wq_0708的博客

Pytorch中常用的Tensor操作：scatter/gather，expand/repeat，reshape/view，permute/transpose，matmul/ger

scatter和gather这两个互逆的Tensor切片操作在图神经网络计算框架PyG中起着非常重要的作用，搞明白这两个函数那么接下来理解GNN发散和聚集操作就很简单了

本文抛砖引玉为大家提供一个行为识别的案例，大家也可以根据该方法实现更多任务，也可以提供一些改进的方法。主要检测7类行为：Standing，Walking，Sitting，Lying Down，Stand up，Sit down，Fall Down。YOLOv3-tiny用于行人检测，DeepSort用于行人跟踪，ST-GCN用于行为检测。YOLO系列在笔者之前博客有讲解，DeepSort也比较常见，本文主要讲一下ST-GCN方法。...

Python极简实现IoUIoU概念Box的表示与计算A1交集情况IoU概念交并比(Intersection-over-Union，IoU)，就是交集与并集的比值，是在目标检测中常用的算法。分子部分就是Box1与Box2交集的面积，先设为A1。分母部分是Box1与Box2并集集的面积，设为A2，其实也是Box1面积S1加上Box2面积S2再减去一个A1，即：IoU=A1A2A2=S1+S2−A1IoU=A1S1+S2−A1IoU = \frac{A1}{A2}\\[5pt]A2 = S1 +

YOLOv3详解1. 什么是YOLO2. 一个全卷积神经网络——Darknet-533. 输出4. 锚框和预测中心坐标5.边界框维度6. 物体分数和类置信度7. 不同尺度的预测8. 输出处理（在类分数上阈值处理）附录参考1. 什么是YOLO​  YOLO是“You Only Look Once”的简称，它虽然不是最精确的算法，但在精确度和速度之间选择的折中，效果也是相当不错。YOLOv3借鉴了YOLOv1和YOLOv2，虽然没有太多的创新点，但在保持YOLO家族速度的优势的同时，提升了检测精度，尤其对.

Pytorch保存和加载模型模型的保存和加载1. 只保存模型状态state_dict* 训练中断时2. 保存整个模型并加载（包含参数和网络）问题原因解决1. 尝试转换模型2. 使用第一种方法保存模型状态模型的保存和加载Pytorch保存和加载模型主要有两种方式：1. 只保存模型状态state_dict保存：torch.save(model.state_dict(),"model.pth")加载：model.load_state_dict(torch.load("model.pth"))mod