- 博客(26)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 yolo-v5代码数据读取部分理解
3. 通过InfiniteDataLoader类，将dataset，加载为dataloader，loader的长度为总图片数量除以batch。6. 具体调用时，一个batch里的index的随机产生代码还没找到，应该是直接继承了torch，没有任何修改。4. InfiniteDataLoader初始化时，会循环调用方法，按照batch去创建sample，具体一个一个sample应该是在初始化时，自动调用__setattr__方法，循环添加到batch里。__iter__方法会循环返回sample。
2023-08-30 17:59:32
274
原创 centernet损失函数修改记录
想将centernet中w,h的loss修正关联起来，采用iouloss进行优化，于是需修改loss函数，注意事项如下：（1）loss函数本身到网络的输出层存在一个函数，这个函数求导，再逐层链式向前求导，完成训练。所以，自己写出的损失函数到pred一定要明确可导，不能乱写。（2）写损失函数尽量使用torch自带的函数和+，-，*，/号进行操作，避免新建变量和for循环等操作，容易造成梯度无法反向传播。（3）正常操作流程如下：loss函数继承nn.module模块，编写forward过程。（4
2021-11-19 17:44:27
1413
7
原创 pytorch及mmdet模型训练学习笔记
（1）定义模型基本操作：定义一个class继承BaseModule，class为模型的类一个class中包括2部分，init和forward函数init为初始化，固定套路继承父类init，用super函数写super(BasicBlock, self).__init__(init_cfg)forward为前向传播函数，即定义数据进来后如何前向传播，包含了数据输入，处理，输出过程。（2）具体分析一个forward函数def _inner_forward(x): id
2021-09-11 16:14:51
1160
原创 mmdet之centernet损失函数记录
1.损失函数在bbox_head中定义，类型为CenterNetHead具体相关代码bbox_head=dict( type='CenterNetHead', num_classes=5, in_channel=64, feat_channel=64, loss_center_heatmap=dict(type='GaussianFocalLoss', loss_weight=1.0), loss_wh=dict(type='L1Loss',
2021-08-19 16:45:26
1112
原创 mmdet框架训练流程通俗理解
mmdet2版本训练执行文件为tools/train.py执行train.py文件后，主要做3件事：（1）创建model；（2）创建dataset；（3）根据配置进行训练，即调用train_detector函数；创建model执行model=build_detector函数创建该函数首先会注册models类，再根据配置生成响应的model这个过程用到了解释器@语法，语法较为复杂通俗理解：就是根据具体的models的类型，如backbone、neck、head等，按照字典表进行
2021-08-04 15:44:02
1868
原创 目标检测模型训练理解
1 学习率经过测试，学习率大，可以快速收敛，但map偏低，学习率小收敛慢，但map稍微高一些。所以，常见做法会设置阶梯学习率，训练过程中逐渐减小学习率。2 训练结束的标准训练结束的标准即为mAp不再下降，或mAP对应为震荡状态。测试发现，loss的大小与map的高低相关。换个角度说，loss为震荡状态不再下降，也标志着训练结束。3 不同方法之间mAP的pk每种方法应当都是发挥极限调参手段取得的最高mAP，这也是为什么自己训练的mAP没有论文中高的原因。...
2021-07-30 16:17:05
1141
原创 conda安装pytorch下载慢的问题
conda install pytorch=1.5 cudatoolkit=10.1 torchvision -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
2021-06-09 16:25:19
145
原创 numpy数组和图片
cv2.imread读取进来的图片为numpy类型数组，数组中的数据类型为np.uint8类型在tensorflow中，计算时的数据变量通常为np.float32类型注意数据类型转换，若cv2.imshow的数组为float32类型，图像就会基本全白data_val = np.zeros([l_val, IMG_HEIGHT, IMG_WIDTH, IMG_DEPTH], dtype='float32')data_val = data_val.astype(np.uint8)数组中数据类
2021-03-24 14:25:12
223
原创 numpy常用操作记录
1.数组维度import tensorflow as tfimport numpy as npa = np.arange(36)print (a)b = np.reshape(a,[2,2,3,3])print (b)print('b[0,0,0,0]:',b[0,0,0,0])print('b[0,0,0,:]:',b[0,0,0,:])print('b[0,0,:,0]:',b[0,0,:,0])print('b[0,:,0,0]:',b[0,:,0,0])print('b[
2021-03-11 11:23:50
81
原创 Faster-rcnn代码python2转换python3的KeyError: b‘TEST‘问题
一直用的一个faster-rcnn代码是python2的，决定把它改为python3。很多报错都是print函数，xrange函数，较好解决。解决到最后被一个报错，卡了一天，在网上也无法找到解决方案，记录一下：报错如下：Caused by op 'PyFunc', defined at: File "/home/q/yd/Faster-RCNN-21/tools/demo.py", line 118, in <module> net = get_network(arg...
2020-09-23 15:45:12
421
原创 python环境管理
不论linux、windows，用conda实现环境管理为最优策略。安装conda后，conda list可查看现有环境初始只有一个可以按需创造多个环境，新建环境在conda的env目录下新环境需要添加包，conda install可添加，但通常conda install里的包会少这时，最优策略是，在该环境下安装一个pip在该环境下执行pip install ，便可以用pip来安装包如果多个pip很混乱，可以直接用路径指明具体是哪一个pip，这样就不会混乱无论conda，还是
2020-08-09 17:29:58
130
原创 python深度学习环境配置扫盲
ubuntu系统下，基于gpu和python做深度学习，需要安装的内容及作用：1.显卡驱动：调用显卡的基础，安装成功后，可以调用nvidia-smi指令，查看显卡驱动版本2.cuda和cudnn：nvidia为显卡加速计算提供的库，cuda和显卡驱动是有对应关系的为了便于多个不同代码的调试，我们可能需要多个版本的cuda，只要将多个cuda都解压到/usr/local目录即可，具体使用哪个，可以通过用户的环境变量配置，使不同的文件夹（用户/环境）使用不同的cuda版本。用户环境变量修
2020-06-17 18:01:48
437
原创 YOLO系列概览
1.YOLO V1采用一个24层的卷积网络加2个全连接层。将画面分成S*S个部分，每个部分负责预测B个框，每个框有x，y，w，h，confidence（是否有目标，IOU为多少）五个预测参数。在VOC数据集中，有20个类别。算法中，B=2，即每个分格预测2个框。所以，最后的输出向量维度为S*S*30,30=5+5+20，最后20个参数代表属于每一个类别的概率，这个概率由预测的2个框共享。由此，也能看出V1的一个重大缺陷：每个分格实际只可以预测一个目标，因为分类概率共享，对于目标密集的画面
2020-06-05 15:38:54
206
原创 网络剪枝
1.全连接层剪枝2.卷积核剪枝卷积核剪枝的学习可参考这篇论文《Pruning Filters For Efficient ConvNets》解决如下问题：前人工作只对全连接层进行了剪枝，未处理卷积层解决思路：对卷积核计算所有项的绝对值和，剪除绝对值和小的。结论：在CIFAR10上，VGG-16的推理成本可降低高达34％，ResNet-110最高可降低38％，同时通过重新训练网络恢复接近原始精度。具体结果对比如下：...
2020-06-05 11:31:17
1058
原创 朴素贝叶斯分类理解
朴素贝叶斯分类算法源于贝叶斯定理。贝叶斯定理：P（AB）=P（A|B）P（B）=P（B|A）P（A），也即P（A|B）=P（B|A）P（A）/P（B）贝叶斯定理的本质：两种条件概率的标书，结果相等。先验概率：袋子里10个字母，6个A，4个B，问抓到A的概率P（A），显然P（A）=0.6。后验概率：即条件概率，袋子里10个字母，抓了10次，6次都是A，问袋子里有几个A。朴素贝叶斯算法可解决的问题：根据观测的现象、属性等来预测分类。即根据样本数据得到一个分类器，来进行后续预测。举例：
2020-06-04 19:15:39
228
原创 SVM算法扫盲理解
名称：SVM（support vector machine）支持向量机要解决的问题：二分类问题形象理解：用一个超平面，将数据二分类。寻找最优超平面，并使得两个类别中，距离超平面距离最近的点，距超平面的距离最远。也即：两个类别中，距离超平面最近的点，会分别决定两个平行的超平面，这两个超平面称为支持向量。本质：凸函数优化问题（一定有全局最优解），优化的目标为：两个支持向量距离最远。线性可分：在N维空间中，若有n-1维的向量可完成数据的分类，该问题即线性可分，寻找到的n-1维向量即超平面。如何
2020-06-04 18:21:16
173
原创 Faster-RCNN基于tensorflow的训练理解
深度学习的训练的理论是梯度下降，这个理论推导很复杂。发展历程中，起源是hinton于1986年提出的BP算法，后续在卷积神经网络和激活函数变为ReLU函数后，梯度下降的算法又有所变化。对梯度下降训练深度网络的理论的学习，重点关注hinton的论文《Learning internal representations by error propagation》。深度学习中，各个框架的使用，如tf，pytorch等，很重要的一点，就是解决了训练问题。训练的本质是，另损失函数，对各个待训练参数求偏导，寻找梯度下
2020-05-29 18:29:14
346
原创 keras例程学习与神经网络理解（一）
keras的example文件夹中有很多例程，学习mnist_mlp.py例程该例程实现功能为，从mnist数据集获取60000个训练样本和10000个测试样本，样本为0-9十个数字，用全连接神经网络进行训练，并测试结果。例程采用60000个数据样本进行训练，对于一般的电脑来说，这样训练会比较费时间，学习测试较慢所以，可以加入以下几行代码：# mnist has 60000 datas,down ...
2018-03-19 17:15:39
2373
4
空空如也
vc开发蓝牙与安卓手机通信
2016-07-21
TA创建的收藏夹 TA关注的收藏夹
TA关注的人