落了一地秋的博客

num_workers?Python- argparse.ArgumentParser()用法解析Python- argparse.ArgumentParser()用法解析代码折叠图像预处理之减去RGB均值 rgb_mean = (104, 117, 123)图像预处理之减去RGB均值_utils.IntermediateLayerGetter 取出网络中间层输出cudnn.benchmark = Truecudnn.benchmark = TruePytorch中net.ev

Retinaface代码解读------先验框如何生成utils.anchors.py加以注解代码如下加以注解代码如下最后有散点效果图,可任意看看效果from itertools import product as productfrom math import ceilimport numpy as npimport torchclass Anchors(object): def __init__(self, cfg, image_size=None, phase='trai

深度可分离卷积理解标准卷积的参数量和计算量这里的12改成8举的例子是：一张图片，与256个卷积核做运算，卷积核的尺寸是 Dk×Dk×M ，一共有 N 个，每一个都要进行 Dw×Dh 次运算深度可分离卷积的参数量计算量这里同样最后的 12 改为 8深度卷积的卷积核尺寸 Dk×Dk×M ；逐点卷积的卷积核尺寸为 1×1×M ，一共有 N 个理解：深度可分离卷积 简单来说就是1.深度卷积做卷积运算的时候没有求和运算，换个理解就是说把 DkXDkXM 拆成 M 个 DkXDkX1 的卷积