![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
下大禹了
这个作者很懒,什么都没留下…
展开
-
关于读取图片自动旋转的解决方法
近期在做数据增强时,发现部分图片查看时是正常显示的,然而经过PIL读取后,显示或保存的图片是旋转了的,经过查找原因后,发现是图片查看器在处理Exif上存在着差异,解决方法为:https://cloud.tencent.com/developer/article/1523050...转载 2021-06-30 14:34:58 · 1537 阅读 · 0 评论 -
安装caffe报错error This file requires compiler and library support for the ISO C++ 2011 standard
报错error: #error This file requires compiler and library support for the ISO C++ 2011 standard. This support is currently experimental, and must be enabled with the -std=c++11 or -std=gnu++11 compiler options.找了很多方法都不管用,参考https://www.edoou.com/articles/1原创 2021-05-20 16:31:37 · 530 阅读 · 0 评论 -
mmdetection初步运行
1.安装conda虚拟环境时,按照官方说明一次就正常安装好了;2.需要提前下载模型权重,运行时会自动下载resnet等模型的预训练权重,可以提前下载好后放进对应的隐藏文件夹内;3.运行推理代码:python demo/image_demo.py 'demo/demo.jpg' 'configs/detectors/detectors_cascade_rcnn_r50_1x_coco.py' 'checkpoints/detectors_cascade_rcnn_r50_1x_coco-32a10ba0原创 2021-04-12 10:59:13 · 2698 阅读 · 9 评论 -
使用numpy和pandas读取含有中文及字母的csv文件
正常读取会报格式错误p = r'hw1_data/train.csv'f = np.loadtxt(p, dtype=str, delimiter=',')print(f)numpy读取csv文件时,dtype默认为float,有字母时,需要改为str,但是当文件中有中文时,依然报错:UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa4 in position 0: invalid start byte。改变编码格式:f = np.l原创 2021-01-19 17:37:13 · 2304 阅读 · 4 评论 -
初探PaddlePaddle的静态图与动态图
最近学习paddle的分割框架,使用了paddle的动态图,自己实现了一遍,发现和pytorch的结构很相似,再把静态图也实现了遍,果然又和tensorflow相似。下面是mnist的两种实现,顺便把paddle的优化器和学习率调整也学习了,paddle支持动态图和静态图的转换,下次再尝试。静态图:import paddleimport numpy as npimport paddle.fluid as fluidepoch_num = 10BATCH_SIZE = 64train_read原创 2020-10-26 09:29:04 · 2374 阅读 · 0 评论 -
百度飞桨AIStudio平台持久化安装环境
每次在AIStudio上重启项目都要在再安装一次环境,这是因为默认的安装位置在重启后还原了,只需在项目下新建个文件夹存放安装环境即可。# 如果需要进行持久化安装, 需要使用持久化路径, 如下方代码示例:# If a persistence installation is required, you need to use the persistence path as the following:!mkdir /home/aistudio/external-libraries!pip install原创 2020-10-04 11:31:57 · 3625 阅读 · 1 评论 -
深度学习中遇到的一些tricks
1. 在推理时使用torch.backends.cudnn.benchmark = true,可以让内置的 cuDNN 的 auto-tuner 自动寻找最适合当前配置的高效算法,来达到优化运行效率的问题。一般来讲,应该遵循以下准则:如果网络的输入数据维度或类型上变化不大,设置 torch.backends.cudnn.benchmark = true 可以增加运行效率;如果网络的输入数据在每次 iteration 都变化的话,会导致 cnDNN 每次都会去寻找一遍最优配置,这样反而会降低运行效率原创 2020-08-04 09:45:47 · 153 阅读 · 0 评论 -
Pytorch在训练过程中常见的问题
1 Input type (CUDAFloatTensor) and weight type (CPUFloatTensor) should be the same仔细看错误信息,CUDA和CPU,输入数据x和模型中的权重值类型不一样,一般来说是因为模型的参数不在GPU中,而输入数据在GPU中,通过添加model.cuda()将模型转移到GPU上以解决这个问题。2 Input type (CUDADoubleTensor) and weight type (CUDAFloatTensor) should转载 2020-06-15 15:45:08 · 1963 阅读 · 0 评论 -
yolov3,yolov3-spp转onnx再转tensorrt填坑记录
1.官方代码使用python2转的onnx,比如这份代码:https://github.com/Cw-zero/TensorRT_yolo3_module这里有份使用python3转onnx的代码:https://github.com/jkjung-avt/tensorrt_demos2.报错ERROR: ValueError: not enough values to unpack (expected 2, got 1)yolov3.cfg文件使用官方提供的,有两点需注意:一.两层之间至少有1条空线原创 2020-06-05 16:54:24 · 4515 阅读 · 11 评论 -
安装torch2trt 和TensorRT 踩坑记录
以前一直以为pytorch模型转tensorrt的话,需要先转onnx才行,突然发现还有torch2trt这个东东,可以直接转torch模型为tensorrt。安装torch2trttorch2trt下载地址:https://github.com/NVIDIA-AI-IOT/torch2trtreadme上有安装说明,按他说的干就是,安装中出了一个问题,在执行sudo python setu...原创 2020-05-08 16:43:20 · 17468 阅读 · 16 评论 -
解决 ImportError: libcublas.so.10.0: cannot open shared object file: No such file
遇到这个问题整了一上午,按网上说的换了很多个tf版本,然并卵,中间也加了很多骚操作,最后把版本又换回推荐的版本,总算解决了.个人环境是Ubuntu 18.04.2 LTS , python3.6, cuda10.0.130, cudnn:7.4.2, 最后安装的tensorflow版本为tensorflow-gpu==1.13.1中间试了很多方法,具体是哪个方法解决了问题我也不知道了(换了tf...原创 2019-07-19 11:36:31 · 1237 阅读 · 0 评论 -
准确率(accuracy),精确率(Precision),召回率(Recall)和综合评价指标(F1-Measure )
自然语言处理(ML),机器学习(NLP),信息检索(IR)等领域,评估(evaluation)是一个必要的工作,而其评价指标往往有如下几点:准确率(accuracy),精确率(Precision),召回率(Recall)和F1-Measure。 本文将简单介绍其中几个概念。中文中这几个评价指标翻译各有不同,所以一般情况下推荐使用...转载 2018-12-24 17:25:36 · 452 阅读 · 1 评论 -
深度学习5:TensorFlow数据保存于恢复
保存import tensorflow as tfimport numpy as npw = tf.Variable([[11,12,13],[22,23,25]],dtype=tf.float32,name="weights")b = tf.Variable([[7,8,9]],dtype=tf.float32,name="原创 2018-12-22 22:03:28 · 144 阅读 · 0 评论 -
深度学习4:全连接MLP(mnist)
import tensorflow.examples.tutorials.mnist.input_data as input_datamnist = input_data.read_data_sets("MNIST_data/",one_hot=True)import numpy as npclass MLPNet: def __init__(self): self...原创 2018-12-22 21:41:09 · 624 阅读 · 0 评论 -
深度学习3:归一化和去均值化
归一化进行归一化的原因是把各个特征的尺度控制在相同的范围内,这样可以便于找到最优解,不进行归一化时如左图,进行归一化后如右图,可发现能提高收敛效率,省事多了。 一种是最值归一化,比如把最大值归一化成1,最小值归一化成-1;或把最大值归一化成1,最小值归一化成0。适用于本来就分布在有限范围内的数据。另一种是均值方差归一化,一般是把均值归一化成0,方差归一化成1。适用于...原创 2018-12-22 21:31:46 · 5146 阅读 · 1 评论 -
深度学习2:激活函数
激活函数的作用提供非线性能力激活函数的性质1、处处可微分2、增强鲁棒性3、值域是-1到1或者0到1,定义域负无穷到正无穷。定义域在-1到1之间的函数图像梯度很大,而在其他地方梯度很小常见激活函数(1) sigmoid函数 sigmoid 可处理二分类问题 优点:1.Sigmoid函数的输出映射在(0,1)之间,单调连续,输出范围有限,...原创 2018-12-22 21:04:23 · 470 阅读 · 0 评论 -
一文搞懂交叉熵在机器学习中的使用,透彻理解交叉熵背后的直觉
版权声明:本文为博主原创文章,转载请注明出处。 https://blog.csdn.net/tsyccnh/article/details/79163834 </div> <div id="content_views" class="markdown_views prism-atom-one-dark...转载 2018-12-22 17:28:23 · 177 阅读 · 0 评论