Fork me on GitHub
摘要: 如果说到深度学习中训练数据的记录工具,最先想到应该是TensorBoard(或者TensorBoardX)。不过,相比较TensorBoard而言,Wandb更加的强大,主要体现在以下的几个方面: 复现模型:Wandb更有利于复现模型。这是因为Wandb不仅记录指标,还会记录超参数和代码版本。 自动 阅读全文
posted @ 2022-04-07 16:12 stardsd 阅读(186) 评论(0) 推荐(0) 编辑
摘要: 【摘要】 ADC(Application Development Center)是一个低代码、多体验的开发平台,提供面向业务开发者的全场景开发平台,以及完整的资产生命周期工具链,解决传统开发门槛高、周期长的问题,形成以业务资产为核心的高效开发和复用的新开发模式。 1.产生背景低代码开发平台:由简单易 阅读全文
posted @ 2022-04-06 18:14 stardsd 阅读(98) 评论(0) 推荐(0) 编辑
摘要: 概念术语 两大组织主导视频压缩的组织及其联合(joint)组织 ITU-T(VCEG)ITU-T的中文名称是国际电信联盟远程通信标准化组织(ITU-T for ITU Telecommunication Standardization Sector), 它是国际电信联盟管理下的专门制定远程通信相关国 阅读全文
posted @ 2022-01-04 15:50 stardsd 阅读(275) 评论(0) 推荐(0) 编辑
摘要: 启动次序 启动的次序是这样的: 主控上电初始化 BootRom 代码在 SRAM 上运行,校验存储设备里的 bootloader 校验通过,加载并运行 bootloader 引导代码 bootloader 引导代码负责初始化 DDR 内存,加载 bootloader 完整代码到 DDR 内存中并运行 阅读全文
posted @ 2021-12-15 16:18 stardsd 阅读(641) 评论(0) 推荐(0) 编辑
摘要: 互联网软件的开发和发布,已经形成了一套标准流程,最重要的组成部分就是持续集成(Continuous integration,简称CI)。 本文简要介绍持续集成的概念和做法。 一、概念 持续集成指的是,频繁地(一天多次)将代码集成到主干。 它的好处主要有两个。 (1)快速发现错误。每完成一点更新,就集 阅读全文
posted @ 2021-12-14 17:05 stardsd 阅读(217) 评论(0) 推荐(0) 编辑
摘要: 01 跨 CPU 架构编译程序的方法 先来快速回顾一下当前跨 CPU 架构编译程序的不同方法。 方法一:直接在目标硬件上编译 如果你能够访问目标 CPU 架构的系统,并且该操作系统支持运行构建所需的各种工具,那么你可以直接在目标系统上编译程序。 以构建 Docker 镜像为例,你可以在树莓派上安装 阅读全文
posted @ 2021-12-14 16:47 stardsd 阅读(425) 评论(0) 推荐(0) 编辑
摘要: 目录 Linux 查看 CUDA 版本 查看 cuDNN 版本 Windows 查看 CUDA 版本 查看 cuDNN 版本 使用 PyTorch 查看 CUDA 和 cuDNN 版本 References Linux 查看 CUDA 版本 方法一: nvcc --version 或 nvcc -V 阅读全文
posted @ 2021-12-13 14:43 stardsd 阅读(625) 评论(0) 推荐(0) 编辑
摘要: cvpods, a versatile and efficient codebase for many computer vision tasks: classification, segmentation, detection, self-supervised learning, keypoint 阅读全文
posted @ 2021-12-13 10:22 stardsd 阅读(401) 评论(0) 推荐(0) 编辑
摘要: pytorch 0.4.1 docker地址: https://hub.docker.com/r/linkoffate/torchen https://hub.docker.com/r/airaria/pytorch0.4.1 直接上干货,CUDA9.0版本对应的pytorch是0.4.1,使用其他 阅读全文
posted @ 2021-12-01 11:04 stardsd 阅读(461) 评论(0) 推荐(0) 编辑
摘要: 一、深度学习框架概述与深度学习技术的四大阵营 人工智能从学术理论研究到生产应用的产品化开发过程中通常会涉及到多个不同的步骤和工具,这使得人工智能开发依赖的环境安装、部署、测试以及不断迭代改进准确性和性能调优的工作变得非常繁琐耗时也非常复杂。为了简化、加速和优化这个过程,学界和业界都作了很多的努力,开 阅读全文
posted @ 2021-11-13 11:31 stardsd 阅读(915) 评论(0) 推荐(1) 编辑
摘要: 北京大学 流行病与卫生统计学 PhD Candidate Streamlit 是 Python 的一个用于创建 Web App 的框架,类似于 R 的 Shiny。其功能虽不如 R Shiny 强大,更不如专门的 Python Web 框架如 Flask、Djiango 等强大,但其使用非常直观和简 阅读全文
posted @ 2021-11-13 10:37 stardsd 阅读(1001) 评论(0) 推荐(0) 编辑
摘要: Pytorch图像预处理时,通常使用transforms.Normalize(mean, std)对图像按通道进行标准化,即减去均值,再除以方差。这样做可以加快模型的收敛速度。其中参数mean和std分别表示图像每个通道的均值和方差序列。 Imagenet数据集的均值和方差为:mean=(0.485 阅读全文
posted @ 2021-10-28 17:03 stardsd 阅读(1904) 评论(0) 推荐(0) 编辑
摘要: 谈谈评价指标中的宏平均和微平均 今天在阅读周志华老师的《机器学习》一书时,看到性能度量这一小节,里面讲到了宏平均和微平均的计算方法,这也是我一直没有很清晰的一个概念,于是在看了之后又查阅了一些资料,但是还是存在一些问题,想和大家分享一下。 (1)召回率、准确率、F值 对于二分类问题,可将样例根据其真 阅读全文
posted @ 2021-08-23 09:31 stardsd 阅读(352) 评论(0) 推荐(0) 编辑
摘要: 原文链接:https://zhuanlan.zhihu.com/p/353680367 此篇文章内容源自 Attention Is All You Need,若侵犯版权,请告知本人删帖。 原论文下载地址: https://papers.nips.cc/paper/2017/file/3f5ee243 阅读全文
posted @ 2021-08-16 11:27 stardsd 阅读(339) 评论(0) 推荐(0) 编辑
摘要: 文章目录 缘起 docker save docker export docker save和docker export的区别 脑洞 参考文献 很久没有写博客了,坟头草都长了老高了。写博客要靠惯性,一旦停下来时间长了,就很难再坚持下去。今天艰难地捡起来,以后每周至少写一篇。 这篇文章讲一讲docker 阅读全文
posted @ 2021-07-07 16:02 stardsd 阅读(668) 评论(0) 推荐(0) 编辑
摘要: 以下内容都是针对Pytorch 1.0-1.1介绍。很多文章都是从Dataset等对象自下往上进行介绍,但是对于初学者而言,其实这并不好理解,因为有的时候会不自觉地陷入到一些细枝末节中去,而不能把握重点,所以本文将会自上而下地对Pytorch数据读取方法进行介绍。 1|0自上而下理解三者关系 首先我 阅读全文
posted @ 2021-07-02 09:10 stardsd 阅读(336) 评论(0) 推荐(1) 编辑
摘要: Pytroch网络模型:修改参数值,修改参数名,添加参数层,删除参数层 修改参数值 方法1 dict的类型是collecitons.OrderedDict,是一个有序字典,直接将新参数名称和初始值作为键值对插入,然后保存即可。 #修改前 dict = torch.load('./ckpt_dir// 阅读全文
posted @ 2021-06-29 14:45 stardsd 阅读(3334) 评论(0) 推荐(0) 编辑
摘要: pytorch 打印模型层的名字的多个方式,以及对应显示,删除最后多个层的两种方式 def forward(self, x, last_cont=None): x = self.model(x) if self.use_dcl: mask = self.Convmask(x) mask = self 阅读全文
posted @ 2021-06-29 10:26 stardsd 阅读(1826) 评论(0) 推荐(1) 编辑
摘要: mobilenet 中的通道数为什么要使用 _make_divisible 函数确保为 8 的整数倍? 问题 今天阅读一段 PyTorch 版的 mobilenet 时,发现了下面这个函数: def _make_divisible(v, divisor, min_value=None): """ T 阅读全文
posted @ 2021-06-21 10:16 stardsd 阅读(295) 评论(0) 推荐(0) 编辑
摘要: 介绍的魔法函数有(持续更新): __ init__()、__ str__()、__ new__()、__ unicode__()、 __ call__()、 __ len__()、 __repr__()、__ setattr__()、 __ getattr__()、 __ getattribute_ 阅读全文
posted @ 2021-06-18 16:05 stardsd 阅读(519) 评论(0) 推荐(0) 编辑
摘要: model.eval()和with torch.no_grad()的区别在PyTorch中进行validation时,会使用model.eval()切换到测试模式,在该模式下, 主要用于通知dropout层和batchnorm层在train和val模式间切换在train模式下,dropout网络层会 阅读全文
posted @ 2021-06-18 14:33 stardsd 阅读(2197) 评论(0) 推荐(1) 编辑
摘要: Project description Easy progress reporting for Python Bars There are 7 progress bars to choose from: Bar ChargingBar FillingSquaresBar FillingCircles 阅读全文
posted @ 2021-06-18 10:44 stardsd 阅读(273) 评论(0) 推荐(0) 编辑
摘要: 作者:忆臻 (哈工大SCIR实验室在读博士生)魏福煊 哈工大英才实验班本科生谢天宝 哈工大英才实验班本科生 一、前言 在我们要用pytorch构建自己的深度学习模型的时候,基本上都是下面这个流程步骤,写在这里让一些新手童鞋学习的时候有一个大局感觉,无论是从自己写,还是阅读他人代码,按照这个步骤思想( 阅读全文
posted @ 2021-06-18 10:05 stardsd 阅读(891) 评论(0) 推荐(0) 编辑
摘要: NNI (Neural Network Intelligence) 是一个轻量但强大的工具包,帮助用户自动的进行 特征工程,神经网络架构搜索, 超参调优以及模型压缩。 NNI 管理自动机器学习 (AutoML) 的 Experiment, 调度运行 由调优算法生成的 Trial 任务来找到最好的神经 阅读全文
posted @ 2021-06-17 10:54 stardsd 阅读(621) 评论(0) 推荐(1) 编辑
摘要: 描述 repr() 函数将对象转化为供解释器读取的形式。 语法 以下是 repr() 方法的语法: repr(object) 参数 object -- 对象。 返回值 返回一个对象的 string 格式。 实例 以下展示了使用 repr() 方法的实例: >>>s = 'RUNOOB' >>> re 阅读全文
posted @ 2021-06-15 11:09 stardsd 阅读(867) 评论(0) 推荐(0) 编辑
摘要: Pytorch:模型的保存与加载 torch.save()、torch.load()、torch.nn.Module.load_state_dict() Pytorch 保存和加载模型后缀:.pt 和.pth 1 torch.save() [source]保存一个序列化(serialized)的目标 阅读全文
posted @ 2021-06-15 10:50 stardsd 阅读(5246) 评论(0) 推荐(0) 编辑
摘要: 背景知识 在说 torch.backends.cudnn.benchmark 之前,我们首先简单介绍一下 cuDNN。cuDNN 是英伟达专门为深度神经网络所开发出来的 GPU 加速库,针对卷积、池化等等常见操作做了非常多的底层优化,比一般的 GPU 程序要快很多。大多数主流深度学习框架都支持 cu 阅读全文
posted @ 2021-06-03 17:10 stardsd 阅读(352) 评论(0) 推荐(0) 编辑
摘要: 如何实现高速卷积?深度学习库使用了这些「黑魔法」 使用深度学习库可以大幅加速CNN模型运行,那么这些库中的哪些具体的做法实现了这种高速度和高性能呢?佐治亚理工学院计算机科学硕士研究生Manas Sahni在自己的电脑上试验了多种方法的策略,深入剖析高速卷积的实现过程。 我的笔记本电脑CPU还可以,在 阅读全文
posted @ 2021-06-03 16:43 stardsd 阅读(388) 评论(0) 推荐(0) 编辑
摘要: 戴思达 YOLOv1 使用来自整张图像的特征来预测每个bounding box 将整张图分成S*S的网格,如果一个物体的中心落在某个网格中,就用该网格检测这个物体。 每个网格预测B个bounding box,以及对应的置信度。 置信度的含义: 模型确定这个box包含有物体的程度 模型认为box属于预 阅读全文
posted @ 2021-05-12 15:35 stardsd 阅读(6104) 评论(0) 推荐(0) 编辑
摘要: 一 介绍 Copy ''' 定义: In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple native threads from executing Python bytecodes at 阅读全文
posted @ 2021-04-29 18:14 stardsd 阅读(144) 评论(0) 推荐(0) 编辑
摘要: YOLO9000 VOC数据集可以检测20种对象,但实际上对象的种类非常多,只是缺少相应的用于对象检测的训练样本。YOLO2尝试利用ImageNet非常大量的分类样本,联合COCO的对象检测数据集一起训练,使得YOLO2即使没有学过很多对象的检测样本,也能检测出这些对象。 基本的思路是,如果是检测样 阅读全文
posted @ 2021-04-26 16:52 stardsd 阅读(531) 评论(0) 推荐(0) 编辑
摘要: YOLO的特点:使用来自整张图像的特征来预测每个bounding box 首先,将整张图分成S*S的网格,如果一个物体的中心落在某个网格中,就用该网格检测这个物体。 每个网格预测B个bounding box,以及对应的置信度。 置信度的含义: 模型确定这个box包含有物体的程度 模型认为box属于预 阅读全文
posted @ 2021-04-23 16:53 stardsd 阅读(156) 评论(0) 推荐(0) 编辑
摘要: 前言 目标检测(Intance Detection) 和图像分割(Image Segmantation) 算是深度学习中两个个比较热门的项目了,单级式检测(YOLO、SSD)和双级式检测(Fast R-Cnn)代表了如今大多数的目标检测方法,而FCN、U-net、Deeplab则引领了图像分割的潮流 阅读全文
posted @ 2021-04-21 10:57 stardsd 阅读(3972) 评论(0) 推荐(0) 编辑
摘要: 在使用pytorch的时候利用下面的语句指定GPU为仅为"6",但是用nvidia-smi查看GPU使用时,仍默认为"0"号 import pytorchimport osos.environ['CUDA_VISIBLE_DEVICES'] = '6'解决方案:将上述语句放到当前这个python文件 阅读全文
posted @ 2021-04-20 18:27 stardsd 阅读(2955) 评论(0) 推荐(0) 编辑
摘要: 卷积神经网络为什么具有平移不变性? 在我们读计算机视觉的相关论文时,经常会看到平移不变性这个词,本文将介绍卷积神经网络中的平移不变性是什么,以及为什么具有平移不变性。 什么是平移不变性 不变性 不变性意味着即使目标的外观发生了某种变化,但是你依然可以把它识别出来。这对图像分类来说是一种很好的特性,因 阅读全文
posted @ 2021-04-20 16:39 stardsd 阅读(905) 评论(0) 推荐(0) 编辑
摘要: 简介 f-string,亦称为格式化字符串常量(formatted string literals),是Python3.6新引入的一种字符串格式化方法,该方法源于PEP 498 – Literal String Interpolation,主要目的是使格式化字符串的操作更加简便。f-string在形 阅读全文
posted @ 2021-04-20 16:24 stardsd 阅读(2144) 评论(0) 推荐(0) 编辑
摘要: 1.nohup 用途:不挂断地运行命令。 语法:nohup Command [ Arg … ] [ & ] 无论是否将 nohup 命令的输出重定向到终端,输出都将附加到当前目录的 nohup.out 文件中。 如果当前目录的 nohup.out 文件不可写,输出重定向到 $HOME/nohup.o 阅读全文
posted @ 2021-04-20 16:19 stardsd 阅读(5953) 评论(0) 推荐(1) 编辑
摘要: 来自这篇论文:<Learning Spatial Fusion for Single-Shot Object Detection> 论文地址:https://arxiv.org/pdf/1911.09516v1.pdf 代码地址:https://github.com/ruinmessi/ASFF 捕 阅读全文
posted @ 2021-04-19 10:43 stardsd 阅读(2201) 评论(0) 推荐(0) 编辑
摘要: 检测算法实际同时作检测(坐标回归)和判别(分类),并且从直觉上讲,后者依赖于前者。而YOLO v3是个多任务,同时完成这2项任务。这与我以前常见的任务不一样,是个很好的学习案例。而在学习YOLOv3之前以及过程中,先后产生了许许多多的疑问。例如: 多个cell,多个anchor,在训练时哪个与gro 阅读全文
posted @ 2021-04-15 15:33 stardsd 阅读(189) 评论(0) 推荐(0) 编辑
摘要: 前言yolov5提供了一种超参数优化的方法–Hyperparameter Evolution,即超参数进化。超参数进化是一种利用 遗传算法(GA) 进行超参数优化的方法,我们可以通过该方法选择更加合适自己的超参数。 提供的默认参数也是通过在COCO数据集上使用超参数进化得来的。由于超参数进化会耗费大 阅读全文
posted @ 2021-04-15 15:08 stardsd 阅读(1865) 评论(0) 推荐(1) 编辑