torch
文章平均质量分 71
啊~小 l i
2020年获得“发现杯”大奖赛省级三等奖;2021年计算机设计大赛系统开发组省级优秀奖;“传智杯”Python组省级优秀奖;2022年蓝桥杯python组省级二等奖;计算机设计大赛人工智能组省级二等奖、国家级三等奖;
展开
-
还不会使用torchserve部署yoloV5模型?(不使用Docker)
环境简介操作系统centos8conda管理的python3.8(此处建议使用python3.8);JDK11(openJDK,Oracle JDK)其他相关的python库(torch,cv2,numpy等等)环境配置Java环境配置JDK下载Oracle JDK11下载官网配置环境变量 (这里使用的源码安装)sudo vim /etv/bashrc然后将下面的环境变量添加到末尾export JAVA_HOME=(您的 JDK 路径)export CLASSPATH=.原创 2022-04-30 14:54:40 · 3899 阅读 · 0 评论 -
Meta Learning(元学习)详解
元学习概述基本概念基本分类基本流程模型结构概述元学习(Meta Learing)的提出是针对传统神经网络 模型的泛化性能不足、对信种类任务适应性较差的特点。主要表现为通过少量的计算和新训练数即可用于模型上实现和海量数据一样的识别准确度。元学习中“元”的概念:即一个泛化性能较强的初始化网络加上对新任务的快速适应学习能力。设计目的设计一种机器学习模型,这种模型使用少量的数据样本就能快速学习新的概念或者既能经过不同任务的训练之后,元学习模型就能很好的适应和泛化到一个新的任务——“Learning to原创 2021-11-20 10:45:36 · 5257 阅读 · 0 评论 -
一文看懂Meta Leaaring(元学习)
概念Meta Learning(元学习)或者叫做 Learning to Learn(学会学习)已经成为继 Reinforcement Learning(增强学习)之后又一个重要的研究分支(以后仅称为 Meta Learning)。对于人工智能的理论研究,呈现出了Artificial Intelligence --> Machine Learning --> Deep Learning --> Deep Reinforcement Learning --> Deep Meta Le原创 2021-11-18 21:07:25 · 2444 阅读 · 0 评论 -
VOC数据集讲解及自己标注
数据集的标注首先要安装labelImgpip install labelimg首先准备一个文件夹里面包括两个子文件夹和一个txt文件:(annotation、image、classes.txt)结构如下图:|-------- (父级目录)|— annotation|— image|— classes.txt在文件里打开shell命令行 ,输入labelimg ./image ./classes.txt第一个参数为图片的文件夹第二个为标签的txt文件修改保存文件信息的文件夹(Ch原创 2021-08-20 09:14:57 · 1893 阅读 · 0 评论 -
mmdetection训练自己的COCO数据集
训练前的准备训练数据的导入将自己的COCO数据集放入到下载的mmdetection的源码里,(如果没有data文件夹需要新建)data -> COCO -> 你的COCO数据集配置的修改configs/_base_/datasetscoco_detection.pycoco_instace.pycoco_instace_semantic.py修改里面的img_scale=(,):输入图片的最大长度和最小长度(GPU显存不够可以适量改动,上述的三个.py文件都要改)co原创 2021-08-11 09:19:53 · 4076 阅读 · 7 评论 -
MMDection实践| Python技能树征题
模型展示使用的图片基础环境的搭建configs来自于mmedction GitHub相信见这里from mmdet.apis import inference_detector, init_detector, show_result_pyplot# 设置device(GPU或CPU)device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")# 选择模型对应的配置文件config = './configs原创 2021-08-10 09:31:51 · 309 阅读 · 0 评论 -
OpenMMLab通用视觉框架(mmdetection)安装使用详解
mmcv安装首先要安装pytorch和CUDA,如果已经安装,进行第二步pytotch:官网(安装GPU版本)CUDA:官网安装完成后记住你安装的版本,建议使用conda安装安装mmcvmmcv:GitHub链接支持的CUDA和torch的版本安装:pip install mmcv-full=={mmcv_version} -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.9.0/index.htmlcu111:为你已经安原创 2021-08-10 08:47:56 · 2941 阅读 · 0 评论 -
pytorch入门(八)物体检测算法
R-CNN使用启发式搜索算法来选择锚框使用预训练模型对每个锚框抽取特征使用一个SVM来对类别分类训练一个线性回归模型来预测边缘框锚框大小不一致,怎么使得这些锚框变为一个批量?解决:兴趣区域...原创 2021-07-31 09:38:28 · 482 阅读 · 0 评论 -
pytorch入门(七)机器学习基础
机器学习的基本任务一般分为四大类:监督学习、无监督学习、半监督学习、强化学习。#mermaid-svg-9yWEvSSLOIFpUVSx .label{font-family:'trebuchet ms', verdana, arial;font-family:var(--mermaid-font-family);fill:#333;color:#333}#mermaid-svg-9yWEvSSLOIFpUVSx .label text{fill:#333}#mermaid-svg-9yWEvSSLOI原创 2021-07-28 10:35:24 · 348 阅读 · 0 评论 -
pytorch入门(六)Pytorch数据处理工具
概述torch.utils.data共有如下四个类。Dataset:是一个抽象类,其他的数据集需要继承这个类,并且覆盖其中的两个方法(_getitem_,_len_)。DataLoader:定义一个新的迭代器,实现批量(batch)读取,打乱数据(shuffle)并且提供并行加速等功能。random_split:把数据集随机拆分为给定长度的非重叠的新数据集。sampler:多种采样函数Torchvision是PyTorch的一个视觉处理工具包,包括四个子类,如下dataset:提原创 2021-07-28 09:57:40 · 307 阅读 · 0 评论 -
pytorch入门(五)Pytorch神经网络工具
核心组件层:神经网络的基本结构,将输入张量幻化为输出张量模型:层组成的网络损失函数:参与学习的目标函数,通过最小化损失函数来学习各种参数优化器:如何是损失函数最小,设计优化器前向传播 定义好每层后,最后还需要通过前向传播的方式把这些串起来。forward函数的任务需要把输入层、网络层、输出层连接起来,实现信息的前向传播。 在forward函数中,有些层的函数一般为输入数据,也可以使用nn原创 2021-07-26 16:20:09 · 373 阅读 · 0 评论 -
pytorch入门(四)Tenser与Autograd
Tenser与Autograd对Tenser求导需要注意以下事项创建叶子节点(Leaf Node)的Tenser,使用requires_gard参数指定是否记录对其的操作,以便之后利用backward()方法进行梯度求解。利用requires_gard_()方法修改Tenser的requires_gard属性。调用with torch.no_gard_():,将不在计算张量的梯度,跟踪张量的历史记录。通过运算创建的(非叶子节点),会自动赋予grad_fn属性,该属性表示梯度函数。最后得到的ten原创 2021-07-26 10:45:24 · 243 阅读 · 0 评论 -
pytorch入门(三)线性代数的实现
线性代数标量:只有一个元素的张量表示import torchx = torch.tensor([3.0])y = torch.tensor([2.0])print(x+y)print(x*y)print(x/y)print(x**y)向量:标量值组成的列表z = torch.arange(4)print(z)print(z[3])通过张量的索引访问任意一元素通过指定两个分量m n来创建一个形状为m*n的矩阵h = torch.ones(25).reshape(5,5)原创 2021-05-18 21:19:46 · 346 阅读 · 8 评论 -
pytorch入门(二)数据预处理
处理CSV格式文件import osos.makedirs(os.path.join('..','data'),exist_ok=True) # 创建一个文件夹datadata_file = os.path.join('..','data','house_tiny.csv') # 在data下创建一个house_tiny.csv;csv每一行输一个数据,每一域使用逗号分开with open(data_file,'w') as f: f.write('NomRooms,Alley,pri原创 2021-05-17 21:21:59 · 360 阅读 · 0 评论 -
Torch入门(一)数据操作
张量概念:张量(Tensor)是一个定义在一些向量空间和一些对偶空间的笛卡儿积上的多重线性映射,其坐标是|n|维空间内,有|n|个分量的一种量, 其中每个分量都是坐标的函数, 而在坐标变换时,这些分量也依照某些规则作线性变换。r 称为该张量的秩或阶(与矩阵的秩和阶均无关系)。张量的定义torch.arange(24):定义一个自增长的一维张量(从0到24)torch.zeros(24):定义一个全为0的一维张量torch.zeros(4):定义一个全为1的一维张量改变张量的维度x = x.原创 2021-04-16 21:11:39 · 1354 阅读 · 0 评论