随笔分类 -  Pytorch

非极大值抑制（Non-Maximum Suppression，NMS）
摘要：概述 非极大值抑制（Non-Maximum Suppression，NMS），顾名思义就是抑制不是极大值的元素，可以理解为局部最大搜索。这个局部代表的是一个邻域，邻域有两个参数可变，一是邻域的维数，二是邻域的大小。这里不讨论通用的NMS算法(参考论文《Efficient Non-Maximum Su 阅读全文
posted @ 2020-11-03 13:30 OliYoung 阅读(2130) 评论(1) 推荐(1)
上采样，上池化，反卷积
摘要：我们可以通过卷积和池化等技术可以将图像进行降维，因此，一些研究人员也想办法恢复原分辨率大小的图像，特别是在语义分割领域应用很成熟。通过对一些资料的学习，简单的整理下三种恢复方法，并进行对比。 1、上采样（Upsampling）[没有学习过程] 在FCN、U-net等网络结构中，涉及到了上采样。上采样 阅读全文
posted @ 2020-11-02 16:15 OliYoung 阅读(3997) 评论(0) 推荐(1)
transforms.Normalize()
摘要：transform.ToTensor(), transform.Normalize(mean=(0.5,0.5,0.5),std=(0.5,0.5,0.5)) 那transform.Normalize()是怎么工作的呢？以上面代码为例，ToTensor()能够把灰度范围从0-255变换到0-1之间， 阅读全文
posted @ 2020-10-22 15:50 OliYoung 阅读(4723) 评论(0) 推荐(0)
PyTorch GPU使用方式
摘要：首先通过： torch.cuda.is_available() 看你的pytorch是否支持CUDA计算，确认支持后： 1.在终端执行程序时设置使用GPU: CUDA_VISIBLE_DEVICES=1 python train.py Environment Variable Syntax Resu 阅读全文
posted @ 2020-10-16 12:50 OliYoung 阅读(6224) 评论(0) 推荐(0)
torch.utils.data.DataLoader
摘要：DataLoader 它是PyTorch中数据读取的一个重要接口，该接口定义在dataloader.py中，只要是用PyTorch来训练模型基本都会用到该接口（除非用户重写…），该接口的目的：将自定义的Dataset根据batch size大小、是否shuffle等封装成一个Batch Size大小 阅读全文
posted @ 2020-05-04 22:23 OliYoung 阅读(410) 评论(0) 推荐(0)
pytorch-gather
摘要：函数torch.gather(input, dim, index, out=None, sparse_grad=False) → Tensor沿给定轴 dim ,将输入索引张量 index 指定位置的值进行聚合. input (Tensor) – 原张量 dim (int) – 索引的轴，二维中di 阅读全文
posted @ 2020-04-24 08:50 OliYoung 阅读(522) 评论(0) 推荐(0)