qq_23022733的博客

1、Tao：迁移，剪枝，支持onnx模型导入，集成在deepstream部署；2、导入onnx模型，只针对算子，不分是否为分类和分割、检测模型；5、部署问题：在哪个卡上做部署，就在哪个卡上做trt转换；4、onnx可以转到Tao，但Tao不能转化成onnx;3、vota不支持int8；

...

......

参考：链接1

参考：链接1

参考：参考：参考：参考：参考：，

【代码】如何从json格式转为xml格式（训练yolo模型数据）

主干网络示意图如下，其实采用的和YoloV3、YoloV4、YoloV5类似的网络结构代码如下，多分支模块堆叠的类名为：Multi_Concat_Block输出：2.2 下采样网络结构结合了maxpooling和2 ×\times× 2步长的卷积代码如下，下采样结构类名为Transition_Block，输出：2.3 整个backbone代码整个主干网络实现代码为：输出：3、FPN特征金字塔backbone与FPN以及head代码：输出：

无

【代码】crop图片后，同时修改物体相应的坐标。

无

GMIP

参考：，

【代码】调整json文件。

文章目录1、TensorBoard 版本太旧问题2、ModuleNotFoundError: No module named 'past'我的环境如下：编译器：pycharm环境：python 3.6torch：1.2.0torchvision：0.4.01、TensorBoard 版本太旧问题bug:ImportError: TensorBoard logging requires TensorBoard with Python summary writer installed. T

文章目录

文章目录1、卷积核Constant参数初始化2、卷积核参数随机（random）初始化2.1 随机分布的参数初始化2.2 正态分布的参数初始化3、卷积核参数Xavier初始化1、卷积核Constant参数初始化就是对前向计算卷积核的参数初始化，Constant就是一个简单的初始化，就是把卷积核的参数设置为常数，API（pytorch）如下：torch.nn.init.constant_(tensor, val) # val：自己设置的常数torch.nn.init.ones_(tensor) #

1、报错：expected scalar type Long but found Int参考：点击这里，不过这里的方法我没实验成功最后参考这个链接,成功解决。修改的代码： 在target.view(-1)后满添加.type(torch.LongTensor)class MySoftmaxCrossEntropyLoss(nn.Module): def __init__(self, nbclasses): super(MySoftmaxCrossEntropyLoss,

labelme images --labels labels.txt --nodata --validatelabel exact --config ‘{shift_auto_shape_color: -2}’

文章目录预备知识空洞卷积：1、DeepLab V11.1 基于VGG模型1.2 总体架构1.2.1 Fully Connected CRF（条件随机场）1.3 DeepLab V1的思考预备知识空洞卷积：参考我之前写的博客：优快云链接 空洞卷积详解1、DeepLab V1其他图像分割模型如FCN和U-Net都使用了反卷积和pooling保持分别率不变，而只使用空洞卷积就可以实现反卷积和pooling的效果，而且空洞卷积还具有可学习的优点。1.1 基于VGG模型1、以VGG模型为基础，因为

文章目录1、什么是空洞卷积（Atrous Convolution）1.1**定义**：1.2 空洞卷积后的feature size大小1、什么是空洞卷积（Atrous Convolution）1.1定义：与反卷积正好相反，空洞卷积它是对卷积核的kernel size之间进行插值，用参数dilation来决定kernel size之间插值的数量，如果dilation等于2就是在原kernel size插一行，如图：1.2 空洞卷积后的feature size大小因为空洞卷积是对kernel siz