Vertira的博客

Conda 创建，查看，删除 虚拟环境的方法【亲测】

主流的深度学习推理架构有哪些（NCNNN）

我安装的cpu版本的paddlex，# Name Version Build Channelastor 0.8.1 pypi_0 pypiatomicwrites 1.4.0 pypi_0 pypiattrs 21.4.0

paddle 语义分割标注软件：https://github.com/PaddleCV-SIG/EISeghttps://github.com/PaddleCV-SIG/EISeg

安装paddlex，官方会自动匹配对应的opencv-opencv，scikit-learn，matplotlib，numpy，scipy版本。paddlex的快速安装方法。中途可能有报错和预警，不用担心，慢慢等待，它会自动把缺少的安装包补全，最后成功安装paddlex，对应的版本依赖opencv-python，scikit-learn，matplotlib，numpy，scipy也被安装。pip install paddlex -i https://pypi.tuna.tsinghua.edu.

直接上代码：pip install paddlex -i https://pypi.tuna.tsinghua.edu.cn/simple安装过程中可能numpy没有安装，导致报错，但是不用担心，耐心等待，它自动安装。最后多次报错，多次自动安装，最后安装成功。请看我的安装过程，速度挺快(paddlex) C:\Users\YANG>pip install paddlex -i https://pypi.tuna.tsinghua.edu.cn/simpleLooking in i

按顺序，打开paddlex gui，创建项目--》导入数据集。发现没有我的数据集。所以，先做好数据集。数据集格式如下：自己做好。MyDataset/ # 目标检测数据集根目录|--class1/ # 原图分类1文件所在目录| |--1.jpg| |--2.jpg| |--...| |--...||--class2/ # 分类2所在目录| |--1.jpg| |--2.jpg| |--...| |--...|--class3 | .....|--class4

飞桨 -PaddleX 是一套更加简明易懂的API，并配套一键下载安装的图形化开发客户端。用PaddleX实现图像分类训练非常快速，代码量也小。第一步：安装paddlex, 参考《在windows10下安装飞桨2.0.2和PaddleX》第二步：下载并解压蔬菜分类数据集，用迅雷直接下载https://bj.bcebos.com/paddlex/datasets/vegetables_cls.tar.gzhttps://links.jianshu.com/go?to=https%3A%2F%2Fbj.bc

模型的保存：model_dict = model.state_dict()fluid.save_dygraph(model_dict, model_path)#model_path即为存储位置，文件名的部分不用加后缀模型的读取model_state_dict = fluid.load_dygraph(model_path)model.load_dict(model_state_dict[0])#这里注意model_path文件名部分不要加后缀，否则会报错【PaddlePa

虽然实例是python，可以把python代码封装成dll，在c++环境中进行调用。下面这个链接值得参考：TensorRT学习与paddle-TRT实践（一）_飞得更高-优快云博客_paddle tensorrtgithub 源码地址：https://github.com/NVIDIA/TensorRThttps://github.com/NVIDIA/TensorRT官方手册地址：NVIDIA Deep Learning TensorRT Documentationhttps://docs.nv

如何基于OpenVINO加速飞桨模型推理？一个案例带你吃透 | 部署“桨”坛以钢卷捆带检测项目为例，分享如何基于OpenVINO实现飞桨模型的CPU推理加速https://www.paddlepaddle.org.cn/support/news?action=detail&id=2681...

部署环境：VS2019+cuda10.2+cmake3.17.0v2.0.0参考兼容并包的PaddleX-Inference部署方式按照官方步骤基于PaddleInference的推理-Windows环境编译下载paddleX和cuda10.2版本的paddle_inference.zip，将PaddleX中的cpp拷贝出来并新建build_out文件夹将cpp文件夹下的cmakeList.txt修改为下图，仅对下图中的几行进行修改，其它不变：完全按照下图选择进行cmake，...

飞桨AI Studio - 人工智能学习与实训社区集开放数据、开源算法、免费算力三位一体，为开发者提供高效学习和开发环境、高价值高奖金竞赛项目，支撑高校老师轻松实现AI教学，并助力开发者学习交流，加速落地AI业务场景http://aistudio.baidu.com/aistudio/#/projectdetail/24446飞桨AI Studio - 人工智能学习与实训社区集开放数据、开源算法、免费算力三位一体，为开发者提供高效学习和开发环境、高价值高奖金竞赛项目，支撑高校老师轻松实现AI教学，并助力

PaddleDetection为目标检测库，提供了多种预训练模型和模型配置文件，根据任务需求选择现有的配置文件调整参数即可：YoloV3的优势 ，1.YOLO网络：单步的目标检测算法，适合目标的实时检测，推算速度较快。丧失部分精度，将图片端到端的进行目标检测，也引入了rcnn的Anchor框体系大幅提升mAP。因为没有进行区域采样，所以对全局信息有较好的表现，前两代网络在小目标检测上表现稍差（一般定义为像素尺寸小于32 * 32的目标或是长宽远小于原图像尺寸的0.1的目标）。但不妨碍成熟的YOLO.

制作自己的COCO数据集，训练mask R-CNN_u010684651的博客-优快云博客_制作coco数据集先占个坑，国庆假期的时候来写。10月16号，终于打开了优快云，想起了还有一篇没写的博客本文适合一些小白看，比较简单，稍微改一下别人的示例代码就行。之前做了点肿瘤检测的工作，就是在图上把肿瘤的位置用边界框标出来，用自己的数据做成了VOC格式，然后训练了faster R-CNN，结果还行。下面要做的工作是在之前的基础上，还要把肿瘤勾画出来，所以就要用到mask R-CNN了，这时候数据就...htt

环境python3.6，paddlepaddle-gpu1.5.2.post107# -*- coding: utf-8 -*-# @Time : 2020/1/18 16:49# @Author : Zhao HL# @File : lenet5_paddle.pyimport os,sysfrom PIL import Imageimport numpy as npimport paddlefrom paddle import fluid # region par...

import paddle.fluid as fluidimport numpy as np x = fluid.layers.data(name="x", shape=[3, 2, 3], append_batch_size=False, dtype="float32")out = fluid.layers.flatten(x=x, axis=1) # out shape is [3, 6] place = fluid.CPUPlace()exe = fluid.Executor(plac.

>>> import paddle>>> import paddle.fluid as fluid>>> from paddle.fluid.dygraph.nn import Linear>>> import numpy as np>>> np.random.seed(500) #生成样本数据>>> data = np.random.rand(2,3,3,3).astype(np.flo.

linearpaddle.nn.functional.linear(x,weight,bias=None,name=None)返回Tensor，形状为[batch_size,∗,out_features][batch_size,∗,out_features]，数据类型与输入Tensor相同。import paddlex = paddle.randn((3, 2), dtype="float32")# x: [[-0.32342386 -1.200079 ]#...

PaddleHub静态图版本教程合集 - 飞桨AI Studio - 人工智能学习与实训社区PaddleHub静态图版本教程合集 - 飞桨AI Studio - 人工智能学习与实训社区https://aistudio.baidu.com/aistudio/projectdetail/231146

迁移学习_Resnet载入预训练Backbone（动态图版） - 飞桨AI Studio - 人工智能学习与实训社区当前的预训练基本都是静态图，少数的动态图也是直接载入完整的预训练模型。本项目实现了载入预训练Backbone，并对分类层实现自定义 - 飞桨AI Studio - 人工智能学习与实训社区https://aistudio.baidu.com/aistudio/projectdetail/823339?shared=1《PaddlePaddle从入门到炼丹》九——迁移学习_夜雨飘零-优快云博客_

PaddlePaddle实现线性回归 - Philtell - 博客园知识点回顾机器学习是怎么一个工作过程呢？是这...https://www.cnblogs.com/CCCrunner/p/11781554.html

E0118 11:34:27.435986 24940 pybind.cc:1620] Cannot use GPU because you have installed CPU version PaddlePaddle.If you want to use GPU, please try to install GPU version PaddlePaddle by: pip install paddlepaddle-gpuIf you only have CPU, please change CUDA

import paddle.fluid as fluidimport paddleimport numpy as npdef load_model(inpt): # 定义一个简单的线性网络，对输入inpt进行全连接，映射为100维大小 # batchsize：一批、一组数据的大小 # 比如输入inpu:[batchsize,13]，则hidden:[batchsize,100] hidden = fluid.layers.fc(input=inpt, size=10.

此类错误的解决方法：import paddlepaddle.enable_static()

线性网络示意图如下：如果想了解什么是线性网络，可以参考下面两个链接：https://blog.youkuaiyun.com/Vertira/article/details/122555298https://blog.youkuaiyun.com/Vertira/article/details/122555298神经网络（paddle）之--------线性神经网络以及python实现_Vertira的博客-优快云博客paddle 中可以使用线性网络+卷积层 组成一个卷积神经网络。这里介绍一下线性网络原理：线性网.

paddle 中可以使用线性网络+卷积层 组成一个卷积神经网络。这里介绍一下线性网络原理：线性网络在结构上是与感知器非常的相似，只是其神经元的激活函数不同（网上关于感知器原理有很多，自己学习吧）。线性网络原理示意图若网络中包含多个神经元节点，就可形成多个输出，这种神经网络可以用一种间接的方式解决线性不可分的问题，方法是用多个线性含糊对区域进行划分，神经结构和解决异或问题如下图所示： 利用线性神经网络解决线性不可分问题的另一个方法是对神经元添加非线性输入，从而引入非线性成分，...