EfficientNet算法笔记论文：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks论文链接：https://arxiv.org/abs/1905.11946代码链接：https://github.com/tensorflow/tpu/tree/master/models/official/effic
# 使用PyTorch加载EfficientNet预训练模型
EfficientNet是一种先进的卷积神经网络架构，它通过复合缩放策略，在保持高准确率的同时极大地提高了模型的效率。借助PyTorch库，我们可以轻松加载和微调预训练的EfficientNet模型来处理自己的数据集。
## 安装所需的库
在开始之前，我们需要确保安装了`torch`和`torchvision`库。如果尚未安装，可
原创
2024-09-29 05:55:12
349阅读
YOLO目标检测Train训练自己的数据时需要修改几个文件，也可以自己新建。列表如下：data/voc.namescfg/voc.date 第一步：下载预训练权重，放在darknet文件夹下wget https://pjreddie.com/media/files/darknet53.conv.74第二步：如果你想训练其他类别的目标，可以参考着自己新建一个.names和.data文件。这
转载
2024-08-01 09:24:00
95阅读
# PyTorch使用EfficientNet加预训练权重
在深度学习中，模型的选择以及权重的初始化对最终结果的影响极为重要。EfficientNet是一种高效的卷积神经网络架构，它在多种图像分类任务中表现出色。本篇文章将介绍如何在PyTorch中使用EfficientNet，并利用预训练权重来加速模型的训练和提高分类精度。
## 什么是EfficientNet？
EfficientNet是
作为一名深度学习训练小白，想上github下一个一般的网络练练，但是每次千辛万苦地配置好环境，成功运行，没开始几步，就提示显存不够！上网一搜一大堆教程，改小batchsize，清理冗余参数，，，全都尝试了一通，但是这些方法都改变不了我电脑太拉的事实。对于新手来说，为了能够正常运行程序，通过云服务器进行训练是一个性价比还不错的方法。话不多说我们上干货！【免费网站google colab】优点：1
转载
2024-05-09 19:46:27
47阅读
文章目录前言一、云端gpu选择1.云端gpu推荐1.免费gpu2.租赁gpu3.矿机2.AutoDL租赁使用二、vscode通过ssh连接云端gpu1.vscode插件2.连接云端gpu三、部署nanodet训练环境1.克隆nanodet仓库2.根据nanodet仓库要求进行部署四、训练开始 前言前面有一篇文章主要讲述了如何本地训练yolo网络，略微提到了云端gpu训练，以此篇文章作为延续，详细
转载
2024-05-05 22:12:44
322阅读
AI开发现状从过去AlphaGo在职业围棋中击败世界冠军，到现在大火的自动驾驶，人工智能(AI)在过去几年中取得了许多成就。其中人工智能的成功离不开三要素：数据、算法和算力。其中对于算力，除了训练(train)，AI实际需要运行在硬件上，也需要推理(inference)，这些都需要强大算力的支撑。AI训练硬件平台：GPU、CPU、TPU常见的模型训练硬件平台主要有：GPU、CPU和TPU。CPU（
转载
2024-04-20 21:44:11
475阅读
今天终于搞到一台带1080独显的PC，之前一直用CPU训练，效率极其低下。训练tensorflow-yolov3这个网络模型，图集400张，4个分类，要训练十多个小时才能看到检出效果，现在可以尝试使用GPU训练了。之前对GPU训练还不太了解，以为要改代码，现在才知道，其实不需要的。关键就是搭建好cuda环境NVIDIA显卡驱动 （https://www.nvidia.cn/Download/ind
转载
2024-04-24 14:09:16
82阅读
以往的大多数教程都是数年前的Faster RCNN源码，因为旧环境和现有环境的不同，导致环境配置方面出现一系列问题。特别是利用setup.py或者make.sh配置所需的环境时，遇到并解决一个又一个的问题，遗憾的是，失败总是贯彻全局。解决方案：找到近年的Faster RCNN源码，观察是否需要setup.py，作为一个Lucky Boy，在此分享我的操作流程。 源码编写的非常棒！里面也详
转载
2023-12-06 20:35:02
164阅读
1. 背景 一年半以前，AlphaGo完胜李世乭的围棋赛让深度学习（Deep Learning）这个名词家喻户晓，再度掀起人工智能的新一波热潮。其实深度学习背后的神经网络基础理论早在上世纪50年代就已提出，经过几起几落的发展，到了21世纪初，多层神经网络算法也日趋成熟。深度学习理论早在十多年以前就有重要突破，为何直到近年才出现爆发。这不得不提到2012年的一场竞赛。 2012年，Geoff
转载
2024-07-30 20:28:57
95阅读
除了本文，大白还整理了如何深入浅出人工智能行业，算法、数据、目标检测、论文创新点、求职等版块的内容，可以查看：点击查看。此外本文章Yolov5相关的代码、模型、数据等内容，可以查看下载：点击查看。当然下方也列出了，如何通过官方链接的方式，下载的过程，也可以查看。1. 下载Yolov5代码及模型权重1.1 下载Yolov5代码登录github链接：https://github.com/ultraly
使用keras进行训练，默认使用单显卡，即使设置了os.environ['CUDA_VISIBLE_DEVICES']为两张显卡，也只是占满了显存，再设置tf.GPUOptions(allow_growth=True)之后可以清楚看到，只占用了第一张显卡，第二张显卡完全没用。要使用多张显卡，需要按如下步骤：(1)import multi_gpu_model函数：from keras.utils i
转载
2024-05-23 10:27:40
148阅读
写在最前能有如此方便的，避免走弯路的，深度学习环境配置教程，首先要感谢实验室颜神@stary_yan 与进神的配置指南。然后在他们的基础上再将其细化修改，变得更加清晰。哪怕你和我一样都是命令行小白，只要有一台带GPU的电脑，也能配置出自己的GPU版的Tensorflow+Keras环境，来跑深度学习代码。准备材料敏捷的手指对深度学习的热情一台Win10的带GPU的电脑（要联网）所需要的文件的百度网
转载
2024-04-17 15:10:48
102阅读
扩展网络有三个维度，包括width（channels数）、depth(网络深度)、resolution输入分辨率。作者通过实验表明，只改变其中一个维度，acc的提升很容易就饱和了，如何同时改变三个维度，使得acc和flops达到一个trade-off，就是本文的内容。 作者提出的一种缩放方法。网络深度增加一倍，flops变为之前的两倍；width或者resolution增加一倍，flops变为之
原创
2022-01-17 16:04:34
98阅读
一、为什么需要使用预训练模型？当可用的数据集较少时，我们从头开始训练的自己的卷积神经网络，想要将模型的精度会十分困难，如果我们想要进一步提高精度，因此下一步我们需要使用预训练的模型。想要将深度学习应用于小型图像数据集，一种常用且非常高效的方法是使用预训练网络----python深度学习二、什么是预训练模型？顾名思义，预训练模型就是之前训练好的模型。预训练模型是一个训练并保存好的模型，之前在大型数据
转载
2023-07-20 14:18:38
289阅读
一、背景介绍因为google官方bert不支持GPU并行化训练，在git上找了相关的multi gpu的都无法跑起来，内心无比的愤怒，花了几天时间，百度，google,查找各种方法，终于把bert multi gpu 训练成功搞定，以下记录详细各种采坑过程，以便相关同学学习。二、所需要的软件先列出来硬件软件版本 1.centos 7 服务器 两块P40 GPU 2.tensorflow=1.11.
在配置完环境之后，训练模型之前，就是寻找合适的训练数据。人脸模型对数据集的要求非常的高，比较出名的有lfw、vggface、CASIA-WebFace等等，这里提供一个别人收集好的数据资源信息，在近几年中，基本上大多数的模型都用lfw数据集进行验证，成了一个常态，所以本文也使用lfw数据集对训练中的模型进行测试，同时，vggface2和WebFace都是非常优秀的数据集，建议使用它们中的一个进行模
转载
2024-05-12 16:58:41
82阅读
1.多GPU训练，出现out of memory出现情景：预训练模型是使用gpu0训练得到，然后要在多gpu的服务器上进行微调，使用gpu id为[4,5,6,7]，然后出现报错如下：cuda runtime error (2) : out of memory at /pytorch/aten/src/THC/THCTensorRandom.cu:25错误原因分析：在加载预训练模型的位置报错，在台
转载
2023-09-04 15:09:48
260阅读
本篇记录如何使用多张GPU 显示卡，加速TensorFlow Object Detection API 模型训练的过程。虽然TensorFlow Object Detection API 已经有支援多张GPU 卡平行计算的功能，但是缺乏说明文件，所以我自己也不是非常确定该怎么用，以下只是我目前尝试出来的方式，仅供参考。 这里我们接续之前的TensorFlow Object Detection AP
转载
2024-05-13 09:50:59
163阅读
其中包含了所需的软件和地址（但可能与我的电脑并不相配，我的GTX1050TI的）Python：这里使用的Python3.6，Anaconda包括了Python和一些相对应的库，非常方便使用，所以这里使用的是相对应的版本为Anaconda3 5.1 WIN10 X64的。https://www.anaconda.com/distribution/#download-section CUDA：这里使用
