AI_BN的博客

部署框架onnx 1.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-compiler sudo apt-get install --no-install-recommends libboost-all-dev sudo apt-get install libatlas-base-dev sudo 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 Python coding=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.prototxt build/tools/caffe train -solver =/home/www/solve.prototxt 方法2： 建立一个py文件 trainCaffe.py import caffe caffe.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 keras2onnx pytorch->onnx pip install onnx pip install onnx-simplifier keras->caffe 2:onnx->caffe pip install onnx-caffe2 onnx->tvm 编译tvm源码 linux arm windows的LLVM比

1安装visual studio2019 2安装cmake 3下载protobuf-3.4.0 https://github.com/google/protobuf/archive/v3.4.0.zip 4下载ncnn https://github.com/Tencent/ncnn 5vs2019最重要的： 一定要选择如下打开： 6：install protobuf cd mkdir build-vs2017 cd build-vs2017 cmake -G"NMake Makefiles" -DCM

1 bash(sh还未尝试） + 安装包 2一路enter ,或者yes 3 source ~/.bashrc

linux激活anaconda环境 conda 1：激活conda环境 source activate TensorFlow 2：退出conda环境 source deactivate 3：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=3.6 4：列出所有环境列表 conda env list 5：删除环境 conda remo

1：conda create -n pytorch1 python=3.6 2：activate pytorch1 3：pip install f:/torch-1.3.0-cp36-cp36m-win_amd64.whl 4：pip install f:/torchvision-0.4.1-cp36-cp36m-win_amd64.whl 5：pip install intel-openmp 6：conda install numpy pyyaml mkl cmake cffi 7：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 imread from keras.preprocessing import image from matplotlib import pyplot as plt import xml.dom.minidom import numpy as np #Train.txt格式类似如下 #data/123.jpg lines = [] with open("./dataset/Train.txt",‘r’,encoding=“utf-8”) as f: lines = [

1:tensorbord 命令 tensorboard --logdir logs --host=127.0.0.1 logs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...