m0_57459724的博客

论文笔记:BBN: Bilateral-Branch Network with Cumulative Learningfor Long-Tailed Visual Recognition

paddlepaddle实现CS_CE Loss且并入PaddleClas

Bag of Tricks for Long-Tailed Visual Recognition with Deep Convolutional Neural Networks

Adaptive Logit Adjustment Loss for Long-Tailed Visual Recognition

文章目录1.开发板环境2.编译环境3.步骤1.拉取官方docker 镜像2.克隆paddlelite3.选择版本3.1安装python3.74. 编译paddle-lite5.编译完成6. 安装6.1 将文件从docker中拷贝出来6.2 树莓派安装whl文件这几天在树莓派上使用paddlelite部署paddlepaddle模型，编译过程直接麻了。大大小小的报错能遇到坑的我应该全部都踩了个变1.开发板环境硬件：树莓派4B, 系统:raspberrypi 5.10.103-v7l+ 1529

def accuracy(output, label, topk=(1,)): maxk = max(topk) batch_size = output.size(0) # 在输出结果中取前maxk个最大概率作为预测结果，并获取其下标，当topk=(1, 5)时取5就可以了。 _, pred = torch.topk(output, k=maxk, dim=1, largest=True, sorted=True) # 将得到的k个预测结果的矩阵进行转置，方便

1. tensorboard: error: invalid choice: ‘events.out.tfevents.1642851697.shier.1183210.0’ (choose from ‘serve’, ‘dev’)使用的指令tensorboard events.out.tfevents.1642851697.shier.1183210.0 --logdir=./报错：tensorboard: error: invalid choice: ‘events.out.tfevents.

最近在跑模型的时候发现，同样在imagenet1k数据集，256大小的batchsize下，我自己的模型训练一个epoch需要几乎一个小时，而PiT则差不多只需要半个小时。但是将batchsize调整为64之后时间又几乎相同。测试后发现：单独在本机上测试，经过对比后发现时间开销主要在计算loss时，使用相同的api测试代码：import paddle.nn as nnimport paddleimport paddle.nn.functional as Ffrom backbone imp.

Vision Transformer 模型详解论文链接： https://arxiv.org/abs/2010.11929论文原文代码：https://github.com/google-research/vision_transformertimm链接：https://github.com/rwightman/pytorch-image-models文章目录Vision Transformer 模型详解1. 前言：2. 模型结构1. patch embedding部分一、patch e

layout: _poststitle: opencv基本操作(1).mddate: 2021-09-16 23:08:24tags:本贴记录，总结opencv，的使用与安装。也给来的朋友做一个参考作用1.先安装opencv和相应版本的opencv-contrib-pythonpip install opencv-pythonpip install opencv-contrib-python=='版本号'2.开始教程1.图片和视频的读取和显示保存1.使用opencv读取相应的图.

问题：RuntimeError: (NotFound) Operator conv2d does not have kernel for data_type[uint8_t]:data_layout[ANY_LAYOUT]:place[CUDAPlace(0)]:library_type[CUDNN].[Hint: Expected kernel_iter != kernels.end(), but received kernel_iter == kernels.end().] (at /paddle/p

title: yolov3算法理解date: 2021-11-21 14:45:42tags:toc: True本贴记录自己学习完yolov3算法的后的个人理解首先我们来了解一下yolov3算法物体检测的具体流程：前向传播：对数据集图片进行处理，padding成为大小形状相同的图片，并对数据进行增强操作（注意：处理完后需要对label中的(tx,ty,tw,th)进行相应的修改,且在label中增加置信度初始化为0）将图片放入darknet53网络，输出三个不同规格的特征图依次.

pytorch 在矩阵相乘时expected scalar type Float but found Double问题今天在写MNIST数据集分类的时候进行矩阵相乘一直报错expected scalar type Float but found Double代码：x = torch.tensor([[1,3,4]]).float()w = torch.randn([3,10],dtype=float,requires_grad=True)x.mm(w)原因：torch.randn()中d