随笔分类 -  深度学习

深度学习模型转换之Mxnet转ONNX
摘要：1. Description - 说明 mxnet2onnx是一款将训练好的mxnet模型转换成以onnx格式保存的模型转换工具。 2. mxnet2onnx接口 onnx_mxnet.export_model(sym, params, [input_shape], np.float32, onnx 阅读全文
posted @ 2020-06-23 09:37 GangTaoWang 阅读(2447) 评论(0) 推荐(0)
SSD网络模型之DetectionOutput算子
摘要：DetectionOutput算子 本文基本结构：首先介绍detection output 这一层的基本理解，之后给出ssd所有代码的详细注释，最后给出caffe中该层各个参数的定义和默认值。 detection out layer是ssd网络最后一层，用于选框整合预、预选框偏移以及得分三项结果，最 阅读全文
posted @ 2020-01-21 15:25 GangTaoWang 阅读(1379) 评论(0) 推荐(0)
SSD网络模型之PriorBox算子
摘要：PriorBox算子 ssd网络一大特点是，为了提高检测准确率，在不同尺度的特征图上进行预测，这种预测就需要prior box layer。 prior box 是干嘛的呢？其实非常类似于Faster R-CNN中的Anchors，就是候选框，这种候选框的选取不需要像R-CNN那样通过复杂处理产生。 阅读全文
posted @ 2020-01-21 15:22 GangTaoWang 阅读(1480) 评论(0) 推荐(0)
Pytorch调研笔记
摘要：Pytorch训练调研 首先我们简单说明一下，这么多深度学习框架中，为什么选择PyTorrch呢？ 因为PyTorch是当前难得的简洁优雅且高效快速的框架。在笔者眼里，PyTorch达到目前深度学习框架的最高水平。当前开源的框架中，没有哪一个框架能够在灵活性、易用性、速度这三个方面有两个能同时超过P 阅读全文
posted @ 2020-01-21 15:15 GangTaoWang 阅读(996) 评论(0) 推荐(0)
对ONNX模型进行BN和卷积层的融合
摘要：对Resnet50.onnx模型进行BN和卷积层的融合 一、准备工作 安装ONNX You can then install ONNX from PyPi (Note: Set environment variable ONNX_ML=1 for onnx-ml): pip install onnx 阅读全文
posted @ 2019-08-21 15:04 GangTaoWang 阅读(3099) 评论(2) 推荐(0)
Pytorch训练网络测试准确率完整流程及源码
摘要：注：在运行这个源码之前，需要下载cifar-10-python.tar.gz文件 源码： import torchimport torchvisionimport torchvision.transforms as transforms import matplotlib.pyplot as plt 阅读全文
posted @ 2019-08-15 14:58 GangTaoWang 阅读(4497) 评论(0) 推荐(0)
NCNN量化之ncnn2table和ncnn2int8
摘要：本文主要描述了NCNN中的量化工具操作过程，首先NCNN的量化工具包含两部分，ncnn2table和ncnn2int8; 在进行ncnn2int8量化过程之前需要进行ncnn2table操作，生成量化表； 下面首先介绍量化表的生成步骤： 一、ncnn2table生成量化表 １、首先准备工作，参考NC 阅读全文
posted @ 2019-08-14 16:39 GangTaoWang 阅读(7357) 评论(0) 推荐(0)
Caffe转NCNN模型转换
摘要：caffe2ncnn 一、准备工作 安装opencv 安装protobuf 下载ncnn源码并编译 git clone https://github.com/Tencent/ncnn cd ncnn mkdir build && cd build cmake .. make -j4 make ins 阅读全文
posted @ 2019-08-07 10:57 GangTaoWang 阅读(2178) 评论(2) 推荐(0)
NCNN深度学习框架之Optimize优化器
摘要：NCNN深度学习框架之Optimize １、从github上下载ncnn源码，并进行编译 git clone https://github.com/Tencent/ncnn cd ncnn mkdir build && cd build cmake .. make -j4 make install 阅读全文
posted @ 2019-08-07 10:28 GangTaoWang 阅读(6223) 评论(0) 推荐(0)