1、前言ResNet是何恺明等人于2015年提出的神经网络结构，该网络凭借其优秀的性能夺得了多项机器视觉领域竞赛的冠军，而后在2016年发表的论文《Deep Residual Learning for Image Recognition》也获得了CVPR2016最佳论文奖。本文整理了笔者对ResNet的理解，详细解释了ResNet34、ResNet50等具体结构，并使用PyTorch实现了一个使用
转载
2024-05-05 17:32:12
185阅读
文章目录前言1、网络结构2、代码解读resnet50总结 前言整理下特征提取网络resnet的网络结构 1、网络结构 有5个输出层C1,C2,C3,C4,C5，其中常用的是C2,C3,C4,C5层。没有单独的层进行下采样，直接在残差的时候进行下采样。2、代码解读resnet50整个resnet50的forward代码如下（示例）：def forward(self, x):
"""
转载
2024-03-23 09:14:43
622阅读
【代码】LibTorch实现LeNet。
原创
2022-10-15 00:54:59
141阅读
本博客记录本人在使用Libtorch（C++版本的Pytorch）实现语义分割的训练以及推理时碰到的坑点。一、语义分割标签图resize问题1.背景一般对较大尺寸的图像时，会指定大小对原图进行resize，与之对应的标签图也要resize，比如将大小为（1024，1280）的原图指定到（512，640）。2.问题点描述但是要注意如果使用OpenCV自带的resize函数时对标签图会带来个问题： 每
转载
2024-02-28 11:14:04
116阅读
LibTorch实现全连接层。
原创
2022-10-15 00:55:10
117阅读
目录一、残差网络 ResNet1.1 来源1.2 残差块◼ 残差块的结构细节◼ 不同的残差块1.3 ResNet的整体架构 ◼ ResNet块◼ ResNet架构1.3 总结二、ResNet网络的代码实现2.1 ResNet网络（使用自定义）一、残差网络 ResNet1.1 来源VGG网络试着探寻了一下深度学习网络的深度究竟可以深到何种程度还可以持续提高分类的准确率。对于传统的深度学习网
转载
2024-05-08 11:18:04
109阅读
ResNet的使用实例前言20行代码一、ResNet是什么？二、训练步骤1.引入库2.处理数据3.写一个网络训练函数三、总结 前言最近要判断一个项目的可行性，项目是一个7分类问题，数据的标签分布是[500,85,37,58,116,8,19]数据是极度不均衡的，数据量也不够大，好在导师和师兄都比较好，所以我先探索下这个项目可行性相关代码我已经上传到了GitHub上：https://github.
转载
2024-03-20 10:03:28
67阅读
残差网络是由来自 Microsoft Research 的 4 位学者提出的卷积神经网络，在 2015 年的 ImageNet 大规模视觉识别竞赛（ILSVRC）中获得了图像分类和物体识别的第一名，获得 COCO 数据集中目标检测第一名，图像分割第一名。残差网络的特点是容易优化，并且能够通过增加相当的深度来提高准确率。其内部的残差块使用了跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问
# 如何实现 "libtorch android"
## 概述
在本文中，我将向你介绍如何在 Android 平台上使用 libtorch 进行深度学习模型的推理。libtorch 是一个用于 PyTorch 的 C++ 本机库，它提供了在移动设备上执行深度学习模型的功能。
在开始之前，你应该已经具备一些基本的 Android 开发知识，并且对 C++ 语言和深度学习模型有一定的了解。
##
原创
2023-07-21 15:33:03
660阅读
# 实现"java libtorch"教程
## 流程表格：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 下载libtorch库 |
| 2 | 配置Java项目 |
| 3 | 使用JNI连接Java和libtorch |
| 4 | 实现Java调用libtorch功能 |
## 具体步骤：
### 步骤1：下载libtorch库
首先，你需要下载libtorc
原创
2024-05-05 03:31:19
88阅读
在深度学习的网络中，个人认为最基础的还是残差网络，今天分享的并不是残差网络的理论部分，大家只要记住一点，残差网络的思想是贯穿后面很多网络结构之中，看懂了残差网络结构，那么后面的一些先进的网络的结构也很容易看懂。残差网络整体结构 一、残差块结构 前50层所对应的残差块结构（不包含第50层）代码如下：class BasicBlock(nn.Module):
expansio
转载
2024-02-26 17:01:35
186阅读
Libtorch是PyTorch的一个C++接口，使得用户能够在C++环境中使用PyTorch功能。在本博文中，我将分享在使用libtorch时遇到的问题的解决过程，其中涵盖环境配置、编译过程、参数调优、定制开发、调试技巧和部署方案等六个方面。
## 环境配置
在开始之前，我们需要设置合适的开发环境。以下是我配置环境的流程和依赖版本。
```mermaid
flowchart TD
libtorch
转载
2021-01-19 21:22:00
276阅读
2评论
libtorchprim ops是什么for (const auto &node : graph->nodes()) { const auto& kind = node->kind(); bool isOutputNode = false; for (const auto output : node->outputs())
原创
2022-01-02 10:17:37
168阅读
03–单格乘加运算单元PE & 单窗口卷积块CU 文章目录03--单格乘加运算单元PE & 单窗口卷积块CU前言单格乘加运算单元PE代码模块结构时序逻辑分析对其上层模块CU的要求单窗口卷积块CU代码逻辑分析 前言 第一和第二篇日志已经详细阐述了"半精度浮点数"的加法和乘法模块了。需要注意，他们的输入和输出均是16bit的半精度浮点数。现在我们自下而上，向着更顶层进发，用floatM
例子下面举个多维tensor例子简单说明。下面是个 2 * 3 * 4 的tensor。[[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]],
[[ 13 14 15 16]
[ 17 18 19 20]
[ 21 22 23 24]]]tf.reduce_sum(tensor, axis=0) axis=0 说明是按第一
vs2015编译错误解决：/jit/pickler.h(34): error C2059: 语法错误:“常量” ；error C3805: “常量”: 意外标记，应输入“}”或者“,libtorch环境搭建、生成库文件、测试利用Pytorch的C++前端(libtorch)读取预训练权重并进行预测tensorFromBlob”: 不是“at::DeprecatedTypeProperties”的成
转载
2024-04-29 21:17:53
420阅读
一.下载libtorch到官网pytorch官网下载libtorch,选择适合自己版本pytorch官网.下方有相应的下载链接,一个debug版本,一个release版本目前我是使用的pytorch也是1.4版本,之前网上查阅资料时,有人说下载的libtorch版本要跟pytorch版本一致,不一致的情况我也没试.CUDA我选了None，因为公司业务原因，客户处是不会用到GPU的。 本人环境: 系
转载
2023-12-19 14:56:25
385阅读
'''为了凸显keras编程的核心步骤，需要导入的库以及路径的定义不再列出'''
# 数据预处理--the 1st core step
# 将数据从本地文件加载到内存中，并进行格式化处理
data, label = load_data(pic_folder)
data_train, data_test, label_train, label_test = \
train_tes
前言：这段时间一直在研究深度学习的相关内容，也依据工作需要从github上研究了一些项目，对基础知识有了一定的了解，但是从学习到完全掌握和应用是两回事并且有相当大的一段距离，这里我通过从头开始准备数据，构建网络的，调整参数，整个流程完整跑了一遍，才对之前只知其一不知其二的问题有了更好的理解，这里通过文字分享出来，欢迎指正！再次，强烈建议，如果想认认真真学深度
转载
2024-03-26 15:12:18
80阅读
