AI_BN的博客

部署框架onnx1.转成C++程序，输出要考虑清楚2.cuda的库要匹配，主要还是与自己电脑上的驱动有关系，如果程序卡在cuda加载的时候，优先考虑是否cuda_adv_infer64_8.dll是否加载正确。3 输入要正确 训练与推理要保持一致...

1 安装caffe依赖库sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-install-recommends libboost-all-devsudo apt-get install libatlas-base-devsudo apt-get install libg

UnicodeDecodeError: ‘utf-8’ codec can’t decode bytes in position 1022-1023:在python.py开头加上如下：#!/usr/bin/env Pythoncoding=utf-8

HIERARCHICAL MULTI-SCALE ATTENTION FOR SEMANTIC SEGMENTATION层次多尺度注意力机制的语义分割ABSTRACT摘要Multi-scale inference is commonly used to improve the results of semantic segmentation。多尺度推理是提高语义分割的常见的方式。Multiple images scales are passed through a network and the

yolov5成功训练真的是一波三折1 coco数据的下载（两种128，用于小批量测试，可以用来测试程序是否正常，真正训练的时候还是需要coco数据集，自己自定义的数据可以根据coco128.yaml文件夹的形式来定义,coco.yaml是txt的方式）2 运行程序1）window成功，虚拟机失败，服务器失败表象：如下图所示卡在那里不对排查原因：1：发现dataloader数据不对，循环打印，打印不出来，终于找到原因2：对比为什么windows可以，服务器不可以，发现windows安装的是t

1 定义solve.prototxt主要定义一些训练的参数；2 定义mode.prototxt主要定义模型结构3 训练模型方法1：build/tools/caffe train -solver /home/www/solve.prototxtbuild/tools/caffe train -solver =/home/www/solve.prototxt方法2：建立一个py文件 trainCaffe.pyimport caffecaffe.set_device(0)caffe.set

深度学习框架keras,pytorch,caffe边缘设备框架 tvm ncnn 或者海思板子1：keras->onnx pip install keras2onnxpytorch->onnx pip install onnxpip install onnx-simplifierkeras->caffe2:onnx->caffe pip install onnx-caffe2onnx->tvm 编译tvm源码 linux arm windows的LLVM比

1安装visual studio20192安装cmake3下载protobuf-3.4.0https://github.com/google/protobuf/archive/v3.4.0.zip4下载ncnnhttps://github.com/Tencent/ncnn5vs2019最重要的：一定要选择如下打开：6：install protobufcd mkdir build-vs2017cd build-vs2017cmake -G"NMake Makefiles" -DCM

1 bash(sh还未尝试） + 安装包2一路enter ,或者yes3 source ~/.bashrc

linux激活anaconda环境conda 1：激活conda环境source activate TensorFlow2：退出conda环境source deactivate3：创建命令通过调用以下命令创建名为 tensorflow 的 conda 环境，-n表示name参数，python=3.6表示以运行 Python3.6版本：conda create -n TensorFlow python=3.64：列出所有环境列表conda env list5：删除环境conda remo

1：conda create -n pytorch1 python=3.62：activate pytorch13：pip install f:/torch-1.3.0-cp36-cp36m-win_amd64.whl4：pip install f:/torchvision-0.4.1-cp36-cp36m-win_amd64.whl5：pip install intel-openmp6：conda install numpy pyyaml mkl cmake cffi7：conda insta

for k, v in enumerate(extra_layers[1::2], 2):一般索引是从1开始的但以上给定的是2，代表的是索引从2开始，但是内容也会迭代完。

from imageio import imreadfrom keras.preprocessing import imagefrom matplotlib import pyplot as pltimport xml.dom.minidomimport numpy as np#Train.txt格式类似如下#data/123.jpglines = []with open("./dataset/Train.txt",‘r’,encoding=“utf-8”) as f:lines = [

1:tensorbord 命令tensorboard --logdir logs --host=127.0.0.1logs代表日志所在的文件夹，可以是相对路径，也可以是绝对路径；2：(dt - datetime.datetime.fromtimestamp(0)).total_seconds()),OSError: [Errno 22] Invalid argument修改tensorboard下manager.py，修改如下_type_timestamp = _FieldType(seria

版权声明：本文为转载文章。本文链接：https://blog.youkuaiyun.com/Gentleman_Qin/article/details/87343004论文名称：《 Focal Loss for Dense Object Detection 》论文下载：https://arxiv.org/pdf/1708.02002.pdf论文代码：https://github.com/faceboo...