv的库，但是visual是使用X86的平台进行编译的所以有冲突。解决方法为：

接上一篇的博文，这篇我会把A星算法的程序流程图给大家贴出来还有Cocos2d-x的源码。原理在第一篇已经讲的很清楚了，最近特别忙所以就不逐行的讲解代码了，对比着流程图慢慢看就行了。我建议把流程图打印出来，因为确实有点大。VS2012+cocos2dx 3.3 源码下载地址 http://download.csdn.net/detail/u010946556/9187883

自动寻路里面的说的最多的就是A星寻路了，但是网上找了些博客大家写的有点简略，导致对于刚接触的人来说理解的不够清楚。在这里我将用大量的图片一步一步地列出A星算法的寻路过程。A星算法对于大地图的效率不高，大地图的寻路算法可以尝试用导航网络处理，如果想了解大地图的算法，可以来这里看下http://www.zhihu.com/question/20298134（知乎里面的高票回答）A*算法原理 - A

错误分析 此错误发生的原因是编译器在寻找预编译指示头文件（默认#include “stdafx.h”）时，没有找到预编译指示信息的头文件“stdafx.h” 因为工程中的每个cpp文件属性默认都是使用预编译（/YU）的，但是添加的第三方文件并没有该预编译指示头文件，所以编译器在此cpp文件中一直到末尾都没有找到它解决方法 右击报错的cpp文件，选择“属性” 左侧配置属性中打开“C/C+

std::vector<std::string> split(const std::string& s, const std::string& delim){ std::vector<std::string> elems; size_t pos = 0; size_t len = s.length(); size_t delim_len = delim.lengt

场景B想场景A回传值的方法很多，这里主要是想讲一下c++实现的委托设计模式，主要为理解下一篇cocos2dx里面的SAX解析XML文件作铺垫。例子：点击“next”进入场景B,然后在场景B中点击updata生成一个随机数，但是不在场景B中显示，然后再点击menCallback返回场景A，会在场景A中出现刚刚生成的随机的数字。如下图： 程序思路：定义一个抽象类作为接口，然后在场景B中调用这个接口

接触cocos2dx有段时间了，对于Director::getInstance()这样的代码也有段时间的困惑了，为什么要这样写，这是什么意思呀？原来查了查资料才知道这是单例设计模式的应用。单例设计模式为什么用单例设计模式：用window系统里面的任务管理器做例子解释下，当我们按下Ctrl+Alt+Del时候会弹出“资源管理器”的窗口，假如我们再一次按下这三个键，你回发现不会出现新的”资源管理器“窗口

android平台的移植问题苦恼了我好几天，最后虽然移植成功，但是博主并不是在Eclipse中打包的，而是用的coco自带的工具打包的，详情让我慢慢道来。第一步 配置android环境 这一步非常重要也是最容易出错的地方，同样也是花费我时间最多的地方，尝试了好多版本的配置文件。SDK用的是adt-bundle-windows-x86_64-20131030这是一个Eclipse和SDK的集合的

Please prove this by adding TP:078F7EF5 somewhere visible on your blog. After that re-submit your request.

言简意赅，物体的类别掩码CategoryBitMask和物体的接触测试掩码ContactTestBitmask逻辑“与”运算结果非零，则触发EventListenerPhysicsContact事件监听器，物体的类别掩码CategoryBitMask和物体的 碰撞掩码CollisionBitmask逻辑“与”运算结果非零，则触发物体碰撞效果。//类别掩码，默认值0xFFFFFFFFbody->s

//tiledmap是一个全局变量，要在.h文件中定义TMXTiledMap* tiledmaptiledmap = TMXTiledMap::create("map.tmx"); cocos2d::Vec2 HelloWorld::tiledCoordFromPosition(cocos2d::Vec2 position){ int x = position.x/tiledmap->g

coco2dx看了段时间了，但是期初对于CC_CALLBACK这个宏只会用不理解是什么意思，今天一探究竟。先来看源码CC_CALLBACK_1的定义，其他的一次类推。#define CC_CALLBACK_1(__selector__,__target__, ...) std::bind(&__selector__,__target__, std::placeholders::_1, ##__V

问题代码如下 //将MoveTo和RotateTo两个动作转换成FiniteTimeAction类型 FiniteTimeAction* MVto =(FiniteTimeAction*)(MoveTo::create(2.0,Vec2(150,150))); FiniteTimeAction* ROto =(FiniteTimeAction*)(RotateTo::crea

在学习cocos2dx的时候好多类之间的关系很复杂，老是查看源码，没有一个整体的结构思路，有时间看着看着就晕了。看到网上有这两个工具查看源码的，效果很不错。但是，不要用他的默认值查看，因为Cocos2dx的类很多里面的方法也很多，用默认的话生成的类图太庞大！！！看着也很吃力！！！第一步在D:\API生成器\doxygen\bin文件里面打开doxywizard.exe 第二步 第三步-第四步 -

cocos2dx单场景和多场景的生命周期单场景周期 流程图：Created with Raphaël 2.1.2开始HelloWorld::init()HelloWorld::onEnter()Hellowrld::onEnterTransitionDidFinish()结束其中，init()是初始化操作，创建HelloWorld工程自动生成的。onEnter()和onEnterTransit

先简单介绍一下c++的内存管理机制，分为堆、栈、自由存储区、全局/静态存储区和常量存储区。 堆 可以中的对象就是调用new后分配的，然后需要手动的调用delete进行删除，编译器是不会自动删除的。简单的理解为一个new对已一个delete，如果没有delete，那么只能等程序结束后系统才会释放。栈 对于内存中的栈部分，编译器会自动释放。直观的说就是int型char型bool型float型等，这些

自学cocos2d难免有错误的理解，作为参考吧创建好Helloworld工程后，进入VS2012可以看到main主函数： 首先程序从主函数运行，代码如下：#include "main.h"#include "AppDelegate.h"#include "cocos2d.h"USING_NS_CC;int APIENTRY _tWinMain(HINSTANCE hInstance,