tmk_01-优快云博客

原创解决win下vs+yolov3使用Dll载入图片和载入Mat检测出来效果不一致的问题。

问题描述：在windows下使用vs2015 + Yolov3的DLL版本时（https://github.com/AlexeyAB/darknet），根据官网有两种检测方法如下图：一种是直接加载图片的文件名，另一种是使用Opencv，先用Mat加载图片文件名，再用Detector做检测。按道理来说两种方法检测效果应该一致，可是实际情况却是使用Mat作为检测目标时，检测效果没有直接加载图片...

2018-07-04 17:08:28 2656 7

原创 pytorch方法测试——损失函数（BCELoss）

测试代码：import torch import torch.nn as nn import math m = nn.Sigmoid() loss = nn.BCELoss(size_average=False, reduce=False) input = torch.randn(3, requires_grad=True) target = torch.empty(3).random_(2)...

2018-06-28 16:01:06 43282 2

原创 pytorch方法测试——损失函数（CrossEntropyLoss）

测试代码：import torch import torch.nn as nn import math loss = nn.CrossEntropyLoss() input = torch.randn(1, 5, requires_grad=True) target = torch.empty(1, dtype=torch.long).random_(5) output = loss(input,...

2018-06-28 10:57:08 29468 6

原创 pytorch方法测试——激活函数（ReLU）

测试代码： import torch import torch.nn as nn #inplace为True，将会改变输入的数据，否则不会改变原输入，只会产生新的输出 m = nn.ReLU(inplace=True) input = torch.randn(7) print("输入处理前图片：") print(input) output = m(input) print("ReLU输出...

2018-06-13 15:42:46 32061

原创 pytorch方法测试——归一化（BatchNorm2d）

测试代码：import torch import torch.nn as nn m = nn.BatchNorm2d(2,affine=True) #权重w和偏重将被使用 input = torch.randn(1,2,3,4) output = m(input) print("输入图片：") print(input) print("归一化权重：") print(m.weight) print...

2018-06-13 15:28:00 35536 3

原创 pytorch方法测试——卷积（三维）

测试代码：import torch import torch.nn as nn import torch.autograd as autograd m = nn.Conv3d(2, 1, 3, stride=2) input = autograd.Variable(torch.randn(1, 2, 3, 5, 6)) output = m(input) print("输入图片：") prin...

2018-06-12 22:19:56 7783

原创 pytorch方法测试——卷积（二维）

测试代码：import torch import torch.nn as nn m = nn.Conv2d(2, 2, 3, stride=2) input = torch.randn(1, 2, 5, 7) output = m(input) print("输入图片：") print(input) print("卷积的权重：") print(m.weight) print("卷积的偏重：") ...

2018-06-12 21:40:48 2582

原创 pytorch方法测试——卷积（一维）

import torch import torch.nn as nn m = nn.Conv1d(2, 5, 2, stride=2) print(m) input = torch.randn(2,2, 5) print(input) output = m(input) print(m.weight) print(m.bias) print(output) print(output.size()...

2018-06-12 19:22:48 13006