Zack的博客

pytorch_quantization/cuda_ext.cpython-310-x86_64-linux-gnu.so: undefined symbol: _ZN3c106detail1

OSError: libcudart.so.11.0: cannot open shared object file: No such file or directory

onnxruntime 推理错误：TypeError: run(): incompatible function arguments

TypeError: forward() takes 2 positional arguments but 4 were given

Failed to build pycocotoolsERROR: Could not build wheels for pycocotools, which is required to install pyproject.toml-based projects

BERT 文本分类模型自动化部署之 dockerfile，基于 torch 的 CPU 版本。

基于 bert-base-chinese 预训练模型的多标签文本分类模型，BCEWithLogLoss解决样本不均衡问题

分布式训练：使用DistributedDataParallel实现单机多GPU并行训练resnet50模型

开源语义解析器：Google的SLING、SyntaxNet

YOLOv7加载多GPU训练的模型报错解决方法

ResNet50转onnx

Pytorch版使用预训练卷积神经网络快速训练自己的分类模型

CUDA 编程入门及开源项目代码分享

nvidia-docker

第一名：PaddleOCRPaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力开发者训练出更好的模型，并应用落地。特性支持多种OCR相关前沿算法，在此基础上打造产业级特色模型PP-OCR和PP-Structure，并打通数据生产、模型训练、压缩、预测部署全流程。在线网站体验：移动端demo体验：安装包DEMO下载地址(基于EasyEdge和Paddle-Lite, 支持iOS和Android系统)文本检测算法效果文本识别算法效果第二名：EasyOCR算法效果。

【AI实战】最全 TensorFlow 官方模型：计算机视觉、自然语言处理

Transformer做数值时间序列预测

使用LSTM做数值序列预测依赖环境核心代码搭建模型loss函数其他辅助函数模型概览依赖环境python3.xtensorflow 2.xLinux(我用的Ubuntu 18.04LTS)numpypandassklearn核心代码搭建模型依赖库import sysimport osfrom tensorflow import kerasfrom tensorflow.keras.models import Modelimport pandas as pdfrom sk

Seq2Seq

基于深度学习的空气质量预测模型开源代码汇总一、传统机理空气质量模型空气质量模型是基于人类对大气物理和化学过程科学认识的基础上，运用气象学原理及数学方法，从水平和垂直方向在大尺度范围内对空气质量进行仿真模拟，再现污染物在大气中输送、反应、清除等过程的数学工具，是分析大气污染时空演变规律、内在机理、成因来源、建立“污染减排”与“质量改善”间定量关系及推进我国环境规划和管理向定量化、精细化过渡的重要技术方法。二、基于深度学习的空气质量预测模型ST-CausalConvNetA Spatiotempo

github图像语义分割代码汇总Semantic segmentationU-Net (https://arxiv.org/pdf/1505.04597.pdf)https://lmb.informatik.uni-freiburg.de/people/ronneber/u-net/ (Caffe - Matlab)https://github.com/jocicmarko/ultrasound-nerve-segmentation (Keras)https://github.com/Edwar

语义分割数据集DatasetsStanford Background Datasethttp://dags.stanford.edu/projects/scenedataset.htmlSift Flow Datasethttp://people.csail.mit.edu/celiu/SIFTflow/Barcelona Datasethttp://www.cs.unc.edu/~jtighe/Papers/ECCV10/Microsoft COCO datasethttp://m

图像语义分割标注工具Annotation Tools:https://github.com/AKSHAYUBHAT/ImageSegmentationhttps://github.com/kyamagu/js-segment-annotatorhttps://github.com/CSAILVision/LabelMeAnnotationToolhttps://github.com/seanbell/opensurfaces-segmentation-uihttps://github.com

2019、2020最新的中文文本检测检测模型1、DBNet（Real-time Scene Text Detection with Differentiable Binarization）论文地址：https://arxiv.org/pdf/1911.08947.pdf作者：华中科技大学 Minghui Liao 1∗ , Zhaoyi Wan 2∗ , Cong Yao 2 , Kai Chen 3,4 , Xiang Bai 1网络结构创新点在基于分割的文本检测网络中，最终

生成对抗网络 GAN 原理详情阅读：生成对抗网络 GAN 原理

基于生成对抗网络 CGAN 的图像去噪方法汇总Conditional GAN denoiserTensorflow/Keras implementation of a Conditional Generative Adversarial Network (CGAN) model that can be used for image denoising or artefact removal.url：https://github.com/bencottier/cgan-denoiser论文地址：

简介知识蒸馏被广泛用于模型压缩和迁移学习。开山之作 Distilling the Knowledge in a Neural Network 。文章提出一种方法，把多个模型的知识提炼给单个模型。知识蒸馏，可以将一个网络的知识转移到另一个网络，两个网络可以是同构或者异构。做法是先训练一个teacher网络，然后使用这个teacher网络的输出和数据的真实标签去训练student网络。知识蒸馏，可以用来将网络从大网络转化成一个小网络，并保留接近于大网络的性能；也可以将多个网络的学到的知识转移到一个网络中，

生成对抗网络 GAN 在机器视觉中的应用开源代码汇总CycleGAN and pix2pix in PyTorchstar： 12.7 K地址：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix论文地址：https://arxiv.org/pdf/1703.10593.pdf示例图pix2pixHDstar： 4.7 K地址：https://github.com/NVIDIA/pix2pixHD介绍Pytorc

Matrix Nets: A New Deep Architecture for Object DetectionAP在MS COCO上实现了47.8的mAPAP比较Matrix Networks(a) Shows the original FPN architecture(b) Shows the MatrixNet architecture, where the 5 FPN layers are viewed as the diagonal layers in the mat

前言我的另外一篇基于tensorflow的迁移学习文章：AI实战：迁移学习之使用ResNet做分类本文介绍pytorch版ResNet迁移学习。本质：迁移学习到的是特征。加载预训练模型特征层 model.features分类层 model.classifier构建base model，作为特征层model = models.densenet18(pretrained=True)其他的网络可以参考： https://pytorch.org/docs/0.3.0/torchvisio

文本行检测模型PSENet

我的另外一篇迁移学习文章：AI实战：迁移学习之使用ResNet做分类构建base model，作为Feature Extractionmodel = models.densenet121(pretrained=True)其他的网络可以参考： https://pytorch.org/docs/0.3.0/torchvision/models.html#torchvision-models2、Fine-Tuninghttps://www.jianshu.com/p/19eb2075effe

本文分享推理时性能、GPU占用对比：pytorch 与 tensorflow 上的对比。DenseNet定义论文链接：Densely Connected Convolutional Networks参考：深度/机器学习基础知识要点：CNN、ResNet、DenseNetDenseNet参数参数情况flops对比DensetNet201在pytorch、tensorflow的情况图片输入尺寸80 × 80模型文件大小对比平台模型文件大小（单位：M）

前言人脸识别是机器视觉最成熟、最热门的领域，近几年，人脸识别已经逐步超过指纹识别成为生物识别的主导技术。人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。【人脸识别：来源百度百科】人脸识别系统主要包括四个组成部分，分别为：人脸图像...

前言大赛介绍“华为云杯”2020深圳开放数据应用创新大赛·生活垃圾图片分类 链接https://blog.youkuaiyun.com/weixin_38208912/article/details/103817188https://zhuanlan.zhihu.com/p/96033452目标检测模型实战过程数据增强模型选取开源代码...

前言YOLOv4: Optimal Speed and Accuracy of Object Detection [Submitted on 23 Apr 2020] 【是的，你没看错，2020年04月23日，YOLO v4终于来了。】YOLO v4 论文：https://arxiv.org/abs/2004.10934YOLO v4 开源代码：https://github.com/Al...

1、清华计图Jittor清华大学开发了一个名为计图（Jittor）的深度学习框架。计图（Jittor：Just in Time）是一个采用元算子表达神经网络计算单元、完全基于动态编译（Just-in-Time）的深度学习框架，其主要特性为元算子和统一计算图。在编程语言上，Jittor 采用了灵活而易用的 Python。用户可以使用它，编写元算子计算的 Python 代码，然后 Jittor将...

YOLKYOLK为You Only Look Keras的缩写，是Keras的一站式对象检测API。通过几行代码，可以设置性能最佳的模型之一并将其应用于自己的数据集，轻松地训练自己的目标检测模型。Github地址https://github.com/KerasKorea/KerasObjectDetector安装（Linux）# Download YOLK API $ git clo...

RNN(循环神经网络)RNN示意图xxx是一个向量，它表示输入层的值；sss是一个向量，它表示隐藏层的值；UUU是输入层到隐藏层的权重矩阵；ooo也是一个向量，它表示输出层的值；VVV是隐藏层到输出层的权重矩阵。循环神经网络的隐藏层的值sss不仅仅取决于当前这次的输入xxx，还取决于上一次隐藏层的值sss。权重矩阵WWW就是隐藏层上一次的值作为这一次的输入的权重。输出值ot{o}_{t...

深度学习模型压缩加速方法可大致分为2大类1、设计新的卷积计算方法设计新的卷积计算方法，从而减少参数，达到压缩模型的效果，例如 SqueezedNet、mobileNet比如：depth-wise 卷积、point-wise 卷积（Depthwise卷积与Pointwise卷积详解）2、在已训练好的模型上做裁剪先训练好模型，再在其上做fine-tuning，主要方法包括：剪枝...