- insightface代码： https://github.com/deepinsight/insightface 在pytorch训练时，先用gpu1训练，再用gpu2训练，加载gpu1的预训练时报错， 解决方法： 先用cpu加载模型，再转换到新的gpu id上， 代码如下： self.weight: torch.Tensor = torch.load(sel... insightface代码： https://github.com/deepinsight/insightface 在pytorch训练时，先用gpu1训练，再用gpu2训练，加载gpu1的预训练时报错， 解决方法： 先用cpu加载模型，再转换到新的gpu id上， 代码如下： self.weight: torch.Tensor = torch.load(sel...
- 文章目录 1. 文档介绍 2. 环境部署 2.1. Docker环境 2.2. 安装依赖 3. 训练 3.1. 训练参数 3.2. 网络模型 3.3. 数据集 3.4. 训练结果 4. 测试 4.1. 测试参数 4.2. 测试结果 5. 推理 5.1. 推理参数 5.2. 推理结果 ... 文章目录 1. 文档介绍 2. 环境部署 2.1. Docker环境 2.2. 安装依赖 3. 训练 3.1. 训练参数 3.2. 网络模型 3.3. 数据集 3.4. 训练结果 4. 测试 4.1. 测试参数 4.2. 测试结果 5. 推理 5.1. 推理参数 5.2. 推理结果 ...
- 实际测试，发现检测完全错误。可能是官方开源的model有问题，也可能是参数设置的问题(见Config.py文件) 地址：https://github.com/liuwei16/ALFNet 2年前的： keras的，有权重 https://github.com/VideoObjectSearch/ALFNet 从以上分析出发，作者提出... 实际测试，发现检测完全错误。可能是官方开源的model有问题，也可能是参数设置的问题(见Config.py文件) 地址：https://github.com/liuwei16/ALFNet 2年前的： keras的，有权重 https://github.com/VideoObjectSearch/ALFNet 从以上分析出发，作者提出...
- diou比ciou要小，比iou的值也小，训练时候用比较好。 测试时还是iou比较好,训练时giou比较好 import mathimport torch def bbox_iou(box1, box2, x1y1x2y2=True, GIoU=False, DIoU=False, CIoU=False): # Returns the IoU of box1 to bo... diou比ciou要小，比iou的值也小，训练时候用比较好。 测试时还是iou比较好,训练时giou比较好 import mathimport torch def bbox_iou(box1, box2, x1y1x2y2=True, GIoU=False, DIoU=False, CIoU=False): # Returns the IoU of box1 to bo...
- python tensorrt: 激活函数：hard_sigmoid https://github.com/TrojanXu/yolov5-tensorrt https://github.com/wang-xinyu/tensorrtx The Pytorch implementation is ultralytics/yol... python tensorrt: 激活函数：hard_sigmoid https://github.com/TrojanXu/yolov5-tensorrt https://github.com/wang-xinyu/tensorrtx The Pytorch implementation is ultralytics/yol...
- 1） 一个算法中多个训练任务之间需要共享输出目录，在第一个任务结果保存在目录Context.get_output_path(level="algo")中，第二个任务使用的时候获取目录Context.get_output_path(level="algo")下的结果；2） 这个项目中多个训练任务之间需要共享输出目录，在第一个任务结果保存在目录Context.get_output_... 1） 一个算法中多个训练任务之间需要共享输出目录，在第一个任务结果保存在目录Context.get_output_path(level="algo")中，第二个任务使用的时候获取目录Context.get_output_path(level="algo")下的结果；2） 这个项目中多个训练任务之间需要共享输出目录，在第一个任务结果保存在目录Context.get_output_...
- CVPR2016的文章，CMU与rbg大神的合作。原谅我一直没有对这篇文章做一个笔记~~ 文章提出了一种通过online hard example mining（OHEM）算法训练基于区域的卷积检测算子的高效目标检测算法，能够对简单样本和一些小数量样本进行抑制，使得训练过程更加高效。该方法利用显著的bootstrapping技术（SVM中被普遍利用），对SG... CVPR2016的文章，CMU与rbg大神的合作。原谅我一直没有对这篇文章做一个笔记~~ 文章提出了一种通过online hard example mining（OHEM）算法训练基于区域的卷积检测算子的高效目标检测算法，能够对简单样本和一些小数量样本进行抑制，使得训练过程更加高效。该方法利用显著的bootstrapping技术（SVM中被普遍利用），对SG...
- torch.distributed 包支持 Pytorch 分布式目前只支持 Linux Pytorch 中通过 torch.distributed 包提供分布式支持，包括 GPU 和 CPU 的分布式训练支持。。 在此之前，torch.nn.DataParalle... torch.distributed 包支持 Pytorch 分布式目前只支持 Linux Pytorch 中通过 torch.distributed 包提供分布式支持，包括 GPU 和 CPU 的分布式训练支持。。 在此之前，torch.nn.DataParalle...
- 结果分布：左边是正样本，右边是负样本。 正负loss要均衡，负样本开始略站优势 左边是正样本，右边是负样本 正确姿势： 先调小学习率，再慢慢加大，因为负样本多，慢慢找正样本。 开始负样本可以在0.8-1之间，占比0.003以内，网络好的话后面就没有了。 先负样本收敛，再正样本收敛 学习率太大的表现： 正负样本两边... 结果分布：左边是正样本，右边是负样本。 正负loss要均衡，负样本开始略站优势 左边是正样本，右边是负样本 正确姿势： 先调小学习率，再慢慢加大，因为负样本多，慢慢找正样本。 开始负样本可以在0.8-1之间，占比0.003以内，网络好的话后面就没有了。 先负样本收敛，再正样本收敛 学习率太大的表现： 正负样本两边...
- 听说效果不错，有预训练， https://github.com/yinboc/liif https://github.com/junpan19/RRN 有预训练 https://github.com/XuecaiHu/Meta-SR-Pytorch 听说效果不错，有预训练， https://github.com/yinboc/liif https://github.com/junpan19/RRN 有预训练 https://github.com/XuecaiHu/Meta-SR-Pytorch
- Ctrl+C之后呈现的信息表明，这个bug是和多线程有关系。 经过笔者实验，目前有三种可靠的解决方式 1）.Dataloader里面不用cv2.imread进行读取图片，用cv2.imread还会带来一系列的不方便，比如不能结合torchvision进行数据增强，所以最好用PIL 里面的I... Ctrl+C之后呈现的信息表明，这个bug是和多线程有关系。 经过笔者实验，目前有三种可靠的解决方式 1）.Dataloader里面不用cv2.imread进行读取图片，用cv2.imread还会带来一系列的不方便，比如不能结合torchvision进行数据增强，所以最好用PIL 里面的I...
- 数据官网：http://shuoyang1213.me/WIDERFACE/ 官方训练集和验证集都有标注，测试集没有 验证集： WIDER_val.zip 标注：wider_face_val_bbx_gt.txt 标注文件：wider_face_split.zip 官网有。 retinaface网址： https://github.com/biu... 数据官网：http://shuoyang1213.me/WIDERFACE/ 官方训练集和验证集都有标注，测试集没有 验证集： WIDER_val.zip 标注：wider_face_val_bbx_gt.txt 标注文件：wider_face_split.zip 官网有。 retinaface网址： https://github.com/biu...
- https://github.com/Michael-Jing/EfficientDet-pytorch/blob/master/efficientdet_pytorch/BiFPN.py 这里面的参数不可导， 训练集有map，但是测试集map全是0, 经过验证，不是bifpn的问题。 bifpn 动态参数和静态参数 改成可求导的参数后，准确率反而下... https://github.com/Michael-Jing/EfficientDet-pytorch/blob/master/efficientdet_pytorch/BiFPN.py 这里面的参数不可导， 训练集有map，但是测试集map全是0, 经过验证，不是bifpn的问题。 bifpn 动态参数和静态参数 改成可求导的参数后，准确率反而下...
- 11年it研发经验，从一个会计转行为算法工程师，学过C#，c++，java，android，php，go，js，python，CNN神经网络，四千多篇博文，三千多篇原创，只为与你分享，共同成长，一起进步，关注我，给你分享更多干货知识! 注意：73上map连续几天一直低，因为负样本loss由0.01改为了0.02 还要分析是分类的loss大，还是回归的los... 11年it研发经验，从一个会计转行为算法工程师，学过C#，c++，java，android，php，go，js，python，CNN神经网络，四千多篇博文，三千多篇原创，只为与你分享，共同成长，一起进步，关注我，给你分享更多干货知识! 注意：73上map连续几天一直低，因为负样本loss由0.01改为了0.02 还要分析是分类的loss大，还是回归的los...
- nn.Module中定义参数：不需要加cuda，可以求导，反向传播 class BiFPN(nn.Module): def __init__(self, fpn_sizes): self.w1 = nn.Parameter(torch.rand(1)) print("no--... nn.Module中定义参数：不需要加cuda，可以求导，反向传播 class BiFPN(nn.Module): def __init__(self, fpn_sizes): self.w1 = nn.Parameter(torch.rand(1)) print("no--...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签