silencehhh的博客

一、pytorch 模型保存及加载 经常看到(.pt,.pth,.pkl)的pytorch模型文件，并不是格式上不同，只是后缀不同； torch.save函数保存模型文件时，因人而异； 重点在于保存模型的方式不同，需要注意 1.1、只保存模型参数，不保存模型结构 保存： # 模型权重参数，不保存模型结构，速度快，占空间少 torch.save(model.state_dict(), "mymodel.pth") 调用： # 这里需要重新模型结构，My_model m

1、模型转换 模型需要在端侧进行部署时，需要对模型文件进行转换，官方项目中给了指定的转换方式export.py --weights 指定转换模型文件路径，如 run\train\exp9\best.pt --img-size 推理图片大小，根据指定的预训练模型对应的size大小 --batch-size 默认为1 --device 部署环境指定，GPU或者CPU --include 部署类型，torchscript、onnx、coreml，c++版本一般需要第一个torchscript python e

模型训练测试之三：yolov5 模型训练及windows部署（一） 1、项目背景 钢厂中，规范化生产管理，钢坯入炉前需要对钢坯端面钢种、流转号识别。断面喷码目前都替换成机器喷墨的方式，字体较为工整，需要对其进行自动识别记录。 本项目基于Pytorch版本的yolov5实现断面喷码识别。 2、网络结构介绍 ​ Pytorch版本的yolov5的模型介绍，估计网上一大堆，要想看源码或者原始模型介绍，可自行百度。如果需要pdf版本（自己不想找），私信我即可。 3、模型训练 ​ 源码下载：https://g

ScaledYOLOv4使用记录Scaled-YOLOv4：YOLOv4官方改进版！55.8% AP！新的改变1、下载2、环境配置 Scaled-YOLOv4：YOLOv4官方改进版！55.8% AP！ YOLOv4-large在COCO上最高可达55.8 AP！速度也高达15 FPS！YOLOv4-tiny的模型实现了1774 FPS！（在RTX 2080Ti上测试） From：YOLOv4原班人马（AlexeyAB等人） Github地址 Gitee 地址 推荐 新的改变 聚焦于针对 YOLOv4 的