qq_38284951的博客

首先环境部署cuda11.3 和torch1.10 vs2019(默认安装即可)这些不再赘述。接下来比较重要的是：一些依赖的环境本人的依赖环境如下：很多博客上讲安装mmcv1.3.3 本人亲测 会报错

点击上方“AI遇见机器学习”，选择“星标”公众号重磅干货，第一时间送达作者：William Falcon编译：ronghuaiyang导读一个step by step的指南，非常的实用。不要让你的神经网络变成这样让我们面对现实吧，你的模型可能还停留在石器时代。我敢打赌你仍然使用32位精度或GASP甚至只在一个GPU上训练。我明白，网上都是各种神经网络加速指南，但是一个checklist都没有（现在有了），使用这个清单，一步一步确保你能榨干你模型的所有性能。本指南.

densenet 加入drop out p=0.4sgd优化器optimizer = torch.optim.SGD(classify_model.parameters(), lr=params["lr"], momentum=0.9, weight_decay=1e-5)scheduler = torch.optim.lr_scheduler.ReduceLROnPlateau(optimizer, mode='min', factor=0.7, patience=2)dense...

在跑resenet的时候出现下面的问题RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same报错的代码Traceback (most recent call last): File "E:/workspace/MachineLearning-master/main.py", line 159, in <module>

这是一篇中国电子科技大学的文本检测文章引言基于深度学习的场景文本检测方法在过去几年取得了显着成效。 然而，由于自然场景的高度多样性和复杂性，当应用于在现实世界环境中捕获的图像时，目前最先进的文本检测方法仍可能产生大量假阳性结果。 为了解决这个问题，作者受到Mask R-CNN的启发，文中提出了一种有效的场景文本检测模型，该模型基于特征金字塔网络（FPN）和实例分割。 作者提出了一个监督金字...

Pyramid Feature Attention Network for Saliency detection引言显著性检测是计算机视觉领域的基本挑战之一，怎么有效去提取特征非常关键，目前的一些方法主要都是采用多尺度卷积提取特征的方法，然而有些特征对于显著性检测是没有作用的，有的会引起干扰。这篇文章旨在解决这一问题，提出一种金字塔特征注意网络，重点关注有效的高层上下文特征和低层次的空间结构特...