ydestspring的博客

mmdet框架顶层简易理解。

mmdet新建sixray数据集

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

（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

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

conda install pytorch=1.5 cudatoolkit=10.1 torchvision -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

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

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[

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

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

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 ...