Snoopy_Dream

对于cnn前馈神经网络如果前馈一次写一个forward函数会有些麻烦，在此就有两种简化方式，ModuleList和Sequential。其中Sequential是一个特殊的module，它包含几个子Module，前向传播时会将输入一层接一层的传递下去。ModuleList也是一个特殊的module，可以包含几个子module，可以像用list一样使用它，但不能直接把输入传给ModuleList。下...

目录零、 函数总体说明一、数据导入1. torch.utils.data.Dataset基类 or torchvision.datasets.ImageFolder 将路径和标签变列表2. torch.utils.data.DataLoader对图像和标签列表分别封装成一个Tensor3. 将Tensor数据类型封装成Variable数据类型。补充：Sample二、导入...

 目录-1.torch.FloatTensor（）0. repeat1. Varibale与Tensor的区别（0.4之后已经合并为一类了）2. 大多数索引 都用LongTensor3. import导入4. 创建Tensors5. 获取Tensor部分值6. 产生随机数据7. Tensor运算8. torch.cat( [res,] x_1, x_2,...

深度学习框架训练模型时的代码主要包含数据读取、网络构建和其他设置三方面，基本上掌握这三方面就可以较为灵活地使用框架训练模型。PyTorch是Facebook的官方深度学习框架之一，到现在开源1年时间，势头非常猛，相信使用过的人都会被其轻便和快速等特点深深吸引，因此这篇博客从整体上介绍如何使用PyTorch。 PyTorch的官方github地址：https://github.com/pytorc

先理清下从全连接层到损失层之间的计算。来看下面这张图，（非常好的图）。 T类  N表示前一层特征层flatten后的数字   fltten后的特征      无限大小的T类                     从0-1的T类向量                                     这张图的等号左边部分就是全连接层做的事，W是全连接层的参数，我们也称为权值，X...

例子是bbox_overlaps计算anchors和gts的iou。输入：    anchors: (N, 4) ndarray of float                gt_boxes: (K, 4) ndarray of float输出：    overlaps: (N, K) ndarray of overlap between boxes and query_boxes...

reshape填充的顺序，从最后一个维度开始赋值。  transpose与reshape的最大区别：reshape修改的只是维度，填充顺序不变transpose修改的是轴，填充顺序改变anchor_target_layer:bbox_targets = bbox_targets.reshape((1, height, width, A * 4)).transpose(0, 3,...

ROIPooling的作用，就是resize到统一尺寸，这样才能利用预训练的全连接层参数，大多是7*7大小，这是因为全链接层需要固定的输入尺寸.那么为什么需要固定尺寸呢？全连接层的计算其实相当于输入的特征图数据矩阵和全连接层权值矩阵进行内积以vgg16,512*7*7的特征输入为例，紧接着两个全连接层。如果是caffe，这个特征图进入全连接层之后就会被flatten成一个250...

注：此篇文章的基础知识可见链接：pytoch faster rcnn复现系列（一） RPN层输入输出维度理解 faster rcnn pytorch 复现系列（二）：generate_anchors源码解析 RPN 预备编程知识（一） : Numpy VS Pytorch （ Anchor_target_layer ） RPN 预备编程知识（二） : 函数篇章 bbox_trans...

目录1.  np.where(x>4) ) 知道返回[0] [1]2. np.meshgrid 构造xy轴3.  np.ravel( ) VS np.flatten() 拉成一维4.  x.reshape( )  了解填充方式5.  np.squeeze(a,axis=none) & b.squeeze(0) [ b是torch.data ]6.  np.vi...

目录1. bbox_transform 计算与anchor有最大IOU的GT的偏移量2. bbox_transform_batch3. bbox_transform_inv 根据anchor和偏移量计算proposals4. clip_boxes 将proposals的边界限制在图片内5. clip_boxes_batch6. bbox_overlaps （附手绘理解IOU...

目录1.  1*1 FC层2.  anchor_target_layer_>rpn_data                              ​     3. 二分类 softmaxloss     4. 回归损失 rpn_loss_bbox5. softmax 二分类分类概率6. prosal_layer_>rpn_rois 2000个rpn_roi...

目录​1. 总函数 generate_anchors2. 函数分功能写，首先是ratios的实现，其次是scale的实现3. anchor2WHXY函数+WsHsXsYs2anchors函数[s表示复数]4.  _ratio_enum(anchor,ratios) 5 ._scale_enum(anchor,scales)6. 最终获得的anchors的坐标：学习到的变...

   在笔者之前的解析RPN和ROI-Pooling的博客中，已经给大家详细解析了目标检测Faster R-CNN框架中的两大核心部件。纵观整个Faster R-CNN代码，比较难和经典的部分除了上述两大模块，还有根据RPN输出的前景分数选择出roi和为选择出的roi置ground truth类别和坐标变换的代码。在本篇博客中，笔者就这两部分代码为大家做出解析。   首先是如何选择出合适的rois...

   在笔者的上一篇博客中，解析了Faster R-CNN中的RPN代码，在本篇博客中，笔者详细地解析一下ROI-Pooling代码。为大家讲解2015年Fast R-CNN的核心贡献(ROI Pooling被Faster R-CNN沿用)ROI Pooling的实现原理。(笔者其实一年半之前就看过这个代码，只是当时没有写到博客上，感慨.jpg)   在代码解析正式开始之前，笔者声明几点：1. 本...

本篇博文逐行讲解了Faster R-CNN中的RPN代码。向大家讲解了RPN中的难点：如何生成anchor，如何对anchor进行前景背景的判断，如何为anchor找到坐标变换值。良心干货，欢迎阅读与分享~

#------------------------------用50行代码搭建ResNet-------------------------------------------from torch import nnimport torch as tfrom torch.nn import functional as Fclass ResidualBlock(nn.Mod...

目录首先是pytorch基础系列：1. pytorch常用的一些基础属性和函数，以及与所熟知的numpy的不同，矩阵思维。2. pytorch写cnnn训练的一系列流程。3. pytorch 搭建模型 经典 ResNet+yolo5. nn.moduleList 和Sequential由来、用法和实例 —— 写网络模型【高阶】4. 深入 学习神经网络中 模块的属性方法。ba...