MMPreTrain

最新推荐文章于 2024-05-03 10:04:38 发布
最新推荐文章于 2024-05-03 10:04:38 发布
阅读量48 收藏
点赞数
文章标签： 深度学习 人工智能 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_38655947/article/details/131050562
版权

代码仓库：GitHub - open-mmlab/mmpretrain: OpenMMLab Pre-training Toolbox and Benchmark

文档教程：Welcome to MMPretrain’s documentation! — MMPretrain 1.0.0rc8 documentation

 MMPreTrain介绍

MMPretrain 是一个全新升级的预训练开源算法框架，旨在提供各种强大的预训练主干网络，并支持了不同的预训练策略。
MMPretrain 源自 MMClassification 和 MMSelfSup，并开发了许多令人兴奋的新功能。目前，预训练阶段对于视觉识别至关重要，凭借丰富而强大的预训练模型，我们能够改进各种下游视觉任务。我们的代码库旨在成为一个易于使用和用户友好的代码库，并简化学术研究活动和工程任务。

支持多模态

 

 

 

代码框架及目录结构

 数据流

 配置文件运作方式

 经典主干网络

 精度退化问题

实验的反直觉

 

 ResNet中的俩种残差模块

 残差网络ResNet（2015）

 

 ResNet的成就和影响力

 

 Vision Transformer（2020）

 注意力机制Attention Mechanism

 什么是注意力机制

 1D数据的注意力机制

 Multi-head

 

自监督学习

 

SimCLR（ICML 2020）

Masked Autoencoders（MAE,CVPR2022）

 自监督学习

 多模态算法

CLIP（ICML 2021）

 

 BLIP（ICML 2022）

 

 

 

 

skyeKing_trueKing
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
mmpretrain介绍
m0_54741987的博客
06-08 462
需要先安装OpenMMLab mmpretrain库并下载猫狗图片数据集，然后参照官方文档中的教程进行模型训练、测试和预测。其中，${CONFIG_FILE}和${CHECKPOINT_FILE}是配置文件和模型权重文件的路径，${IMAGE_PATH}是需要预测的图像路径，可以是单张图像或一组图像路径。也可以选择其他的模型。它提供了一个端到端的分类器训练框架，包括数据加载，模型构建，模型训练和评估等功能。从官方网站下载cifar-10数据集，按照mmcls的要求，将数据集划分为训练集和验证集。
MMPretrain
qq_42186444的博客
06-10 871
首先整个mmlab都是通过使用cfg来进行配置的,所以我们如果要进行自己的resnet50配置,我们可以从官网的cfg来进行参考.首先是模型,模型分为backbone骨干网络,head就是输出头,使用neck来进行连接网络.然后最后的loss,实在模型里就定义号了,使用的是topk之后就是dataset的配置,我们使用的type是自定义的type,设置输入的train,还有val路径,之后设置val的评估指标,使用top1.下面就是训练时候的配置,循环次数,还有优化器。
MMpretrain训练
weixin_39478158的博客
06-07 195
配置环境后，克隆MM代码，安装mmlab命令行工具openmim，利用其中指令安MM。根据配置文件修改参数，有模型、数据集、规划和运行四个配置文件。训练时在模型配置文件中增加模型预训练权重加快训练收敛速度。训练结束后测试，可用analyze等命令对测试保存的结果进行分析。通过inference API使用训练的模型对真实图片进行实验，相比inference_model能配置更多参数。
MMpretrain
weixin_39478158的博客
06-06 144
MMpretain是一个用来预训练模型的框架，目前支持很多经典的主干网络和多模态、自监督学习模型。经典主干网络，主要是ResNet系列，残差网络有效缓解了深层网络的网络退化表现。Vision transformer，主要是将图片token化，使用注意力机制，实现层次化特征学习。自监督学习，可以分为基于各种代理任务、基于对比学习和基于掩码学习。MAE认为模型只有理解图片的内容掌握图片上下文信息才能恢复图片中被遮挡的内容；IBOT结合了对比学习和掩码学习，DINOv2基于iBOT进行了改进。
mmpretrain
qq_69580270的博客
06-10 53
1.训练代码2.评估代码或3.推理代码。
长尾问题之LDAM mmpretrain模块
12-15
长尾问题之LDAM mmpretrain模块 免费的，如果平台瞎操作，私聊我
包含mmdeploy、mmdetection、mmpretrain源码，已跑通可运行
03-02
包含mmdeploy、mmdetection、mmpretrain源码，已跑通可运行
深度学习课程第一次作业, 基于mmPreTrain实现..zip
02-19
【项目资源】： 包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。 ... 【项目质量】： 所有源码都经过严格测试，...
深度学习预训练库，集成各种经典backbone，基于OpenMMLab_MMPretrain库！！！.zip
02-19
人工智能-项目实践-深度学习
深度学习预训练库，集成各种经典backbone，基于OpenMMLab-MMPretrain库！！！.zip
02-11
【项目资源】： 包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。 ... 【项目质量】： 所有源码都经过严格测试，...
基于光伏电站真实数据集的深度学习预测模型（Python代码，深度学习五个模型）
qq_40840797的博客
04-29 468
3.模型（LSTM；LSTM_transform模型）评价指标。前6行的10列数据（黄色部分）作为特征输入，第7行的第10列数据（红色部分）为标签。每一行前9列（黄色部分） 作为特征输入，每一行的第10列值作为标签（红色部分）根据已获取的历史数据预测下一个时间点或者未来多个时间点 更符合实际。5. 对数据集和代码感兴趣的，可以关注最后一行。1min是以1min 间隔采集的数据集。这里分别保存了不同间隔采样时间表格。数据集截图（开始位置截图）4.效果图(测试集)
强化学习和深度学习的差异对比
天道酬勤
04-26 1095
它是通过展示大量的图片和相应的标签（例如，“猫”、“狗”等）来学习识别模式的，就像是你通过看不同的猫的图片来学习认识猫一样。如果你的问题涉及到需要做出一系列连续的决策，并且需要考虑环境的反馈以优化某种目标（比如控制机器人、制定金融投资策略等），那么强化学习可能是更合适的选择。有时，深度学习和强化学习可以结合使用，形成深度强化学习（DRL），以利用深度学习在表征学习方面的优势，并将其与强化学习的决策能力结合起来。强化学习通常需要更少的标记数据，因为学习是通过与环境的交互来实现的，而不是直接从标记数据中学习。
笔记12-远程服务器上配置linux深度学习C++环境全过程记录（笔记1和2的同样环境第3次配置）
tfxzgp的博客
04-29 756
（笔记1和2在windows上装的同样环境在远程服务器上配置）
深度学习之基于Vgg16卷积神经网络印度交警手势识别系统
最新发布
Q1744828575的博客
05-03 920
一、项目背景随着智能交通系统的发展，手势识别技术成为了一个关键组成部分，特别是在交通管理领域。在印度等人口稠密、交通繁忙的国家，交警手势在指挥交通中扮演着至关重要的角色。然而，由于人为因素和环境因素的影响，传统的交警手势识别方法往往存在识别不准确、反应速度慢等问题。因此，本项目旨在利用深度学习技术，特别是VGG16卷积神经网络，构建一个能够准确、快速地识别印度交警手势的系统。二、项目目标本项目的主要目标是通过深度学习技术，利用VGG16卷积神经网络实现对印度交警手势的自动、准确识别。
VoxAtnNet:三维点云卷积神经网络
qq_45880982的博客
04-28 674
面部生物识别是智能手机确保可靠和可信任认证的重要组件。然而，面部生物识别系统容易受到呈现攻击（PAs）的影响，且随着更复杂的呈现攻击工具，如3D硅胶面部面具的可用性，攻击者可以轻易欺骗面部识别系统。在这项工作中，作者提出了一种基于智能手机前置摄像头捕获的3D点云的新型呈现攻击检测（PAD）算法，以检测呈现攻击。所提出的PAD算法VoxAtnNet处理3D点云以获得 Voxel 化以保留空间结构。然后，使用新型卷积注意力网络对 Voxel 化的3D样本进行训练，以在智能手机上检测PAs。
深度学习基础
记录一下学习历程
05-01 452
深度学习基础
YOLOv5改进之bifpn
weixin_47060902的博客
05-01 165
YOLOv5改进之Bifpn，小目标涨点
深度学习之基于Matlab NN的伦敦房价预测
Q1744828575的博客
04-30 874
一、项目背景房价预测是房地产领域的一个重要问题，对于投资者、开发商以及政策制定者等都具有重要的指导意义。随着深度学习技术的不断发展，其在房价预测领域的应用也越来越广泛。本项目旨在利用Matlab神经网络（NN）工具箱，构建一个基于深度学习的伦敦房价预测模型，以实现对伦敦地区房价的准确预测。二、项目目标数据收集与预处理：收集伦敦地区的房价数据，包括房屋类型、面积、地理位置、周边环境等信息，并进行数据清洗、去噪、标准化等预处理操作，以提高数据质量。
深度学习论文:Local Feature Matching Using Deep Learning: A Survey
mingo_敏
04-28 943
近年来，深度学习模型的引入引发了对局部特征匹配技术的广泛探索。本文旨在全面概述局部特征匹配方法。这些方法根据是否使用检测器分为两大类。基于检测器的方法包括“先检测后描述”、联合检测与描述、“先描述后检测”以及基于图的技术。相比之下，无检测器的方法则包括基于CNN、基于Transformer和基于Patch的方法。下图展示了局部特征匹配方法的代表性时间线本文对局部特征匹配方法的划分。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值