深度学习
文章平均质量分 62
fegggye
这个作者很懒,什么都没留下…
展开
-
使用Tensorrt的python api 部署支持动态batch的yolov5s-face
上次尝试了使用Tensorrt的python api 部署支持动态batch的yolov5s_u012160945的博客-CSDN博客系统环境:ubuntu 1804cuda11.3tensorrt 8.2.06显卡2080pytorch 1.10.0onnx 1.10.2onnx-simplifier 0.3.6步骤1:导出onnx 模型(参考https://github.com/shouxieai/tensorRT_Pro)1.1 下载yolov5项目并修改相关代码,目的是减少导出onnx的复杂度,原创 2021-12-03 11:35:57 · 1268 阅读 · 2 评论 -
使用Tensorrt的python api 部署支持动态batch的yolov5s
系统环境:ubuntu 1804cuda11.3tensorrt 8.2.06显卡2080pytorch 1.10.0onnx 1.10.2onnx-simplifier 0.3.6步骤1:导出onnx 模型(参考https://github.com/shouxieai/tensorRT_Pro)1.1 下载yolov5项目并修改相关代码,目的是减少导出onnx的复杂度,只保留一个输出便于后处理# 下载并进入yolov5项目git clone git@github原创 2021-11-26 11:58:30 · 4679 阅读 · 7 评论 -
deepstream6.0 python sample试跑试跑(unbunt1804 ,GTX1060)
1.deepstream安装:(docker大法)docker pull nvcr.io/nvidia/deepstream:6.0-triton2.进入dockerxhost +docker run --gpus '"'device=0'"' -it --rm -v /tmp/.X11-unix:/tmp/.X11-unix -e DISPLAY=$DISPLAY -w /opt/nvidia/deepstream/deepstream-6.0 nvcr.io/nvidia/deepst原创 2021-11-19 15:33:40 · 2619 阅读 · 2 评论 -
python3调用旷视人脸识别
1.到旷视官网上注册申请key和secrethttps://www.faceplusplus.com.cn/2.人脸库图像准备,我的人脸库用图片如下:(图片文件名不能有中文,否则会调用错误)3.根据官方api文档写几个post相关的函数def detect_face(filepath):#检测图片里人脸信息 http_url ="https://api-cn.face...原创 2019-10-11 13:01:17 · 974 阅读 · 0 评论 -
RTX3060显卡比1060跑深度学习慢?
最近单位搞到1台装了rtx3060显卡到机器,我把之前项目代码上面一跑发现速度非常啦跨...!!!!举个例子:视频目标检测推理原来能跑到60帧,但这货居然只能跑到12帧!!!!(tensorflow1)然后我换了框架(tensorrt+pycuda)一顿搞,发现RTX3060显卡上到速度比我到笔记本1060显卡慢4倍!!!!这简直给我带到了新世界,于是我用tensorflow写了一个demo:import numpy as npimport time import tensorflow原创 2021-07-15 10:59:00 · 11970 阅读 · 15 评论 -
deepstream5.0 python samples试跑(unbunt1804 ,GTX1060)
1.deepstream安装:(docker大法)docker pull nvcr.io/nvidia/deepstream:5.0.1-20.09-samples2.进入dockerxhost +docker run --gpus all -it --rm -v /tmp/.X11-unix:/tmp/.X11-unix -e DISPLAY=$DISPLAY nvcr.io/nvidia/deepstream:5.0.1-20.09-samples3.运行示例cd /opt/原创 2021-01-07 10:53:04 · 1986 阅读 · 3 评论 -
基于tensorflow.keras的centernet复现
from functools import partialfrom tensorflow.keras.layers import Conv2D, Add, ZeroPadding2D, UpSampling2D, concatenate, MaxPooling2D, Lambda, addfrom tensorflow.keras.layers import LeakyReLU,ReLUfrom tensorflow.keras.layers import BatchNormalization...原创 2020-08-06 16:19:23 · 248 阅读 · 0 评论 -
win10 安装mmdetection记录
相关环境和依赖:1.CUDA10.0(下载安装,非conda安装)2.VS2017(下载安装,支持C++编译)3.pytorch=1.4.0=py3.7_cuda101_cudnn7_04.torchvision=0.5.0=py37_cu1015.cudatoolkit=10.1.243=h74a9793_06.mmcv==0.2.16########################################################################原创 2020-07-31 17:00:41 · 1074 阅读 · 0 评论 -
centernet(objects as points)的尝试[基于tf.slim]
最近拜读了《CenterNet :Objects as Points》(https://arxiv.org/pdf/1904.07850.pdf),感觉很受启发。网上对这篇论文解读的博客也是很多,有很多博主的总结也很到位。其中我感觉下面这张图最能代表核心思想:网络的主要结构是通过一个backbone生成网络生成Feature map,再通过带分支的检测头分别预测物体的中心点,物体的宽高和heatmap。下面是自写的检测头代码:feat为某个backbone生成的多维特征图def ce.原创 2020-07-02 13:46:55 · 235 阅读 · 0 评论 -
tensorflow图像数据增强预处理
灰度图添加随机高斯噪音 def gauss_image(image, std): image_f = tf.cast(image, tf.float32) gs = std * tf.random_normal(tf.shape(image))#创建噪声图像 image_gauss = image_f + gs imag...原创 2019-11-21 11:04:28 · 919 阅读 · 0 评论 -
Unet++ 网络tensorflow版(slim实现)
import tensorflow as tfimport numpy as npimport tensorflow.contrib.slim as slimimport osfrom tensorflow.data import Datasetreg = slim.l2_regularizer(scale=0.001) def standard_unit(input_tenso...原创 2019-11-01 11:04:15 · 2402 阅读 · 3 评论 -
resnet50结构图
原创 2019-09-09 16:27:30 · 2072 阅读 · 0 评论 -
YOLACT结构图
原创 2019-09-07 21:42:36 · 1698 阅读 · 0 评论 -
yolact模型结构探索
yolact是今年产生的高效率实时实例分割模型,最近试图研究了一下,希望能有更深入了解。论文地址:https://arxiv.org/abs/1904.02689源码:https://github.com/dbolya/yolact.git相关理论先放一张yolact的结构图:特征提取网络backbone可以采用resnet101,resnet50甚至vgg16等。然后有3...原创 2019-08-30 10:32:00 · 6215 阅读 · 15 评论 -
Unet在电池分割项目上应用
Unet网络结构源码(slim实现):输出结果为单通道,激活函数采用leakreludef lrelu(x): return tf.maximum(x * 0.2, x) activation_fn=lreludef upsample_and_concat(x1, x2, output_channels, in_channels): pool_size = 2 ...原创 2019-08-29 12:07:00 · 364 阅读 · 0 评论 -
Keras训练模型在C++tensorflow上的运用实践(visual studio2015)
说到深度学习一般都是在python环境上实施的。几大深度学习框架中Keras代码简洁性,十分利于上手。而可惜的是Keras本身没有C++接口,而一般的生产环境都需要C++环境支持。所以能够在C++上部属深度学习模型至关重要。所需环境:1.visual studio 2015(必须2015以上,2010不可以!)2.tensorflow C++接口(lib文件和includ...原创 2018-11-28 16:24:07 · 2390 阅读 · 4 评论