摘要: 一、要素分析 要完成图像语义分割的前馈推理demo,需要具备以下几个要素: 运行环境。此项我们已经备好。 输入图片。此项容易获得。 神经网络模型。 3.1 神经网络模型的配置文件。我们借用官方提供的配置文件。 3.2 神经网络模型的存档点(checkpoint)。我们借用官方提供的存档点文件。 一小 阅读全文
posted @ 2022-05-08 20:40 小玄不要说话 阅读(1767) 评论(0) 推荐(0)
摘要: 一、要素分析 本文主要介绍GPU版本。 NVIDIA Driver(CUDA需要) CUDA conda(推荐使用的python虚拟环境管理工具) mmcv-full mmseg pip包或源码 二、安装脚本 假定已经安装conda和CUDA。 本文的安装脚本只支持CUDA 11.3(因为mmcv- 阅读全文
posted @ 2022-05-08 20:33 小玄不要说话 阅读(1465) 评论(0) 推荐(0)
摘要: 一、要素分析 本文主要介绍GPU版本。 NVIDIA Driver(CUDA需要) CUDA conda环境(推荐使用的python虚拟环境管理工具) mmcv-full包 二、安装脚本 假定已经安装conda和CUDA。 本文的安装脚本只支持CUDA 11.3(因为mmcv-full的兼容性问题。 阅读全文
posted @ 2022-05-08 20:32 小玄不要说话 阅读(434) 评论(0) 推荐(0)
摘要: 简介 爬虫程序主要内容就两部分。 1,html获取器 2,html解析器 入门足够了。管理url、伪装用户行为、运行javascript等属于高级操作,不算入门,俺也没学过。 最后附上环境搭建部分。 以下各小节均以从ICML2021会议官网上爬取paper列表为例。 获取 获取网页信息有很多种方法, 阅读全文
posted @ 2021-11-27 14:33 小玄不要说话 阅读(263) 评论(0) 推荐(0)
摘要: pdf 方法 拓扑结构 首先我们作一张有向无环图。图中节点记为$x^{(i)}\(,表示数据的某种潜在表达,例如一个特征图;边记为\)(i,j)$,边的意义记作$o^{(i,j)}$,可认为是“操作”。 \(x^{(j)}=\sum_{i<j}o^{(i,j)}(x^{(i)})\) 也就是说,每一 阅读全文
posted @ 2021-11-24 18:06 小玄不要说话 阅读(128) 评论(0) 推荐(0)
摘要: pdf 2019年 有关NAS本身的简介就跳过了。 本文的NAS-Bench-101数据集是第一个基于NAS的架构数据集。 NASBench dataset NAS-Bench-101内部是一个表格,表格中是NA和其评估标准(比如识别准确度之类的指标)。 大多数NAS方法都是基于cifar-10图像 阅读全文
posted @ 2021-11-20 11:40 小玄不要说话 阅读(300) 评论(0) 推荐(0)
摘要: pdf 相当长,69页,体量相当于一篇综述了。 标题释义:具有训练-验证拆分的神经架构搜索的泛化保证 介绍 HPO:Hyperparameter optimization,超参数优化。 NAS:Neural Architecture Search,神经架构搜索。 NAS是一种特殊的HPO。 NAS/ 阅读全文
posted @ 2021-11-19 14:23 小玄不要说话 阅读(141) 评论(0) 推荐(0)
摘要: pdf 阅读全文
posted @ 2021-11-19 14:20 小玄不要说话 阅读(75) 评论(0) 推荐(0)
摘要: 官网链接 与NAS相关的论文搜索结果。每篇文章看完摘要后写短评,需要精读的开新链接。 短评里面就不用每次都说这篇文章的方法效果好,比谁谁谁好什么的了,任何人写文章都要自夸一番,凭摘要判断好坏没太大意义,真要比较不如到文章的实验部分取数据做纵向横向对比。 搜索“Architecture”得到的16篇 阅读全文
posted @ 2021-11-19 13:24 小玄不要说话 阅读(605) 评论(0) 推荐(0)
摘要: pdf 说明 论文阅读以理解转述为主,不进行大段的翻译工作。 摘要 手工设计deep neural network耗时耗力。 NAS(Neural Architecture Search,神经架构搜索)技术应运而生。 然而,NAS也很慢很贵(贵指时间、算力上的贵)。主要原因是,每当NAS搜索出一个架 阅读全文
posted @ 2021-11-19 12:22 小玄不要说话 阅读(378) 评论(0) 推荐(0)