Pytorch 中 “forward”的使用 Pytorch 中 “forward”的使用数据进入网络模型的主要处理流程：数据集输入 -> 网络前向传播 -> 损失loss计算 -> 反向传播计算梯度 -> 根据梯度自动调参 **call函数:**可将类的实例对象变为可调用对象 123456class Rapper(): def __call__(self,name,AKA): print(&qu 2022-04-20 深度学习 练习 前向传播函数 forward
python中的" self " python中的” self “self的用法牵扯到类（class）和实例（instance）的概念，实例需要通过类来创建。 class被创建为模板，根据类创建的实例会包含类的所有属性。 由于类起到模板的作用，因此，可以在创建实例的时候，把我们认为必须绑定的属性强制填写进去。这里就用到Python当中的一个内置方法__init__方法，例如在Student类时，把name、score等属性绑上去。 2022-04-15 深度学习 练习 实例 类
python中self的使用 python中self的使用self的用法牵扯到类（class）和实例（instance）的概念，实例需要通过类来创建。 class被创建为模板，根据类创建的实例会包含类的所有属性。 由于类起到模板的作用，因此，可以在创建实例的时候，把我们认为必须绑定的属性强制填写进去。这里就用到Python当中的一个内置方法__init__方法，例如在Student类时，把name、score等属性绑上去。 例 2022-04-10 深度学习 练习 实例 类
“炼丹”之数据组成 “炼丹”之数据组成待机器进行学习的标注数据被送入火炉前会被分为：训练集、验证集、测试集。三者发挥自己的作用对网络模型进行构建、筛选调整以及评估。主干网络的骨架在训练阶段利用训练集的特征拟合了模型的血和肉，训练的过程并不会用到测试集和验证集。验证集主要用来评估迭代训练时当前模型泛化能力（准确率，召回率等），以决定是否停止继续训练。在神经网络中， 我们用验证数据集去寻找最优的网络深度，或者决定反向传播 2022-04-07 深度学习 炼丹笔记 训练集 测试集 验证集
交叉熵损失函数🔋 损失函数｜交叉熵损失函数⚠️ 真实面试题 假设我们有一个图像分类的任务，图片特征已经提取好，维度D，类别数N： 题目1 请用Pytorch/TF代码编写分类器：(1) 3层全连接；(2) 具有非线性变化；（3）具有过拟合处理题目2 这个任务，你会使用什么损失函数？题目3 交叉熵表达式？题目4 为什么使用交叉熵？能不能用MSE？题目5 如果让你选择提取图片特征的模型，你会选择什么模型？ *主成分分 2022-03-20 深度学习 炼丹笔记 卷积 池化 损失函数
极本穷源：YOLO篇Ⅲ 极本穷源：YOLO篇ⅢYOLOV4-tiny源码解读有了基本概念的理解，接着深入源码一步一步学习。在开始之前先做下回顾，小目标&&配置文件参数解读 小目标识别检测中”小目标”尺寸占原始图片的比例：ubuntu下安装个labelImg，查看下标注目标时的尺寸。labelImg图片标注工具安装 从 PyPI 获取，但只有 python3.0 或更高版本，这是现代Linux发行版（如Ub 2022-03-07 极本穷源 yolov4-tiny cfg文件解读 网络模型构建
YOLOv4-tiny训练数据集（kmeans聚类anchors） YOLOv4-tiny训练数据集（kmeans聚类anchors）接着上篇开工总结，上次总结到想训练yolov4-tiny检验下模型对小目标的感知能力，白嫖的GPU平台不得行。只好用自己的电脑训练数据了，训练起来也不算难。 网上有看到用Kmeans聚类计算先验框 可以有效的提升检测准确率。 在darknet中源码默认附带了计算的命令： yolov4(tiny)聚类先验框yolov4-tiny: . 2022-03-03 深度学习 炼丹笔记 kmeans bounding boxs yolov4-tiny anchor boxes
深度学习模型转换技术 深度学习模型转换技术什么是深度学习模型转换首先需要明白深度学习模型的概念，在使用深度学习深度学习模型是指一种包含深度神经网络结构的机器学习模型。算法工程师使用某种深度学习框架构建好模型，经调参和训练优化后，将最终生成的网络参数和模型结构一并保存，得到的文件即为可用于前向推理的模型文件。不同深度学习框架训练得到的模型文件的格式不尽相同，但完整的模型文件一般都包含了张量数据、运算单元和计算图等信息。 2022-02-28 深度学习 炼丹笔记 onnx yolo tensorrt
开工总结(padlepadle,yolo-fasterV2) 开工总结(padlepadle,yolo-fasterV2)问题概要终于在春节前西安疫情消退，回家简短的休整后又来搬砖了。这段时间主要完成节前留下的问题：原使用yolov4-Tiny（TensorRT加速）在jetson nano上达到实时检测（FPS：40）的效果，后在win10下用yolov3训练数据测试效果mAP达到91.07%，用训练好的yolov3权重文件测试在nano的帧数只有8帧左右 2022-02-22 深度学习 炼丹笔记 飞桨 Yolo-faster
疫情下的炼丹笔记(yolov3计算map)🎈 前言好久没写，最近发生的事情太多了，简要汇总下吧。12月22日，西安要封城的消息传遍了VX群，随即收拾资料准备居家办公做好持久战的准备。短短一周防疫政策的不断变化让很多物资储备不足的小伙伴慌了起来，当时去屯物资的时候还在疑惑，怎么大爷大妈扛着整袋面粉，盐也要买好几袋。“ 菜量充足，不必哄抢。一键下单，送到你家。” 这有问题吗？没有啊！有问题的是老实人你。。 只能说大爷大妈的预判YYDS。 后来嘛 2022-01-05 深度学习 炼丹笔记 训练集 新冠 封城 mAP