Dandelion_2的博客

def build_targets(p, targets, model): # p的shape(YoloLayer_num, batch_size, anchor_num, grid_y, grid_x, xywh+obj_confidence+cls_num) # targets的shape为（num_groundtruth, 6), 其中数字6代表img_index+cls_index+xywh # model为整个yolo的model，以获取当前model对应YoloLayer

1.课程学习本节课主要对于大白AI课程：https://mp.weixin.qq.com/s/STbdSoI7xLeHrNyLlw9GOg《Pytorch推理及范式》课程中的第五节课进行学习。2.作业题目必做题：（1） 自己找 2 张其他图，用 Yolox_s 进行目标检测，并注明输入尺寸和两个阈值。两张图片的输入尺寸都是640*640，两个阈值分别是： conf_threshold = 0.6 nms_threshold = 0.45思考题：（1） Yolox_s：用 time 模块和

1.课程学习本节课主要对于大白AI课程：https://mp.weixin.qq.com/s/STbdSoI7xLeHrNyLlw9GOg《Pytorch推理及范式》课程中的第四节课进行学习。2.作业题目必做题：（1） 对 “./images/car.jpg” 做语义分割，提取出里面的车辆，模仿上课时，对“可视化推理结果”和“BGRA 四通道图”进行保存。可视化推理结果：“BGRA"四通道图像：（2） 自己找 2 张其他图，对图中某个类别进行分割，并保存“BGRA 四通道图”。图1：i

文章目录1.课程学习2.作业题目必做题：思考题：3 课程总结：1.课程学习本节课主要对于大白AI课程：https://mp.weixin.qq.com/s/STbdSoI7xLeHrNyLlw9GOg《Pytorch推理及范式》课程中的第二节课进行学习。2.作业题目必做题：（1） 把模型改为resnet18，加载相应的模型权重（Lesson2的物料包中有），跑一下0.jpg和1.jpg，看一下输出结果。结果：（2） 自己找2张其他图，用resnet18做下推理。图片：结果：

江大白共学计划_Pytorch推理及范式_Lesson2 课程作业必做题：（1） 从torchvision中加载resnet18模型结构，并载入预训练好的模型权重 ‘resnet18-5c106cde.pth’ (在物料包的weights文件夹中)。import torchimport torchvision.models as model# 从torchvision加载res18模型结构model = model.resnet18()# 加载权重pretrained_state

torch.randn(*sizes, out=None) → Tensor(张量)返回一个张量，包含了从标准正态分布(均值为0，方差为 1)中抽取一组随机数，形状由可变参数sizes定义。 参数:sizes (int…) – 整数序列，定义了输出形状out (Tensor, optinal) - 结果张量二维>>> import torch>>> ...

sort是容器的函数：sort(cmp=None, key=None, reverse=False)sorted是python的内建函数：sorted(iterable, cmp=None, key=None, reverse=False)参数解析：cmp：比较函数，比较什么参数由key决定。例如：cmp(e1, e2) 是具有两个参数的比较函数，返回值：负数（e1 < e2）；0（e...

os.mkdir()是一级一级的创建目录，import os os.mkdir('d:\hello') # 正常os.mkdir('d:\hello\hi') # 正常 # 如果d:\hello目录不存在# 则os.mkdir('d:\hello\hi')执行失败如果上一级的目录不存在就会报错。os.makedirs()可以递归创建目录，就是一次可以创建多级目录，...

from torchvision import transforms# Define a transform to do the normalization of the datatransform_data = transforms.Compose([transforms.ToTensor(), transforms.Normali...

torch.nn只接受mini-batch的输入，也就是说我们输入的时候是必须是好几张图片同时输入。例如：nn. Conv2d 允许输入4维的Tensor：n个样本 x n个色彩频道 x 高度 x 宽度#coding=utf-8import torchimport torch.nn as nnimport torch.nn.functional as Ffrom torch.autog...