qq_17127427的博客

自定义学习率

python训练模型，fp16+梯度累加

测试模型：resnet50和resnet101测试显卡：2080ti单独测试耗时：resnet50 24.4ms resnet101 48.22ms初始化种子和热机：为了保证每次验证的一致性，需要初始化种子，使得每次测试的输入数据保持一致，同时，为了准确统计时间，测试前先跑100次热机，然后再统计时间。第一种情况：两个模型串行跑#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2021/5/8 16:20# @A

以fcos模型为例，需要输出fpn的5个feature map，需要支持多个尺寸输出、不同batchsize1、转onnx模型import argparseimport os.path as ospimport warningsimport numpy as npimport onnximport onnxruntime as rtimport torchfrom mmcv import DictActionfrom mmdet.core import (build_model

取resnet50的4个stage的feature map并resize到256*256进行特征融合，出现显存溢出问题以最后一个fm为例，fm的shape为10*2048*8*8，占5M显存，resize后为10*2048*256*256，占5120M显存，即interpolate这一步操作就会给结果分配5G的显存，可以考虑在用完这个中间结果后使用del featuretorch.cuda.empty_cache()来手动释放资源虽然可以在一定程度上解决显存溢出的问题，但是在每次for

import cv2from torchvision.models.resnet import resnet18import torchfrom torchvision import transformsimport matplotlib.pyplot as pltimport numpy as np# img = np.zeros((256,256),dtype=np.uint8)# for r in range(16):# for c in range(16):...

1、dcnv2的实现测试了两种，一种是官方版dcnv2，git链接：https://github.com/CharlesShang/DCNv2.git，编译直接cd到DCNv2，然后./make.sh即可，第二种是mmcv.ops.modulated_deform_conv.ModulatedDeformConv2dPack2、实验以resnet50、mnist训练为例from torch_op.common import init_seedfrom torchvision.datasets i