weixin_NineDays66

mmdetection 使用

mmdetection 添加数据字段 并训练流程

最近基于 caff2onnx 做了部分修改，完成了caffe 转 pytorch的模型代码，主代码 , 需要自己构建 pytorch 的Net 架构， 同时 net各层的名字要与 caffe的各层对应。 graph, params = LoadCaffeModel(caffe_graph_path,caffe_params_path) #print(graph) net_pytorch = NET() net_pytorch.eval() pr..

1.写入tfrecordimport tensorflow as tfimport osimport numpy as npimport PIL.Image as Imagedef _get_path_label(image_dir): image_dir = os.path.expanduser(image_dir) ford_list = [] for ford in os.listdir(image_dir): for sub_ford in

原https://zhuanlan.zhihu.com/p/76909819https://zhuanlan.zhihu.com/p/769098191、背景​ 前段时间在知乎上溜达，看到糖心他爸大神的专栏-实战嵌入端的AI算法，进去一看，不得了，发现新大陆了，深度学习模型还能在安卓端这么玩的吗？​ 一般对我们这种初级炼丹师，要验证算法在端上的能力以及实测效果...

https://zhuanlan.zhihu.com/p/76605363https://zhuanlan.zhihu.com/p/76605363https://zhuanlan.zhihu.com/p/76605363工程的完整链接可以参考Github链接。Pytorch以其动态图的调用方式，深得许多科研人员的喜爱，是许多人进行科研研究、算法预研的不二之选。本文我们跟大家讨论一...

https://zhuanlan.zhihu.com/p/70369784https://zhuanlan.zhihu.com/p/70369784https://zhuanlan.zhihu.com/p/70369784论文链接：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks代...

Pytorch 中的学习率调整方法Pytorch中的学习率调整有两种方式：直接修改optimizer中的lr参数； 利用lr_scheduler()提供的几种衰减函数1. 修改optimizer中的lr：import torchimport matplotlib.pyplot as plt%matplotlib inlinefrom torch.optim import *...

利用Pytorch的C++前端(libtorch)读取预训练权重并进行预测https://blog.youkuaiyun.com/iamoldpan/article/details/85057238https://blog.youkuaiyun.com/a819411321/article/details/97372177pytorch 参数写入二进制文件 data = [] ...

https://pytorch.org/该查看自己安装需要的 版本pip3 install https://download.pytorch.org/whl/cu100/torch-1.1.0-cp35-cp35m-win_amd64.whlpip3 install https://download.pytorch.org/whl/cu100/torchvision-0.3.0-cp35-...

http://777n.com/keji/50566.htmlhttp://777n.com/keji/50566.htmlhttp://777n.com/keji/50566.html深度学习是机器学习中一种基于对数据进行表征学习的方法，与传统靠手工设计特征的机器学习算法不同，深度学习能根据不同任务自动学习数据的特征。目前深度学习在语音、图像、视频处理上已经取得了令人印象深刻的进...

---------------- 2018.12.07 分割线 ----------------各大公司开源了自己的移动端深度学习框架，其中包括TensorFlow Lite、Caffe2、MACE、paddle-mobile(MDL)、FeatherCNN、NCNN等。我们参考开源的测试结果，结合自己整理的数据，针对主流的异动单深度学习框架进行简单对比及介绍。框架 机构 支持...

1.概述ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。ncnn 从设计之初深刻考虑手机端的部署和使用。无第三方依赖，跨平台，手机端 cpu 的速度快于目前所有已知的开源框架。基于 ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行，开发出人工智能 APP，将 AI 带到你的指尖。ncnn 目前已在腾讯多款应用中使用，如QQ，Qzone，微信，天天P图等。 2.功能...

近年来，深度学习的发展势头迅猛，要跟上深度学习的进步速度变得越来越困难了。几乎每一天都有关于深度学习的创新，而大部分的深度学习创新都隐藏在那些发表于ArXiv和Spinger等研究论文中。本文介绍了部分近期深度学习的进展和创新，以及Keras库中的执行代码，本文还提供了原论文的链接。简洁起见，本文中只介绍了计算机视觉领域内比较成功的深度学习架构。另外，文章基于已经掌握了神经网络的知...

本文介绍了如何利用 Apache MXNet 预训练出的多个模型。每个模型在特定图像上的表现略有不同，训练多个模型旨在找出更适合特定任务的模型。在这篇博文中，你将会了解如何使用 Apache MXNet 预训练出的多个模型。为什么要尝试多个模型呢？为什么不直接选择准确率最高的呢？稍后我们会在文章中看到，尽管这些模型是在相同的数据集上训练的，并且都针对最大准确率进行了优化，但它们在特定图像上...

1. train.bat..\caffe-windows-master\bin\caffe.exe    //安装配置时生成的caffe.exe路径  train                                    //表示训练过程  --solver=.\model\solver.prototxt         //参数设置文件  --weights=.\mod...

slice：在某一个维度，按照给定的下标，blob拆分成几块。比如要拆分channel，总数50，下标为10,20,30,40，那就是分成5份，每份10个channel，输出5个layer。concat：在某个维度，将输入的layer组合起来，是slice的逆过程。split：将blob复制几份，分别给不同的layer，这些上层layer共享这个blob。tile：将blob的某个维度...

有的时候我们需要在Caffe中添加新的Layer，现在在做的项目中，需要有一个L2 Normalization Layer，Caffe中居然没有，所以要自己添加。所以最重要的是如何实现forward_cpu(forward_gpu), backward_cpu(backward_gpu). 1. L2 Normalization Forward Pass(向前传导)1.1 Form...

 使用 hdf5 配置1. 包含目录E:\WorkSpace\SoftWare\hdf5\include2.库目录E:\WorkSpace\SoftWare\hdf5\lib\3.链接器 -输入hdf5.libhdf5_cpp.lib4. C/C++ -预处理器定义H5_BUILT_AS_DYNAMIC_LIB;注意  使用 hdf5 用于 训练 过程...

1.RoiPoolingLayer 2.SmoothL1LossLayercaffe 的 Fast_Rcnn 实现， 里面包含 RoiPoolingLayer  和 SmoothL1LossLayerhttps://github.com/rbgirshick/caffe-fast-rcnn/注意： 把编译改成 61 否者 cu文件无法编译成功 想要在现有的caffe版本...

 propagate_down具体使用方法及决定是否反传的各个参数的区别假设我们有4个卷积层A->B->C->Dpropagate_down  (如果没效果就使用方法2 每一层含有参数的设置r_mult=0)我们希望C层的参数不改变，以及C前面的A、B层的参数也不改变，这种情况也就是D层的梯度不往前反向传播到D层的输入blob（也就是C层的输出blob 没有得到梯...

按理说每一层应该都要求一层梯度，其中包括对权值，对输入数据，对偏置分别求取梯度。但是在softmax with loss layer这一层求取梯度的一些过程被省去了，首先这一次只是一个激活函数层，没有权值和偏置参数，然后我们只需要对输入数据求取梯度，softmax with loss layer的输入数据其实表示的是原始输入数据相对于各个标签的打分，而对于代价函数对这个输入的梯度已经有专门的迭代算...

Hyperspherical Convolutional 超球面卷积随着CNN网络的加深，参数增多，网络会变得越来越难训练（过拟合，梯度消失/梯度爆炸），对于参数的初始化也会变的更加敏感。为了优化这个问题，作者采用了一种新奇的方法即超球面卷积（SphereConv） 代替原来的内积计算。这种网络结构(SphereNet)会更容易优化，收敛更快，同时在一些分类任务上也表现的比普通的卷积网络更好。实验...

近日，Intel 开源了一个用于神经网络压缩的开源 Python 软件包 Distiller，它可以减少深度神经网络的内存占用、加快推断速度及节省能耗。Distiller 为 PyTorch 环境提供原型和分析压缩算法，例如产生稀疏性张量的方法和低精度运算等。项目地址：https://github.com/NervanaSystems/distiller/文档地址：https://nervanas...

有的时候我们需要在Caffe中添加新的Layer，现在在做的项目中，需要有一个L2 Normalization Layer，Caffe中居然没有，所以要自己添加。添加方法作者已经在Caffe的wiki上写出来了，Link How To Implement New Layers in Caffe所以最重要的是如何实现forward_cpu(forward_gpu), backward_cpu(b...

1.配置 protobuf 的 include 目录2.配置 protobuf的库目录3.拷贝 caffe 源码生成的  caffe.pb.cc 和caffe.pb.h 文件到 当前工程目录。 （注意 protobuf 库 跟caffe 版本要匹配）4.读取代码#include "caffe.pb.h"#include <fstream>int getParame...

最优化方法一直是机器学习中非常重要的部分，也是学习过程的核心算法。而 Adam 自 14 年提出以来就受到广泛关注，目前该论文的引用量已经达到了 10047。不过自去年以来，很多研究者发现 Adam 优化算法的收敛性得不到保证，ICLR 2017 的最佳论文也重点关注它的收敛性。在本文中，作者发现大多数深度学习库的 Adam 实现都有一些问题，并在 fastai 库中实现了一种新型 AdamW ...

 前天，香港科技大学计算机系教授 Sung Kim 在 Google Drive 分享了一个 3 天速成的TensorFlow 极简入门教程；接着，他在 GitHub 上又分享了一个 3 至 4 日的速成教程，教大家如何使用 PyTorch 进行机器学习／深度学习。Sung Kim 共享了该教程的代码和 PPT 资源，机器之心对其做了扼要介绍。资源链接请见文中。  代码：http...