schmiloo的博客

如何借助pytorch进行卷积运算 import torch.nn.functional as F filters = torch.randn(8,4,3,3) inputs = torch.randn(1,4,5,5) F.conv2d(inputs, filters, bias=None, stride=1, padding=0, dilation=1, groups=1)

TP、TN、FP、FN主要用来统计两类分类的问题，当然多个类别也可以分别统计。 将样本分为正样本（positive）和负样本(negative)。 TP、TN、FP、FN中第一个字母表示分类器识别结果是否正确，正确用True的首字母T表示，错误用False的首字母F表示。第二个字母表示分类器的判定结果，P表示分类器判定为正样本，N表示分类器判定为负样本。所以： TP：分类器识别正确，分类器认为该样本为正样本； TN：分类器识别正确，分类器认为该样本为负样本； FP：分类器识别结果错误，分类器认为该样本是正样

mmcv的基本读取文件操作支持以下几种类型： json yaml yml pickle pkl 利用mmcv.load(‘abc.json’)将文件读入内存，按照key:value的方式组织 同时mmcv支持文本读取操作，包含两个函数 mmcv.list_from_file(‘a.txt’) mmcv.dict_from_file(‘b.txt’) import mmcv dict_data = mmcv.dict_from_file('abc.txt') print('dict_data = ', di

找到cocoeval.py文件，改文件存储在site-packages\pycocotools\路径 引发错误的代码为np.linspace(.5, 0.95, np.round((0.95 - .5) / .05) + 1, endpoint=True)，np.linspace在numpy 1.11.0版本后只支持int类型的数字。 引发错误的代码主要目的是生成以0.05为步长，0.5~0.95的数组，可以直接将数组[ 0.5 , 0.55, 0.6 , 0.65, 0.7 , 0.75, 0

获取tensor中一共包含多少个元素 import torch x = torch.randn(3,3) print("number elements of x is ",x.numel()) y = torch.randn(3,10,5) print("number elements of y is ",y.numel()) 输出： number elements of x is 27 number elements of y is 150 27和150分别位x和y中各有多少个元素或变量 ...

Pytorch中的AnchorGenerator 在pytorch中， AnchorGenerator主要用于生成候选框，该类存储子在torchvision/models/detection/rpn.py中。 #创建AnchorGenerator类 from torchvision.models.detection.rpn import AnchorGenerator generator = AnchorGenerator() 该类继承于nn.Module， 因此包含forward属性 要获得genera