softmax.yml文件

最新推荐文章于 2024-08-24 14:30:16 发布
最新推荐文章于 2024-08-24 14:30:16 发布
阅读量122 收藏
点赞数
分类专栏： DeepLearning
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_39060517/article/details/117416069
版权

参数配置文件：yaml的基础使用

深度学习项目中在yaml文件中定义配置，以及使用的python的PyYAML库包读取解析yaml配置文件

YAML (YAML Aint Markup Language)是一种标记语言，通常以.yml或者.yaml为后缀的文件，是一种直观的能够被电脑识别的数据序列化格式，并且容易被人类阅读，容易和脚本语言交互的，可以被支持YAML库的不同的编程语言程序导入，一种专门用来写配置文件的语言。可用于如： Java，C/C++, Ruby, Python, Perl, C#, PHP等。

作用类似于json 主要用于参数配置

YML语法

大小写敏感
使用缩进表示层级关系
缩进时不允许使用Tab键，只允许使用空格。
缩进的空格数目不重要，只要相同层级的元素左侧对齐即可
#表注释

  1. 约定
    k: v 表示键值对关系，冒号后面必须有一个空格
    使用空格的缩进表示层级关系，空格数目不重要，只要是左对齐的一列数据，都是同一个层级的
    大小写敏感
    缩进时不允许使用Tab键，只允许使用空格。
    松散表示，Java中对于驼峰命名法，可用原名或使用-代替驼峰，如java中的lastName属性,在yml中使用lastName或 last-name都可正确映射。
  2. 键值关系
    (以Java语言为例，其它语言类似)对于键与值主要是看能否表示以下内容。普通的值(数字、字符串、布尔)、日期、对象、数组、集合等。
  1. 普通值(字面量)
    k: v：字面量直接写；

字符串默认不用加上单引号或者双绰号；

“”: 双引号；不会转义字符串里面的特殊字符；特殊字符会作为本身想表示的意思

name: “zhangsan \n lisi”：输出；zhangsan 换行 lisi

‘’：单引号；会转义特殊字符，特殊字符最终只是一个普通的字符串数据

  • 数组：一组按次序排列的值，序列 / 列表
    数组前加有 “-” 符号，符号与值之间需用空格分隔

后缀为 ：yml 或者yaml

  • 冒号：后必须有空格
MODEL:
  PRETRAIN_PATH: '/home/enrsuwg/.cache/torch/hub/checkpoints/resnet50-19c8e357.pth'


INPUT:
  SIZE_TRAIN: [256, 128]
  SIZE_TEST: [256, 128]
  PROB: 0.5 # random horizontal flip
  RE_PROB: 0.5 # random erasing
  PADDING: 10

DATASETS:
  NAMES: ('market1501')

DATALOADER:
  SAMPLER: 'softmax'
  NUM_WORKERS: 8

SOLVER:
  OPTIMIZER_NAME: 'Adam'
  MAX_EPOCHS: 120
  BASE_LR: 0.00035
  BIAS_LR_FACTOR: 1
  WEIGHT_DECAY: 0.0005
  WEIGHT_DECAY_BIAS: 0.0005
  IMS_PER_BATCH: 64

  STEPS: [30, 55]
  GAMMA: 0.1

  WARMUP_FACTOR: 0.01
  WARMUP_ITERS: 5
  WARMUP_METHOD: 'linear'

  CHECKPOINT_PERIOD: 20
  LOG_PERIOD: 20
  EVAL_PERIOD: 20

TEST:
  IMS_PER_BATCH: 128

OUTPUT_DIR: "/home/haoluo/log/reid/market1501/softmax_bs64_256x128"

https://github.com/Xilinx/Vitis-AI/blob/master/models/AI-Model-Zoo/model-list/cf_FPN-resnet18_EDD_320_320_45.3G_1.3/model.yaml

# model.yaml
# Copyright 2019 Xilinx Inc.
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.


description: FPN(ResNet18) segmentation on EDD2020.
input size: 320*320
float ops: 45.3G
task: segmentation
framework: caffe
prune: 'no'
version: 1.3
files:
- name: cf_FPN-resnet18_EDD_320_320_45.3G_1.3
  type: float & quantized
  board: GPU
  download link: https://www.xilinx.com/bin/public/openDownload?filename=cf_FPN-resnet18_EDD_320_320_45.3G_1.3.zip
  checksum: 9147cfb2a8e09442988bf8cc21c2c305
- name: FPN_Res18_Medical_segmentation
  type: xmodel
  board: zcu102 & zcu104
  download link: https://www.xilinx.com/bin/public/openDownload?filename=FPN_Res18_Medical_segmentation-zcu102_zcu104-r1.3.1.tar.gz
  checksum: f19949ab5b4250e79e25bda115ab321a
- name: FPN_Res18_Medical_segmentation
  type: xmodel
  board: vck190
  download link: https://www.xilinx.com/bin/public/openDownload?filename=FPN_Res18_Medical_segmentation-vck190-r1.3.1.tar.gz
  checksum: 78e34bae159c2a0ef9c1cd942d90aaa8
- name: FPN_Res18_Medical_segmentation
  type: xmodel
  board: u50
  download link: https://www.xilinx.com/bin/public/openDownload?filename=FPN_Res18_Medical_segmentation-u50-r1.3.1.tar.gz
  checksum: 9e4cba54a501a808a7866e6b8bb963fc
- name: FPN_Res18_Medical_segmentation
  type: xmodel
  board: u50lv9e & u50lv10e & u280
  download link: https://www.xilinx.com/bin/public/openDownload?filename=FPN_Res18_Medical_segmentation-u50lv-u280-r1.3.1.tar.gz
  checksum: b4412be95bacb53d41db11bb1e780bae
- name: FPN_Res18_Medical_segmentation
  type: xmodel
  board: u50-v3me & u50lv-v3me & u280-v3me
  download link: https://www.xilinx.com/bin/public/openDownload?filename=FPN_Res18_Medical_segmentation-u50-u50lv-u280-v3me-r1.3.1.tar.gz
  checksum: bf5195dc8cad6d5006bb062da1812ad5
license: https://github.com/Xilinx/Vitis-AI/blob/master/LICENSE
PaddleOCR识别框架解读[08] 文本识别rec模型构建
我是天才很好
03-08 248
PaddleOCR识别框架解读[08] 文本识别rec模型构建
yml文件
weixin_54880923的博客
03-30 7852
一、概述 与properties文件，json格式三者都是配置文件；yaml 语言可以编写 .yml 文件，相比之下，YAML 是专门用来写配置文件的语言，非常简洁和强大，远比 JSON 格式方便。 二、yml配置文件 2.1 yml分析 ——一种基于Unicode容易阅读，容易和脚本语言交互的，用来表达资料序列的编程语言。 ——适应场景 脚本语言：由于实现简单，解析成本很低，YAML 特别适合在脚本语言中使用 —— 序列化： YAML是由宿主语言数据类型直转，的比较适合做序列化。 —— 配置文件：写 YA
.yml文件
Ghost_war的博客
03-20 1705
.yml文件与.properties文件类似 .yml是树形结构 需要注意以下几点： 1、在properties文件中是以”.”进行分割的， 在yml中是用”:”进行分割; 2、yml的数据格式和json的格式很像，都是K-V格式，并且通过”:”进行赋值； 3、在yml中缩进一定不能使用TAB，否则会报很奇怪的错误；（缩进特么只...
SpringBoot配置相关（yml文件，多环境配置...）
最新发布
c1tenj2的博客
08-24 1707
YAML（YAML Ain't Markup Language），一种数据序列化格式。YMAL文件扩展名.yml（主要用这个）.yaml语法规则1.大小写敏感2.属性层级关系使用多行描述，每行结尾使用冒号结束3.使用缩进表示层级关系，同层级左侧对齐，只允许使用空格(不允许使用Tab键)。空格的个数并不重要，只要保证同层级的左侧对齐即可。4.属性值前面添加空格（属性名与属性值之间使用冒号+空格作为分隔）5. # 表示注释。
application.yml文件
guozhe888的博客
07-22 118
#SpringBoot配置mysql信息 spring: datasource: driver-class-name: com.mysql.jdbc.Driver url: jdbc:mysql:///jt?useUnicode=true&characterEncoding=utf8&useSSL=false username: root password: root #SpringBoot整合Mybatis配置 mybatis: #指定UserMap
.yml是什么文件
true_emptiness的博客
06-12 1万+
​。
Rasa Core开发指南
热门推荐
老蒋也疯狂
06-19 1万+
文章目录1. Rasa Core简介1.1 Rasa Core消息处理流程1.2 安装Rasa Core2. Dialogue模型训练2.1 Story样本数据2.2 Domain2.2.0 intents2.2.1 actions2.2.2 templates2.2.3 entities2.2.4 slots3 .训练和使用对话模型3.1 训练对话模型3.2 使用对话模型4. 搭建CustomA...
def train_lstm(n_symbols,embedding_weights,x_train,y_train,x_test,y_test): print 'Defining a Simple Keras Model...' model = Sequential() # or Graph or whatever model.add(Embedding(output_dim=vocab_dim, input_dim=n_symbols, mask_zero=True, weights=[embedding_weights], input_length=input_length)) # Adding Input Length model.add(LSTM(output_dim=50, activation='tanh')) model.add(Dropout(0.5)) model.add(Dense(3, activation='softmax')) # Dense=>全连接层,输出维度=3 model.add(Activation('softmax')) print 'Compiling the Model...' model.compile(loss='categorical_crossentropy', optimizer='adam',metrics=['accuracy']) print "Train..." # batch_size=32 model.fit(x_train, y_train, batch_size=batch_size, epochs=n_epoch,verbose=1) print "Evaluate..." score = model.evaluate(x_test, y_test, batch_size=batch_size) yaml_string = model.to_yaml() with open('../model/lstm.yml', 'w') as outfile: outfile.write( yaml.dump(yaml_string, default_flow_style=True) ) model.save_weights('../model/lstm.h5') print 'Test score:', score
06-06
训练完成后，将模型的结构保存为 yaml 文件，将模型的权重保存为 h5 文件。最后，输出模型在测试集上的得分。 需要注意的是，该函数中的一些变量需要事先定义，比如输入数据的维度、Embedding 层的输出维度、LSTM ...
def train_lstm(n_symbols,embedding_weights,x_train,y_train,x_test,y_test): print ('Defining a Simple Keras Model...') model = Sequential() # or Graph or whatever model.add(Embedding(output_dim=vocab_dim, input_dim=n_symbols, mask_zero=True, weights=[embedding_weights], input_length=input_length)) # Adding Input Length model.add(LSTM(output_dim=50, activation='tanh', inner_activation='hard_sigmoid')) model.add(Dropout(0.5)) model.add(Dense(3, activation='softmax')) # Dense=>全连接层,输出维度=1 model.add(Activation('softmax')) print ('Compiling the Model...') model.compile(loss='categorical_crossentropy', optimizer='adam',metrics=['accuracy']) print ("Train...") # batch_size=32 model.fit(x_train, y_train, batch_size=batch_size, epochs=n_epoch,verbose=1) print ("Evaluate...") score = model.evaluate(x_test, y_test, batch_size=batch_size) yaml_string = model.to_yaml() with open('../model/lstm.yml', 'w') as outfile: outfile.write( yaml.dump(yaml_string, default_flow_style=True) ) model.save_weights('../model/lstm.h5') print ('Test score:', score) print ('Setting up Arrays for Keras Embedding Layer...') n_symbols,embedding_weights,x_train,y_train,x_test,y_test=get_data(index_dict, word_vectors,combined,y) print ("x_train.shape and y_train.shape:") print x_train.shape,y_train.shape train_lstm(n_symbols,embedding_weights,x_train,y_train,x_test,y_test)
06-06
9. 将模型的结构保存为YAML文件，将模型的权重保存为HDF5文件。 在函数中，还调用了get_data函数，用于获取训练和测试集。最后，函数输出了模型在测试集上的损失和准确率。 需要注意的是，这段代码中有一些打印...
MultiLSTM预测Mnist
macb007的博客
03-14 951
#!/usr/bin/python3 # -*-coding:utf-8 -*- # @Time :2018/3/14 # @Author :machuanbin """ tensorflow :1.3.0 pandas: 0.19.2 """ import tensorflow as tf import os from tensorflow.examples.tutorials....
yml配置文件使用
09-07
Spring Boot中yml配置文件的使用一些规则，一些注意点等等~
什么是yml文件
Life.Trim
01-31 1万+
YML文件格式是YAML (YAML Aint Markup Language)编写的文件格式，YAML是一种直观的能够被电脑识别的的数据数据序列化格式，并且容易被人类阅读， 容易和脚本语言交互的，可以被支持YAML库的不同的编程语言程序导入，比如： C/C++, Ruby, Python, Java, Perl, C#, PHP等。YML文件是以数据为核心的，比传统的xml方式更加简洁。 YML...
yml文件介绍
Ting1king的博客
08-20 1303
文章目录配置普通数据4.1.2.2.1 配置普通数据4.1.2.2.2 配置对象数据4.1.2.2.2 配置Map数据4.1.2.2.3 配置数组（List、Set）数据获取数据 yml配置文件的语法： 配置普通数据 4.1.2.2.1 配置普通数据 语法： key: value 示例代码： name: haohao 注意：value之前有一个空格 4.1.2.2.2 配置对象数据 语法： ​ key: ​ key1: value1 ​ key2: value2 ​ 或者： ​
yml配置文件
cl的博客
01-17 947
前面我们一直使用springboot项目创建完毕后自带的application.properties进行属性的配置，那其实呢，在springboot项目当中是支持多种配置方式的，除了支持properties配置文件以外，还支持另外一种类型的配置文件，就是我们接下来要讲解的yml格式的配置文件。
yml文件使用
JonLoveJane的博客
11-20 2854
yml文件是springboot推荐使用的配置文件格式，它相较于propertites格式文件更强大，比如可以实现SpEl表达式、松散绑定等等。
yml
renzhe2017的博客
02-14 409
before_script: - docker info stages: - build - test - deploy build: stage: build script: - docker-compose build - docker-compose -f docker-compose-ci.yml up -d test: stage: test
Yml文件格式
xvnmeng的博客
03-05 767
文档开始、结束 一份yml文件可以有多份文档,—开始，…结束 --- 文档开始 文档内容 文档结束 ... 列表 -表示列表 // 对应于Json的[ [ 'A', 'B', 'C' ], [ 'D', 'E', 'F' ] ] // 也可以直接使用：[ [ 'A', 'B', 'C' ], [ 'D', 'E', 'F' ] ] - - A - B - C - ...
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