ahhhhhh520的博客

pytorch的Backward过程用时太长?问题描述解决方案问题描述使用pytorch对网络进行训练的时候遇到一个问题，forward阶段很快(只需要几毫秒)，backward阶段却用时很长(需要十多秒)。导致这个问题的原因很容易被大家忽视，而且网上基本上没有直接的解决方案，经过一天的折腾，总算把导致这个问题的原因搞清楚了。解决方案导致这个问题的原因在于训练数据的浅拷贝，由于backward过程中的梯度是和模型推理过程中的张量相关的，如果这些张量在被模型使用之前没有被深拷贝，意味着backward

pytorch中forwod函数在父类中的调用方式问题背景问题背景最近在研究Detetron2的代码结构时，发现有些网络代码里面没有forward函数，却照样可以推理，深入挖掘之后，发现其将forword函数都写在了同一个父类里面。这就牵涉到了下面这个问题，子类中没有forward函数，只有父类中有forward函数，这样能不能正常调用网络。import torch.nn as nnclass Network1(nn.Module): def __init__(self):

Detectron2和fvcore中的Registry机制详解为什么要有Registry机制如何使用Registry机制Registry机制内部是怎么实现的为什么要有Registry机制Registry机制原本是fvcore框架里面的功能，因为fvcore是一个轻量级的核心库，它提供了在FAIR开发的各种计算机视觉框架（如Detectron2、PySlowFast和ClassyVision）中共享的最常见和最基本的功能。所以Detectron2里面有很多功能都是直接从fvcore框架里面直接拿过来用的。

用pytorch计算神经网络模型需要占用的显存#--------------------------------------------------------------------##作用：计算模型需要占用的显存，方便知道显卡够不够用#使用方法：将模型初始化之后，传入Calculate_gpu_memory()即可#--------------------------------------------------------------------#import torchimport

用deepstream-test3跑yolov5，并对小汽车car进行流量统计前言项目效果项目地址前言本文的项目是在Nvidia jetson上部署yolov5算法，并实现自定义功能（如对车辆进行流量统计）。在这里我是在deepstream-test3源码的基础上，对gstreamer进行更改，加入自定义功能，最后编译实现。项目效果见：https://www.bilibili.com/video/BV1Xh41187tQ/项目地址见：https://github.com/dongdongdong

Jetson AGX Xavier 刷机教程前言step1：用虚拟机安装sdkmanagerstep2:用sdkmanager刷机前言首先，我们需要知道刷机的大致流程：先用一个带ubuntu系统的主机（可以是虚拟机，但不可以是win10自带的ubuntu子系统）安装好sdkmanager软件，然后用nvidia自带的usb线连接nvidia盒子与ubuntu主机，然后用sdkmanager刷机。在用虚拟机刷机的时候，需要注意的给虚拟机分配的内存空间必须足够大，至少要40G。step1：用虚拟机安装s