- 博客(19)
- 收藏
- 关注
RSS订阅原创 load_weights_from_hdf5_group original_keras_version = f.attrs[‘keras_version‘].decode(‘utf8‘)
根据以上错误信息，分析是使用TensorFlow加载权重文件时遇到了问题。3. 使用的是较旧的TensorFlow版本，并且权重文件是使用较新版本的Keras保存的，则可能会出现兼容性问题。1. 使用的TensorFlow版本与保存权重文件时使用的版本相匹配。如果版本不匹配，可能会导致加载权重文件失败。如果权重文件损坏或不完整，加载时可能会出现问题。根据以上分析，认为是加载模型的keras版本与保存时版本不一致导致。打印出版本后确认是否与加载模型版本一致，不一致则下载相应版本就可以啦。
2024-01-31 20:49:53
779
原创 Fast-forward merge is not possiable.To merge this request, first rebase locally
将dev 分支merge到master分支时出现以上问题，无法自动merge。9. push到dev分支：git push origin dev。10.强制push: git push -f origin dev。1.首先查看本地分支及远程分支：git branch -a。4.切换到dev分支：git checkout dev。远程分支： dev(开发分支)和 master。push成功以后就可以自动merge啦！3. 再重新查看本地分支及远程分支。此时不显示远程分支master。test.py不一致。
2023-09-06 11:03:01
949
原创 Permission denied (publickey).fatal: Could not read from remote repository.
生成密钥：ssh-keygen -t rsa -C "email"，其中 email是github的登陆邮箱，然后一直按回车键；同级目录下会出现密钥。第三步：登录github账号，进入个人设置User settings--->ssh keys-->new ssh key 添加密钥即可。因而需要获取本地电脑公钥，然后登录github账号，添加公钥至github就可以了.原因：服务器公钥（publickey）未添加至。第二步： 进入id_rsa.pub, 复制密钥。
2023-08-17 22:36:53
2261
原创 pip安装包时，MODULENOTFOUNDERROR: NO MODULE NAMED ‘_CTYPES‘ 报错的解决方法
一、错误Python3中有个内置模块叫ctypes，它是Python3的外部函数库模块，它提供兼容C语言的数据类型，并通过它调用Linux系统下的共享库(Shared library)，此模块需要使用CentOS7系统中外部函数库(Foreign function library)的开发链接库(头文件和链接库)。2.从./configure重新安装(参考。
2023-06-07 14:49:39
1179
原创 Linux安装python3.8
为了加快构建时间，请修改-j以使其对应于处理器中的内核数。可以通过键入nproc查找编号。不要使用标准的make install，因为它将覆盖默认的系统python3二进制文件。7.此时，Python 3.8已安装并准备使用。一、当默认python版本低于python3.8时，需要手动安装。输出Python 3.8.0。三、此时可以创建虚拟环境。
2023-06-07 14:37:55
1640
原创 ImportError: /usr/lib/x86_64-linux-gnu/libstdc++.so.6: version `GLIBCXX_3.4.22‘not found问题
1、使用下列命令查看/usr/lib/x86_64-linux-gnu/libstdc++.so.6对应的软连接信息，查看其版本。5、指定加载库的路径：export LD_LIBRARY_PATH=/root/anaconda3/envs/list/lib。2、使用下述命令查看libstdc++.so.6链接包含的动态库，确认其是否包含GLIBCXX_3.4.22。3、检查其他环境是否有libstdc++.so.6版本：find -name libstdc++.so.6*
2023-05-11 11:29:16
1577
原创 端到端OCR算法：Real-time Arbitrarily-Shaped Text Spottingwith Point Gathering Network(PGNet)
1、PGNet网络结构2、PG-CTC3、GRM1、PGNet网络结构图1 PGNet算法流程图 该网络结构主要包括主干网络、TBO、TCL、TDO以及TCC。其中，TBO(Text Border Offset):文本边框偏移，TCL(Text Center Line): 文本中心线检测，TDO(Text Direction Offset):文本方向偏移，TCC(Text Character Classification):文本字符分类。 该算法的主要...
2022-02-22 22:02:49
1056
原创 端到端OCR算法：Towards Accurate Scene Text Recognition with Semantic Reasoning Networks(SRN）
1、SRN网络结构2、Backbone Network3、Parallel Visual Attention Module(PVAM)4、Global Semantic Reasoning Module(GSRM)5、Visual Semantic Fusion Decoder(VSFD)1、SRN网络结构图1 SRN网络流程图 如上图所示，SRN主要由四部组成：主干网络、并行视觉提取模块（PVAM）、全局语义推理模块（GSRM）和视觉语义融合解码器(VSFD...
2022-02-22 21:16:47
853
原创 添加metadata到tflite模型
1、metadata简介2、metadata工具3、过程1、metadata简介TensorFlow Lite 元数据提供了模型描述的标准。 元数据是关于模型做什么及其输入/输出信息的重要知识来源。 元数据主要由人类可读部分和机器可读部分组成。注： 在 TensorFlow Lite 托管模型和 TensorFlow Hub 上发布的所有图像模型都已添加元数据。metadata主要包括三部分：(1)模型信息：模型的总体描述以及许可条款等项。(2)输入信息：对输入和所需的预处
2022-01-17 11:43:47
3844
原创 实时姿态识别
1、姿态识别项目2、姿态估计模型选取3、分类模型选取4、姿态识别实验1、姿态识别项目需求：自然场景实时检测人体的关键点位置并判断人体的动作。即fps>=30。思路：1、首先利用姿态估计模型判断关键点位置并保存关键点位置坐标2、将关键点保存，并利用分类模型对其进行训练以分类关键点：由于要实时即终端部署，所以姿态估计以及分类模型均使用轻量级模型2、姿态估计模型选取1、movenet_lighting2、movenet_thunder3、p
2022-01-14 18:11:52
2829
原创 YOLO v5算法详解
1、YOLO v5网络结构2、输入端3、Backone网络4、Neck网络5、Head网络1、YOLO v5网络结构图 1 YOLO v5网络结构图由上图可知，YOLO v5主要由输入端、Backone、Neck以及Prediction四部分组成。其中：(1) Backbone：在不同图像细粒度上聚合并形成图像特征的卷积神经网络。(2) Neck：一系列混合和组合图像特征的网络层，并将图像特征传递到预测层。(3) Head： 对图像特征进行预测，生成边界框
2022-01-04 21:47:40
37910
13
原创 FPN网络
FPN(Feature Preamid Networks)特征图金字塔网络主要解决的是物体检测中的多尺度问题，在基本不增加原有模型计算量的情况下大幅度提升小物体的检测性能。通常一幅图像包含各种不同的物体，并且大小各异。比较理想的是一次就可以将所有大小的物体同时检测出来。因此，网络必须具备能够看到不同大小的物体的能力。并且网络越深，特征图就会越小，所以越往后小的物体也就越难检测出来。在实际的feature map中，低层的feature map中主要包含低级的信息（物体边缘，颜色，初级位置信息等），但
2021-12-31 18:17:59
1458
原创 Adabert:基于Automl的BERT自适应压缩
论文链接：https://arxiv.org/pdf/2001.04246v1.pdf代码链接：https://github.com/alibaba/EasyTransfer/tree/master/scripts/knowledge_distillation随着BERT等预训练语言模型在各项任务上都取得了STOA效果，BERT这类模型已经成为 NLP 深度迁移学习管道中的重要组成部分。但 BERT 并不是完美无瑕的，这类模型仍然存在以下两个问题：模型参数量太大，训练推理速度慢。目前主要有一下几种方
2021-12-31 15:57:41
545
原创 神经网络模型压缩技术
一、当前的模型压缩方法主要有6类：网络剪枝、参数共享、量化、网络分解、网络蒸馏、紧凑网络设计。1.网络剪枝在网络训练过程中寻求一种评判机制，剔除掉不重要的连接、节点甚至卷积核，达到精简网络结构的目的。很多实验表明卷积层到全连接层存在大量冗余参数，大多是神经元被激活后的输出值区域为0，即使将这些神经元剔除也能够表达出模型特征2.参数共享主要思想是让网络中多个参数共享同一值，但具体实现方式不同。如利用K-means聚类、低秩分解、权重采样等。但可能会因为过分追求模型压缩比导致模型精度的下降。
2021-12-30 21:05:54
2252
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人