- 博客(19)
- 收藏
- 关注
RSS订阅原创 centerloss 与 arcfaceloss
当使用centerloss嵌入模型时，一定要进行二范数归一化，因为它在计算距离时没有一个范围，范围是正无穷到负无穷，无法更新中心点。
2025-01-10 11:24:04
189
原创 yolov5和yolov8的区别
:无锚框在构建模型时将其看作一个点，即目标框的中心点。不依赖于预定义的锚框，而是直接预测目标的中心点。直接学习目标框的位置，通常通过回归目标框的四个顶点坐标来实现。同样，模型负责为每个目标预测其类别，在预测结束后，采用NMS进行后处理。
2025-01-06 10:12:20
805
原创 模型压缩笔记
非结构化剪枝指的是在模型中独立地剪除单个不重要的权重，而不考虑这些权重所属的层或特征图，通常，剪枝的目标是去除那些对模型输出贡献较小的权重。- 结构化剪枝通过去除整个结构单位（如神经元、卷积核、通道、层等）来减少模型的计算复杂度。与非结构化剪枝不同，结构化剪枝去除的是一个整体的结构，而非单个权重。整体地选择并剪去某些结构单元（如权重、通道、卷积核、神经元等）。与层级剪枝（Layer-wise Pruning）不同，全局剪枝不局限于单独的某一层，而是在网络的所有层中统一进行剪枝决策。
2025-01-04 16:58:54
1156
原创 yolov5面试题
是数据集配置文件，用于目标检测中获取数据的相关路径和信息，里面包含数据的类别等文件是一个模型配置文件，用于定义 YOLOv5 的网络结构（包括 backbone 和 head 的配置）。它是 YOLOv5 的核心文件之一，决定了模型的架构、层数和参数量。
2024-12-26 19:43:59
1643
原创 yolov4面试题
mosaic数据增强是多图增强中的高级策略，常用于对于复杂场景及复杂目标的检测，它通过4张图象进行裁剪，拼接成一个新的图像优点：提高了模型对于复杂场景的处理能力，帮助模型更好学习到不同类别的边界，适合目标较小难以区分的情况缺点：计算资源开销较大，mosaic方法在训练中需要对图像进行多次裁剪，缩放和拼接操作；会与复杂场景和小目标检测有较好的效果，对于分类任务或分割任务没有明显的优势1）重采样：过采样：增加少数类别的样本数量欠采样：减少多数类别的样本数量2）数据增强。
2024-12-19 15:05:49
1153
原创 以图搜图项目制作
1）搜集猫、狗、羊三分类的图片储存在三种类别文件夹中2）获取图片路径（其中采取了listdir，for循环，os.path.join的方法）3）获取图片（Image.open("图片路径")）4）获取图片总数，即数据集的长度（定义__len__方法）5）获取图片对应的索引（定义__getitem__方法）
2024-12-16 17:02:06
1001
原创 深度学习网络中损失计算和正确率计算
total_loss += loss * images.size(0)中loss是一批次的平均损失，imagese.size(0)是一批次的样本数量，两个相乘————>一批次所有样本数量的总损失。第一段代码的准确率采用bool张量计算每一批次的准确率，循环500次，总正确数/总样本数 = 总样本数的正确率。total_loss是所有批次的所有样本数量总损失，len(train_loader)是总批次数50。第一段代码损失函数采用将每一轮的平均损失累加 / 总批次数 = 平均每个批次的平均损失。
2024-12-05 16:01:32
276
原创 神经网络中各参数形状变化
输入数据（images） (batch_size, channels, height, width) （100，3，32，32）卷积层权重 (out_channels, in_channels, kernel_height, kernel_width) (64, 3, 3, 3)
2024-12-04 15:13:48
191
原创 损失函数的分类
真实值target会自动进行one-hot编码预测值logits会自动使用softmax归一化多分类交叉熵损失函数CrossEntropyLoss自动调用了softmax这里的损失函数默认计算的是n个样本的平均损失值，如果要换成和，可用。
2024-11-28 11:16:21
1388
原创 sklearn数据预处理
当数据(x)按照最⼩值中⼼化后，再按极差（最⼤值 - 最⼩值）缩放，数据移动了最⼩值个单位， 并且会被收敛到[0,1]之间，⽽这个过程，就叫做数据归⼀化x是原始特征值。min(x) 是特征的最⼩值。max(x) 是特征的最⼤值。x' 是缩放后的特征值。在sklearn当中，我们使⽤preprocessing.MinMaxScaler来实现这个功能。MinMaxScaler有⼀个 重要参数，feature_range，控制我们希望把数据压缩到的范围，默认是[0,1]。
2024-11-22 13:40:57
1093
原创 Numpy 学习总结
1. array(列表/元组/ndarray): array中使用列表/元组/ndarray得到的是新的ndarray对象2. asarray(列表/元组/ndarray):asarray中使用列表/元组得到的是新的ndarray对象;asarray中使用ndarray得到的不是新的ndarray对象, 而是原来旧的ndarray。
2024-11-01 20:56:21
962
原创 numpy作业
他会box的0索引的值和boxe的0索引的值比较大小，在和box的1索引和boxes的1索引比较，right方面是box的2索引的值和boxes的2索引比较，在和box的3索引和boxe的3索引比较。1）掌握使用lanmbda作为排序的关键字，意思是按照x的索引1的值来进行排序，适用于有kv值的情况排序；3）计算A向量*B向量：A向量=b-a B向量=c-b ，1）cosA = A向量*B向量/A向量的模*B向量的模。4）计算A向量的模*B向量的模，A向量*B向量即是两个点的点积。
2024-11-01 13:25:11
235
原创 python中对象总结（自用）
对象的属性：叫做实例属性也叫做成员属性，python中对象的属性一般定义在__init__方法中，所以我们需要重写__init__方法1.什么叫__init__方法？__init__方法叫做初始化方法，也叫构造方法，其作用：给对象的属性进行初始化__init__在__new__之后执行"""self：自身的意思， 哪一个对象调用该方法， self就表示哪一个对象注意： 这里的self仅仅是形参的名称，可以修改成任意名字, 但是为了见名知意， 所以都使用了self"""# 赋值即定义。
2024-10-24 13:43:37
801
原创 python中各种函数及参数总结
50.zip(sep1，sep2)函数:用于将可迭代的对象（如列表、元组、字典等）作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的对象（注意，返回的其实是一个。3.format()函数：实现格式化输出 "Hello, {}".format("Alice") → "Hello, Alice"30.pop()函数：去掉数据的指定位置的数据，有返回值,默认是删除末尾的。5.int()函数、float()函数、str()函数等：类型的转化函数。
2024-10-17 01:18:01
337
原创 总结python中的容器.
列表是可变序列：添加，删除，修改元素不会返回新的对象；可重复的：迭代对象可以重复；有序的：获取元素的顺序和存储元素顺序一样，列表底层使用的是顺序表结构，顺序表在内存中是一段连续的地址空间，列表中一般存储相同的数据类型，但是不同的数据类型也是可以存放在一起的。
2024-10-16 20:49:09
931
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人