Dsp Tian

摘要： 比如我们拿到了一组imu的原始加速度和角速度数据。 通过卡尔曼或互补滤波得到了三个旋转角，想要可视化一下。 可以用下面这种方法，转成旋转矩阵后简单组合一下即可。 matlab代码如下： clear all;close all;clc; ang = load('ang.txt'); roll = an 阅读全文

摘要： 测试模型用之前文章训练的Alexnet模型。 首先将pth文件转为onnx文件: import torch import torch.nn as nn # 自定义AlexNet模型 class AlexNet(nn.Module): def __init__(self): super(AlexNet 阅读全文

摘要： 用pip install xxx安装库时有时候会遇到下面提示： To fix this you could try to: 1. loosen the range of package versions you've specified 2. remove package versions to a 阅读全文

摘要： 运行时忽略掉警告： import warnings warnings.filterwarnings("ignore") 阅读全文

摘要： python安装库比较多的时候，创建虚拟环境方便管理。 安装： sudo apt install python3-venv 创建： python3 -m venv env 激活： source ./env/bin/activate 退出： deactivate 阅读全文

摘要： cudnn为网络每一卷积层选最优实现方法，加速网络训练。 设置如下： torch.backends.cudnn.benchmark = True 加速条件如下： 1. 输入数据在训练过程中一般不变化。 2. 数据量较大，并可以同时加载到GPU内存中。 3. 训练次数比较多。 阅读全文

摘要： 安装完pytorch、cuda和cudnn之后，可以先判断是否可用。 import torch print('CUDA版本:',torch.version.cuda) print('Pytorch版本:',torch.__version__) print('显卡是否可用:','可用' if(torc 阅读全文

摘要： 整体网络结构如下： 最关键的改进是使用了一个叫深度可分离卷积的结构，将原始的3*3卷积升通道的操作分解成了两部分： 第一部分是保持通道不变的情况下做3*3卷积。 第二部分是使用1*1的卷积做通道提升操作。 结果就是能够减少很多的运算量。 下面依然是一个猫狗大战的训练程序，并且增加了断点续练的部分处理 阅读全文

摘要： ResNet也是相当经典的卷积神经网络，这里实现了18，34，50，101和152。 网络结构如下： 这里18和34用到的block是一样的，两层卷积。50，101和152用到的block是一样的，三层卷积，不过用到了1*1卷积来调整数据通道数。 猫狗大战的训练代码如下: import torch 阅读全文

摘要： VGGNet也是一个比较经典的深度学习网络模型。 模型结构如下： 这里选用了D模型，同样用该模型做个了个猫狗大战的训练，不过为了提高速度，我把图像resize为112*112了，相应的flatten之后就成56*3*3了，所以和原始模型有点不一样。 import torch import torch 阅读全文