计算机视觉的学习日常

numpy中的赋值与copy()

关于pytorch中tensor中莫名其妙的改变或输出莫名其妙

使用qt show出你的cv算法

VS2017中NCNN使用vulkan

计算机视觉中常用的损失函数，理解prediction与label的shape以及损失计算方式

在wsl2使用GPU训练pytorch模型

知识蒸馏，高效压缩模型的简单实现

模型量化，高效压缩模型的简单实现

pytorch入门指导，从读取数据到ncnn部署，全流程

模型剪枝，高效压缩模型的简单实现

低秩分解，高效压缩模型的简单实现

超简单的实现方式，快把你的深度学习模型安装到小伙伴的android手机吧！！！

1. 导入必要的库函数import osimport jsonimport torchfrom PIL import Imagefrom torchvision import transforms# 导入自己的模型from model_v3 import mobilenet_v3_small2. 文件存储格式imgs文件下下是需要预测的图像label.txt为每幅图对应的标签### 这个无所谓，能正常读取就行3. 标签读取辅助函数targets_path =.

1. 读取预训练权重pre_weights = torch.load(model_weights_path, map_location=device)2. 读取预训练权重中与现有模型参数设置相同层的权重，可适用于修改了分类或某些层通道数的情况net = yourmodel()pre_dict = {k: v for k, v in pre_weights.items() if net.state_dict()[k].numel() == v.numel()}# strict