dddccc1234的专栏

pytorch模型转为onnx，然后采用c++调用进行推理，用于工程化。

最近在练习pytorch使用.首先下载猫狗数据:链接：https://pan.baidu.com/s/1l1AnBgkAAEhh0vI5_loWKw提取码：2xq4然后写代码,感觉这种逐批次从硬盘取数据训练有点慢,但先跑起来吧.感兴趣的可以去看看resnet源码,最好自己手敲一遍,练习效果更好.resnet代码分析 - 慢行厚积 - 博客园import osimport numpy as npimport torchimport torch.nn as nnimport to

搜索了好多方法，搞了很久，demo都编译不过，各种一堆错误，后来还是找到官网搞定的。https://pytorch.org/cppdocs/installing.html1 下载libtorch2 解压之后变成libtorch文件夹3 新建example-app 文件夹和libtorch文件夹同级，如上图。4 在example-app文件夹下面新建CMakeLists.txt 和example-app.cppCMakeLists.txt 文件内容：cmake_mi..

http://liuli1735.github.io/2014/09/21/Neural-networks.html神经网络BP算法简单推导2014-09-21 #machine learning #neural networks在Coursera修的机器学习已经结束了，感觉很多学完大概明白了各个算法大概干什么的，但是推导成功只能理解的模模糊糊，数学基础还是差太多。

http://blog.youkuaiyun.com/jiajunlee/article/details/50373815 这个博客解决了 编译cd$FRCN_ROOT/lib/ && make   找不到文件的问题。往往caffe环境都是在Linux服务器，或者远程登录，faster-rcnn的demo.py不能显示，运行会出现错误。将demo.py做以下修改：1   刚开始加入两行

搞了好久才发现问题，cudnn-7.0-linux-x64-v3.0-prod.tgz这个太老   cudnn-7.0-linux-x64-v4.0-prod.tgz这个才行 换了之后，caffe  就可以编译通过了

caffe  windows  都能编译通过，运行出错：unknown layer type: convolution解决办法：使用库依赖项输入   设置为true     因为使用了静态库。