共 2 页: 上一页 1 2
摘要:单GPU跑的程序,而且是在docker中,迭代了几百步后,程序突然崩掉了, 程序停在了 for step,data in enumerate(loader),下面是部分bug信息 我以为是enumerate的问题,出现了脏数据,但细想不可能啊,都迭代了一个epoch了, 查看资料,追踪这个error 阅读全文
posted @ 2019-03-28 15:29 胡里糊涂 阅读 (445) 评论 (0) 编辑
摘要:ImportError: torch.utils.ffi is deprecated raise ImportError("torch.utils.ffi is deprecated. Please use cpp extensions instead.") ImportError: torch.u 阅读全文
posted @ 2019-03-22 19:48 胡里糊涂 阅读 (1677) 评论 (0) 编辑
摘要:ImportError: No module named '_tkinter', please install the python3-tk package 先更新包,命令:sudo apt-get update 然后:sudo apt-get install python3-tk 提示还没有'_t 阅读全文
posted @ 2019-03-21 18:41 胡里糊涂 阅读 (192) 评论 (0) 编辑
摘要:nvidia-docker安装 如果之前安装过docker1.0版本,需要先删掉该版本和之前创建的容器 添加代码仓库 安装docker 2 sudo apt-get install -y nvidia-docker2 sudo pkill -SIGHUP dockerd 拉取镜像 sudo nvid 阅读全文
posted @ 2019-03-19 20:53 胡里糊涂 阅读 (1032) 评论 (0) 编辑
摘要:首先用训练好的模型得到所有测试样本的confidence score,每一类(如car)的confidence score保存到一个文件中(如comp1_cls_test_car.txt)。假设共有20个测试样本,每个的id,confidence score和ground truth label如下 阅读全文
posted @ 2019-03-08 17:14 胡里糊涂 阅读 (349) 评论 (1) 编辑
摘要:理论上,session启动后,每个epoch训练时间应该是差不多,而且不会因为迭代周期变长,epoch时间变慢。原因是session里定义了tf.op导致的,每一次迭代都会在graph里增加新的节点,导致memory leak,程序越来越慢,最后强行退出。解决方法,可以在session里定义grap 阅读全文
posted @ 2019-03-07 20:35 胡里糊涂 阅读 (476) 评论 (0) 编辑
摘要:Anchor Box的边框 选取标准的k-means(欧式距离来衡量差异),在box的尺寸比较大的时候其误差也更大,而我们希望的是误差和box的尺寸没有太大关系。所以通过IOU定义了如下的距离函数,使得误差和box的大小无关,故使用如下的距离度量。 解决了每个Grid Cell生成的bounding 阅读全文
posted @ 2019-03-06 16:20 胡里糊涂 阅读 (30) 评论 (0) 编辑
摘要:参考链接:https://blog.csdn.net/Extremevision/article/details/86436596种树的左耳答案 饱和是相对于占坑来说的,对于去探索未来踩坑来说,目标检测还远远没有达到饱和的地步。只是说想发简单的好论文越来越难了,并不是说不会有什么突破了。单就检测来说 阅读全文
posted @ 2019-02-14 16:54 胡里糊涂 阅读 (1122) 评论 (0) 编辑
摘要:参考链接:https://github.com/maozezhong/CV_ToolBox/blob/master/DataAugForObjectDetection/DataAugmentForObejctDetection.py 阅读全文
posted @ 2019-02-14 15:23 胡里糊涂 阅读 (762) 评论 (0) 编辑
摘要:使用ssd目标检测,出现error:maximum box coordinate value is larger than 1.100000: ] [1.325] 主要原因在于,用labelImg 标记的目标太小,以及标记工具出现问题 1 deleted all boxes that are les 阅读全文
posted @ 2019-02-13 20:54 胡里糊涂 阅读 (578) 评论 (0) 编辑
共 2 页: 上一页 1 2