![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch
文章平均质量分 77
weixin_40293999
前几年web后端,后来AI深度学习,会一些运维。 AI聚焦于CV领域,熟悉nlp
展开
-
【深度学习】--情感分类-附带全套代码(网络结构:编码+全连接)
【代码】【深度学习】--情感分类-附带全套代码(网络结构:编码+全连接)原创 2024-06-21 00:27:52 · 173 阅读 · 0 评论 -
Pytorch 踩坑: TypeError: can‘t convert np.ndarray of type numpy.object_.The only supported types are:
问题:修改:原创 2023-11-24 21:08:14 · 305 阅读 · 0 评论 -
【深度学习】Yolov8 区域计数
很长时间没有做yolov的项目了,最近一看yolov8有一个区域计数的功能,不得不说很实用啊。b站:https://www.bilibili.com/video/BV1Ng4y1d7Yr/?原创 2023-11-04 20:00:02 · 1248 阅读 · 0 评论 -
【深度学习】- NLP系列文章之 1.文本表示以及mlp来处理分类问题
torch 是做张量计算的框架,张量只能存储数字类型的值,因此无论啥样的文本(中文、英文)都不能直接用张量表示,这就引出了文本数据的表示问题,如何表示文本数据?每个较小的文本单元称为token,将文本分解成token的过程称为分词(tokenization)。词向量表示方式依赖于单词的使用习惯,这就使得具有相似使用方式的单词具有相似的表示形式。是单词的一种数值化表示方式,一般情况下会将一个单词映射到一个高维的向量中(词向量)one-hot(独热)编码和词嵌入是将token映射到向量最流行的两种方法。原创 2023-09-13 21:00:07 · 565 阅读 · 0 评论 -
【yolov8+人/车流量统计】yolov8案例的追踪case,业务化可以变成计数,bz=4,同时追踪4路摄像头,只用一个检测模型
之前写个yolov8的一个试用版,【深度学习】Yolov8追踪从0到1, 这要是做计数啥的,简单的一批,一套工程化的代码,给自己挖了个坑,说要实现一个基于yolov8的人/车流量统计.现在要改进,想要做成能够处理多摄像头的,也就是多个摄像头共享一个算法来处理计数。原创 2023-07-31 11:08:15 · 3413 阅读 · 4 评论 -
【深度学习】以图搜索- 2021sota repVgg来抽取向量 + facebook的faiss的做特征检索, 从环境搭建到运行案例从0到1
Faiss的全称是Facebook AI Similarity Search。这是一个开源库,针对高维空间中的海量数据,提供了高效且可靠的检索方法。暴力检索耗时巨大,对于一个要求实时人脸识别的应用来说是不可取的。而Faiss则为这种场景提供了一套解决方案。Faiss从两个方面改善了暴力搜索算法存在的问题:降低空间占用加快检索速度首先,Faiss中提供了若干种方法实现数据压缩,包括PCA、Product-Quantization等。原创 2023-07-26 17:01:39 · 921 阅读 · 0 评论 -
【深度学习】yolov 图片训练的时候的遇到的warning: corrupt JPEG restored and saved
是图片在dataset.py 走验证时报的错误。f.seek(-2, 2) 是2是从尾部开始,offset=2个,也就是找到文件结尾的最后两个字符。在Python中,f.seek(offset, from_what)是一个文件对象的方法,用于在文件中移动读取/写入位置。其中,offset表示要移动的字节偏移量,from_what表示起始位置。具体地,from_what可以取以下三个值:0:从文件开头开始计算偏移量(默认值)。1:从当前位置开始计算偏移量。2:从文件末尾开始计算偏移量。原创 2023-07-21 14:25:05 · 2848 阅读 · 3 评论 -
【人群密度估计】-论文CCTrans: Simplifying and Improving Crowd Counting with Transformer 以及工程落地记录
论文地址:https://arxiv.org/pdf/2109.14483v1.pdf代码:https://github.com/wfs123456/CCTrans该论文使用的Twins-large模型权重链接已上传百度云:链接:https://pan.baidu.com/s/1QSTA7P-81_uHD6wqzk93Og提取码:8wd4。原创 2023-07-17 17:29:53 · 1006 阅读 · 1 评论 -
【深度学习】RepVGG解析和学习体会,结构重参数化的后的速度比较,代码实现
论文名称:RepVGG: Making VGG-style ConvNets Great Again论文下载地址:https://arxiv.org/abs/2101.03697官方源码(Pytorch实现):https://github.com/DingXiaoH/RepVGG大神的讲解:bilibili视频讲解:https://www.bilibili.com/video/BV15f4y1o7QR。原创 2023-06-22 19:44:40 · 646 阅读 · 0 评论 -
【深度学习】跌倒识别 Yolov5(带数据集和源码)从0到1,内含很多数据处理的坑点和技巧,收获满满
又要到做跌倒识别了。主流方案有两种:1.基于关键点的识别,然后做业务判断,判断跌倒,用openpose可以做到。但这种适合背景比较干净的,类似抖音尬舞的输出;2.基于目标监测的,有人躺下就标注为跌倒第二种方案,适合在工地,或者工厂上班的情况,因为很容易有人围观,聚集起来,方案1就容易误报,因为它为了保障速度,使用的是自下而上的方式。很容易将不同人的关键点张冠李戴,造成误报。因此我们使用方案2。原创 2023-06-06 12:21:01 · 4668 阅读 · 8 评论 -
[开发板]001瑞芯微3588s开发记录--装一个仿真环境
我是一个开发板的新手,刚买了一个瑞芯微3588s的板子,目标是要学习嵌入式的开发,也就是说把深度学习的框架,跑到板子上。万丈高楼平地起步。先把仿真环境搭建起来。仿真环境可以跑在ubuntu的机器上,但仿真环境只能运行python代码,而真是的3588s的板子是既能跑c/c++代码又能跑python代码。原创 2023-06-05 23:21:43 · 763 阅读 · 0 评论 -
【手势识别】一个很好的手势识别模型 Yolov5,可对标旷视的作品,很好用 《含数据集+源码》
项目需求,需要做一个手势识别的项目,目标对标旷视数据集在这里,我自己已经购买了, 12W+张图片,12G+,代标注。这个项目做好了,可以对标旷视的算法: https://console.faceplusplus.com.cn/documents/10065685step1:初始化数据集整理好的数据集,12W+ 19种手势, train:val=9:1names:0:one1:two_up3:three4:three25:four6:fist7:palm8:ok。原创 2023-06-02 17:25:06 · 234 阅读 · 0 评论 -
【深度学习】yolov7 pytorch模型转onnx,转ncnn模型和mnn模型使用细节
yolov7 pytorch模型转onnx,转ncnn模型和mnn模型使用细节,记录一下git仓库:前后处理是硬功夫,加油!!!原创 2023-05-31 23:02:10 · 3464 阅读 · 2 评论 -
【深度学习】Yolov8追踪从0到1, 这要是做计数啥的,简单的一批,一套工程化的代码
用了将近2年的yolov5了,之前主要做目标检测后面,还做了yolov5的分割任务和模型转换,现在又有了新任务了。是时间玩玩新模型了。最好的方式是看文档:https://docs.ultralytics.com/可以看到和以前相比,yolov已经由一个目标监测的模型,变成了一个综合魔板,可以做包括物体检查、跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。原创 2023-05-17 15:05:03 · 2339 阅读 · 7 评论 -
【多任务学习】Multi-task Learning 手把手编码带数据集, 一文吃透多任务学习
我们之前讲过的模型通常聚焦单个任务,比如预测图片的类别等,在训练的时候,我们会关注某一个特定指标的优化.但是有时候,我们需要知道一个图片,从它身上知道新闻的类型(政治/体育/娱乐)和是男性的新闻还是女性的.我们关注某一个特定指标的优化,可能忽略了对有关注的指标的有用信息.具体来说就是训练相关任务所带来的额外信息,通过在多个相关任务中共享表示,我们可以使得模型在我们原本任务上获得更好的泛化能力.这种方法就叫做多任务学习.原创 2023-05-08 00:42:31 · 3772 阅读 · 3 评论 -
【语义分割】unet结构和代码实现
Unet是2015年诞生的模型,它几乎是当segmentation项目中应用最广的模型。Unet已经成为大多做医疗影像语义分割任务的最基础的网络结构。也启发了大量研究者去思考U型语义分割网络。即使在自然影像理解方面,也有越来越多的语义分割和目标检测模型开始关注和使用U型结构Unet能从更少的训练图像中进行学习。当它在少于 40 张图的生物医学数据集上训练时,IOU 值仍能达到 92%。语义分割训练的过程很慢,因为对每一个像素分类的原因。earily stop 是必须使用的。原创 2023-03-19 11:10:27 · 8707 阅读 · 28 评论 -
【pytorch】手写数字分类全连接模型,并且出了正确率损失的效果图,逐行敲代码
夯实基础系列,pytorch内置了很多全连接模型,我们可以用它来学习这就是今天的全部知识了啊。原创 2023-03-11 17:56:57 · 211 阅读 · 0 评论 -
【pytorch 入门系列】02 手把手多分类从0到1
温故而知新,通过手把手写一个多分类任务来复习之前所学过的知识。unnamed列是序号列,没用species时分类列,一共150条数据,数据是初探有三类鸢尾花,他们是类别,但是因为torch只能处理数字,文本需要转换成数字类型 1前置就用到了Unnamed 列是用不到的,是序号列去掉,这样以来前几列是训练集,最后一列是标签 .values 返回的是numpy数据。原创 2023-03-02 14:43:01 · 512 阅读 · 0 评论 -
【pytorch 入门系列】01深度学习-入门实例线性回归--pytorch版本&自定义版本
step 3: 构建模型,数据和损失函数 训练。看这个形状,太适合线性回归了忍不住啊。基本功还得练啊,好多都忘了.step2 :读取数据。模型的公式:w@x+b。step1: 导入库。原创 2023-02-22 00:51:17 · 62 阅读 · 0 评论