自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(10)
  • 收藏
  • 关注

原创 【论文笔记】_RepVGG: Making VGG-style ConvNets Great Again

RepVGG: Making VGG-style ConvNets Great Again【论文笔记】1.介绍2.相关工作2.1. From Single-path to Multi-branch2.2.Effective Training of Single-path Models2.3.Model Re-parameterization2.4.Winograd Convolution3. 通过结构重参数化构建RepVGG3.1.Simple is Fast, Memory-economical, Fle

2021-02-02 19:21:20 560

原创 OpenFace粗糙使用备忘

写在前面:一个偶然的机会帮同学配置MIMAMO-Net添加链接描述的环境,接触到OpenFace添加链接描述这个工具包,里面的一些东西不太好找,于是把它记录到这里备忘。OpenFace初识与使用MIMAMO-Net中有一个步骤:用到OpenFace来裁剪与对其人脸,这是OpenFace这个工具包可以完成的工作之一。OpenFace是一个开源的人脸行为分析工具包,它可以完成的工作大致有以下几个:facial landmark detectionhead pose estimationfaci

2021-01-07 23:57:23 325

原创 Linux命令集锦备忘【2】

一、关于NVIDIA GPU1、安装驱动:lspci | grep -i nvidia #查看nvidia GPUapt install pciutils #lspci命令出问题时,安装pciutils#禁用nouveaulsmod | grep nouveau #若无输出,表示已经禁用sudo gedit或vi或vim等 /etc/modprobe.d/blacklist.conf#在blacklist.conf最后一行添加:blacklist nouveauoptions nouve

2021-01-07 20:48:56 231

原创 Datawhale目标检测打卡笔记【4、训练与测试】

一、模型训练与测试1.1、模型训练目标检测网络的训练大致流程:1、设置超参数2、定义数据加载模块 dataloader3、定义网络模型 model4、定义损失函数 loss function5、定义优化器 optimizer6、遍历训练数据,预测-计算loss-反向传播各部分典型示例代码如《datawhale动手学CV》添加链接描述这里不做过多赘述。1.2、后处理目标框信息解码模型一般不直接预测目标框信息,而预测的是anchor的偏移量,并经过编码。我们得到预测偏移量后要对其进行

2020-12-27 21:36:41 163

原创 Datawhale目标检测打卡笔记【3、损失函数】

一、损失函数概述在深度学习中,损失函数反映模型最后预测结果与实际真值之间的差距,用以分析训练过程的好坏、模型是否收敛等,例如均方误差、交叉熵损失之类。在pytorch中,损失函数可以看做是网络的某一层而放在模型定义中,而实际使用时更偏向于作为功能函数而放到前向传播中。其中均方误差(MSE)损失主要用于回归任务,公式如下:交叉熵损失主要用于分类任务,其公式为:目标检测任务为分类+回归,其在基本的分类与回归任务基础之上逐渐发展出更加丰富、更加贴合目标检测具体任务的损失函数、如Triplet Loss

2020-12-22 20:46:51 331

原创 Datawhale目标检测打卡笔记【2、Anchor的一些东西】

一、Anchor概述anchor(锚点)在某些文章中也叫prior bounding box(先验框),其作用就是相当于给原是图像的目标的一个较强的先验特征。anchor的本质是在原图大小上的一些列矩形框,但因直接对原图做先验框所需计算量太大,而其中存在大量的冗余,故FasterRCNN的做法是将anchor与feature map关联。具体来说就是将原始图像经过一个CNN,最后得到的一个512维的特征图,这512维数据对应着原始图上很多不同的大小、宽高区域的特征,这些区域的中心点相同。假设下采样率默认为

2020-12-19 20:21:48 238 1

原创 CPU、GPU与FPGA的一点图【1】

架构示意图

2020-12-16 20:56:43 200

原创 体系结构/CUDA的一些东西(笔记)【1】

一、基本架构概述南桥:连接大多外设和系统北桥:包含图形总线(后被PCIE接口取代)和内存控制器(通过前端总线与内存相连)每一个PCIE2.0的lane理论可提供500MB/s带宽,其lane数可为1、4、8、16,GPU需要平台上所有外设最大带宽,一般插入由16lane构成的PCIE插槽。“对称处理器簇(SMP)”系统共享同一个通往CPU内存路径,不同CPU内存访问性能相对一致。多CPU相对单CPU多线程能力更好。AMD的Opteron与Intel的Nehalem,北桥的内存控制器直接集成到

2020-12-16 20:49:52 166

原创 Datawhale目标检测打卡笔记【1、基本理论】

一、目标检测概述及相关概念1、目标检测概述目标检测=目标类别分类+目标坐标回归即目标检测任务是在图像分类的基础上,加上目标的坐标回归,使得原本的单纯分类任务变成一张图片里多个目标的分类与定位任务。示意如下图:(引自Datawhale动手学CV-Python)2、目标检测思路及分类思路:确立多个候选框->对候选框进行分类与微调分类:基于深度学习的目标检测方法按照结构可分为one-stage与two-stage,即基于回归的目标检测方法与基于区域的目标检测方法,具体如下图:按照是否

2020-12-16 20:33:53 208

原创 Linux命令集锦备忘(Ubuntu16.04+CUDA9+pytorch0.4.1+GTX1660TI)

Linux命令集锦备忘(Ubuntu16.04+CUDA9+pytorch0.4.1+GTX1660TI)命令备忘CUDA常用GPU及CPU命令GPU命令CPU命令pytorch测试命令conda虚拟环境相关命令磁盘检查命令用户管理命令权限管理命令今日采坑命令备忘CUDA常用cat /usr/local/cuda/version.txt #查看cuda版本cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 #查看cuDNNn

2020-05-25 20:07:49 994

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

提示
确定要删除当前文章?
取消 删除