深度学习
xinming_365
这个作者很懒,什么都没留下…
展开
-
torch-geometric的安装
torch-geometric 的安装。torch-geometric的安装必须要求版本对应,否则会出现很多麻烦的问题。比如:OSError: [WinError 127] 找不到指定的程序。所以安装之前,仔细检查一下cuda版本,pytorch的版本等等。此外,还要注意电脑安装的CUDA驱动和pytorch 中对CUDA支持包的版本是否对应,不对应同样会出错。# cuda是否可用,不必要。python -c "import torch; print(torch.cuda.is_availa原创 2021-11-26 14:15:31 · 3339 阅读 · 0 评论 -
mac安装 pytorch geometric
官方安装教程地址:https://pytorch-geometric.readthedocs.io/en/latest/notes/installation.html使用pip安装,mac不能使用cuda,所以使用下面的命令:pip install torch-sparselatest+cpu -f https://pytorch-geometric.com/whl/torch-1.6.0.htmlpip install torch-clusterlatest+cpu -f https://pyto原创 2021-05-15 15:40:59 · 641 阅读 · 0 评论 -
AdelaiDet 安装报错
python tools/train_net.py –config-file configs/FCOS-Detection/R_50_1x.yaml –eval-only –num-gpus 2 OUTPUT_DIR training_dir/fcos_R_50_1x MODEL.WEIGHTS training_dir/fcos_R_50_1x/fcos_R_50_1x.pthFile “/home/xxx/AdelaiDet/adet/layers/bezier_align.py”, lin原创 2021-04-28 21:15:00 · 1593 阅读 · 0 评论 -
迁移学习
按照学习方法可以将迁移学习分为下面的几大类基于样本的迁移学习基于特征的迁移学习假设源域和目标域的特征不在一个空间。通过一些办法变换到一个特征空间,从而特征变得相似基于模型(参数)的迁移学习神经网络的结构可以直接迁移,例如finetune,就是模型参数迁移基于关系的迁移学习迁移学习的问题,有两个基本的概念:领域(Domain)和任务(Task)领域是进行学习的主题,包括数据和生成这些数据的概率分布。D表示domain,P表示概率分布迁移过程,涉及到源域(source d原创 2020-10-07 12:59:34 · 748 阅读 · 0 评论 -
mask R-CNN
语义分割(semantic segmentation),实例分割(instance segmentation)联系:语义分割和实例分割都是目标分割中的两个小的领域,都是对输入的图片做分割处理。区别:通常意义上的目标分割指的是语义分割,语义分割已经有很长的发展历史,已经取得了很好地进展,目前有很多的学者在做这方面的研究。实例分割是一个从目标分割领域独立出来的一个小领域,是最近几年才发展起来的。实例分割比语义分割更复杂,需要在语义分割的基础上对同类物体进行更精细的分割。Mask R-CNN的架构Mask原创 2020-08-06 16:20:45 · 805 阅读 · 0 评论 -
opencv处理图像
imread函数imread python原型retval = cv.imread( filename[, flags] )imread函数需要两个参数,一个是图片文件名(相对路径或者绝对路径都可以),另一个是flags读取标记,选取读图的方式,默认值为IMREAD_COLOR,flag的设定与用什么颜色格式读取有关。目前,支持下面的格式:Windows bitmaps - *.bmp, *.dib (always supported)JPEG files - *.jpeg, *.jpg,原创 2020-07-30 14:46:51 · 243 阅读 · 0 评论 -
pytorch分布式训练
torch.distributed 包支持Pytorch 中通过 torch.distributed 包提供分布式支持,包括 GPU 和 CPU 的分布式训练支持。Pytorch 分布式目前只支持 Linux。在此之前,torch.nn.DataParallel 已经提供数据并行的支持,但是其不支持多机分布式训练,且底层实现相较于 distributed 的接口,有些许不足。torch.distributed 的优势如下:每个进程对应一个独立的训练过程,且只对梯度等少量数据进行信息交换。在每次迭代原创 2020-07-29 16:40:11 · 808 阅读 · 0 评论 -
EAST模型分析
EAST流程EAST做文本检测只需要两步:先是一个全卷积的网络直接产生一个字符或者文本行的预测(可以是旋转的矩形或者不规则四边形),然后通过NMS(Non-Maximum Suppression)算法合并最后的结果。下图是EAST的pipeline。第一个阶段是基于全卷积网络(FCN)模型,直接产生文本框预测;第二个阶段是对生成的文本预测框(可以是旋转矩形或矩形)经过非极大值抑制以产生最终结果。该模型放弃了不必要的中间步骤,进行端到端的训练和优化。EAST 网络结构EAST网络是一个全卷积网络,主要原创 2020-07-28 17:17:03 · 3045 阅读 · 0 评论 -
优化算法总结
<一年前看的,有的懂了有的没懂,但是没有做记录,现在什么也不记得了。今天同学问我是否有了解,原来我只记得这些算法的名字了。时刻提醒我好记性不如烂笔头,我要好好记录总结。>梯度下降算法模型参数θ\thetaθ目标函数J(θ)J(\theta)J(θ)学习率α\alphaα梯度gt=∇θJt(θ)g_t =\nabla_{\theta} J_t (\theta)gt=∇θJt...原创 2020-04-26 21:49:14 · 630 阅读 · 0 评论 -
GAN介绍
GAN(Generative Adversarial Network)GAN中存在两个网络,分别是生成器G(Generator)和判别器D(Discriminator)。找到一个Generator,使得判别器D不能分开真实的和生成的数据。生成器网络在训练过程中,生成网络尽量生成真实的图片去欺骗判别器D。判别器D尽量把生成器G生成的图片和真实的图片区分开。G和D构成一个动态的博弈过程。找到一...原创 2019-05-20 17:25:48 · 3938 阅读 · 0 评论 -
LSTM 和RNN
LSTM(Long Short-Term Memory )长短期记忆网络。一开始用于解决RNN结构中梯度消失问题而提出来的。LSTM设计了输入门(i),遗忘门(f),输出门(o)消除或者增加细胞状态的能力,最终使得LSTM具有记忆长期信息的能力。需要理解这三个门的工作才能够真正理解lstm在做什么。i,f,o都是sigmoid函数运算,取值范围在0,1之间。f门对上一层(上一时刻)的输出和本层的...原创 2020-01-08 01:04:31 · 404 阅读 · 0 评论