zisuina_2的博客

mmcv安装

Qt5 bug

在跑torch多GPU报错“Reducer buckets have been rebuilt in this iteration.”原因是torch版本问题， torch1.7以上的distributed.py发生更改导致报错：这玩意是distributed.py里的前向函数报错def forward(self, inputs, *kwargs): if self.ddp_join_enabled: ones = torch.ones(

1.检查torch 和 torchvision , python 版本按照需要的版本安装删除之前编译的东西,重新编译cd /project_path/buildrm -rf *cd ..python setup.py build develop

BorderDet: Border Feature for Dense Object Detection兄弟们,:-O来啦~ 美好的一天哇论文地址1: https://arxiv.org/pdf/2007.11056.pdf代码地址2: https://github.com/MegviiBaseDetection/BorderDet作者分析3: https://zhuanlan.zhihu.com/p/163044323其实作者已经做了一些分析,但是自己有的地方还是不懂,所以就着代码读了读,感觉

目标检测各种loss汇总

command ‘gcc’ failed with exit status 1`报错报错!头疼!econn/models/operators/nms/src/nms_cuda.cpp:4:23: error: ‘AT_CHECK’ was not declared in this scope #define CHECK_CUDA(x) AT_CHECK(x.type().is_cuda(), #x, " must be a CUDAtensor ") ^

有3种常见的方法：双线性插值(bilinear)反卷积(Transposed Convolution)反池化(Unpooling)pytorch 上采样： https://pytorch.org/docs/stable/_modules/torch/nn/modules/upsampling.html双线性插值 (bilinear)import torch.nn as nnnn....

PyTorch学习率调整策略通过torch.optim.lr_scheduler接口实现。PyTorch提供的学习率调整策略分为三大类，分别是有序调整：等间隔调整(Step)，按需调整学习率(MultiStep)，指数衰减调整(Exponential)和余弦退火CosineAnnealing。自适应调整：自适应调整学习率 ReduceLROnPlateau。自定义调整：自定义调整学习率 L...