1 '''
2 2020 9 22
3 大傻逼
4 '''
5 string_s = "da sha bi"
6 #Python设置变量的时候不需要定义变量的类型
7 #直接给变量赋值即可
8 #但是变量名不可以是标识符的名字
9
10 #而且我们要知道，python是动态类型语言，自始至终都不会检查并导出变量类型
11 #同时python中没有常量，只有变量，也就是通常只能把变
转载
2024-06-22 16:30:09
42阅读
MMDetection中模型大多给予coco数据集进行训练。coco数据集包含80种物体。如果我们希望模型检测到其它新类型的物体，就需要使用自定义数据集来训练模型。MMDetection支持使用自定义模型训练监测模型。 训练新模型通常有三个步骤：支持新数据集修改配置文件训练模型MMDetection有三种来支持新数据集：将数据集整理为coco格式将数据集整理为中间格式直接实现新数据集的支持这里将使
解释说明：目前很多主流的网络模型主要包含backbone+其他结构(分类，回归)，那么如何在训练自己的网络模型时使用别人已经训练好的网络模型权重呢？？本文以Resnet50为例，构建一个基于resnet50的网络模型预训练过程。1. Torchvision中封装的主流网络模型torchvision中封装了Resnet系列、vgg系列、inception系列等网络模型，切内部给出了每个网络模型预训练
转载
2024-01-31 11:45:35
92阅读
有几点更新： 1. 看到一篇 blog 对检测做了一个总结、收集，强烈推荐： Object Detection 2. 还有，今天在微博上看到 VOC2012 的榜单又被刷新了，微博原地址为：这里，如下图：
3. 目前 voc 2012 的榜单 如下： 做目标检测这块的多关注哦～Abstract这篇文章在既保证速度，又要保证精度的情况下，提出了 SSD 物
作者 | 中二青年 整理 | NewBeeNLP1. 碎碎念大概是两年前，跟百度的nlp组，参与合作过Ernie在对话系统上的应用。问题其实很多，模型训练慢，一个月迭代一次很正常（现在做业务，两周就要有一轮迭代），显卡内存动不动就给爆了。最后在业务上，效果提升也不明显。一方面是个人技术菜，没利用好。另一方面，线上的lstm模型，已经喂了几百万/千万
训练这里提供一个简单的利用tensorflow训练的例子。模型调用keras的mobilenetv2 api，去掉其顶层，使用其特征提取部分，然后重新设定顶层部分。选择使用预训练权重可以降低我们的训练难度。 有一个比较细节的地方是，这里将归一化直接集成在网络上，这样的好处是：一方面不需要在art上进行设定，另一方面，在制作数据集时也不用进行归一化的预处理（如果忘了归一化会导致模型不收敛，预训练权重
转载
2024-09-21 10:53:46
197阅读
前言在前面几篇文章中详细介绍了MXNet的一些特点以及入门基础知识，本篇文章主要介绍如何使用MXNet来训练模型、加载模型进行预测、预训练模型以及MXNet中GPU使用的相关知识。 在介绍训练模型之前，先介绍MXNet如何使用GPU，因为后面训练模型需要利用GPU来加速训练。MXNet的GPU使用在训练神经网络的时候，为了获取一个效果比较好的模型通常都需要上万级，甚至上亿级的数据量，所以这需要强大
转载
2024-10-09 16:52:08
72阅读
随机初始化参数的模型其训练结果不比预训练模型差（使用了合适的normalization），唯一的不同是增加了训练迭代次数。随机初始化训练具有很好的鲁棒性，甚至在以下情况仍然成立：仅适用10%训练数据用于更深和更宽的模型用于多任务和多指标结论随机初始化的模型在训练一段时间后就要赶上预训练模型，其时间=预训练模型训练时间+微调时间。预训练模型不能提供更好的正则化，当训练数据较少时，发现必须选择新的超参
训练DETR一、数据准备二、配置DETR三、绘图四、推理五、一些小bug1.取整问题2.num_class的设置问题3.Encoder的输入为什么要把特征图的维度进行变换 (bs, c, hw) -> (hw, bs, c)？References一、数据准备DETR用的是COCO格式的数据集。如果要用DETR训练自己的数据集，直接利用Labelimg标注成COCO格式。 1.如果是VOC数据
1、Data Augmentation:数据增强操作可以看做是一种正则化方法，防止过拟合。v4数据增强 创新使用了图像遮挡–Random Erase随机删除一个矩形区域通过均值填充。Cutout随机删除一个矩形区域通过0填充。Mixup两张图像每个位置像素按照一定比例进行叠加，label根据像素叠加比例进行分配。cutmix随机删除一个矩形区域，并通过另一张图像同一位置像素值填充，label根据像
keras提供了VGG19在ImageNet上的预训练权重模型文件，其他可用的模型还有VGG16、Xception、ResNet50、InceptionV3 4个。VGG19在keras中的定义：def VGG19(include_top=True, weights='imagenet',
input_tensor=None, input_shape=None,
转载
2024-05-30 22:55:25
102阅读
在pytorch中提供了很多预训练好的模型，以分类为例，基本上都是用ImageNet数据集来训练的，分为1000类。但是很多时候我们要实现的分类项目可能并没有这么简单，比如我们可能并不仅仅只是实现单分类，可能想实现双分类或者是多分类，这个时候就需要对模型进行一定的修改修改的同时还希望该修改后的模型中与预训练模型相同的部分仍能够使用预训练的参数来初始化，这时候应该怎么做？ 1.单分类这是最
转载
2024-06-15 08:34:34
103阅读
Linux Pytorch ResNet-18 cifar10 实践报告硬件资源环境版本实验方法基本参数设置实验结果结果分析1. ResNet-v1 VS ResNet-v22. ResNet-v2 VS ResNet-v2+TrivialAugment3. MixUp vs CutMix vs TrivialAugment 硬件资源cpu： Intel(R) Core(TM) i5-7500
基于YOLOv5的王者荣耀目标检测2-训练模型一、前言二、正文1、准备工作1.1、克隆项目代码1.2、配置环境1.2.1、在终端（terminal）中输入以下命令，安装所需的依赖1.2.2、环境安装完成之后，运行detect.py进行推理（==这一步也可以直接跳过==）1.2.3、获取预训练权重1.2.4、将数据集放入项目中2、修改配置文件3、训练模型 一、前言上一篇博客：基于YOLOv5的王者
前面的文章介绍了如何安装caffe并切换到ssd分支，如何添加对ReLU6的支持，以及如何安装和使用MobileNetV2-SSDLite。这篇文章开始介绍如何利用自己的数据集训练MobileNetV2-SSDLite。这篇文章主要参考了caffe-SSD配置及用caffe-MobileNet-SSD训练自己的数据集，并作了一些修改。数据集准备 首先我们需要有图片以及与之对应的xml文件，并存放
个Activity的状态是由它在Activity栈（是一个后进先出LIFO，包含所有正在运行Activity的队列）中的位置决定的。
当一个新的Activity启动时，当前的活动的Activity将会移到Activity栈的顶部。
如果用户使用后退按钮返回的话，或者前台的Activity结束，在栈上的Activity将会移上来并变为活动状态。如下图所示
转载
2023-09-28 15:35:37
444阅读
文章目录PyTorch 基础 :数据的加载和预处理Dataloadertorchvision 包torchvision.datasetstorchvision.modelstorchvision.transforms PyTorch 基础 :数据的加载和预处理PyTorch通过torch.utils.data对一般常用的数据加载进行了封装，可以很容易地实现多线程数据预读和批量加载。 并且torc
转载
2024-02-02 08:32:48
55阅读
1. 预取页面 Prefetching pages （总觉得不应该这样翻译，应该叫预加载）说明：当采用single-page类型时，我们可以预先加载页面到dom树里（ps：通过浏览器的查看可以看到，ff里是浅色）。jqm会在当前page加载后，加载那个具有 data-prefetch 标签（target）的page，这时候pagecreat事件就被触发，你就可以在dom里面看到这个页面本没有的pa
转载
2023-12-25 10:19:49
91阅读
本文目录：1.标注数据集，并转为yolo模式（txt格式）：2.制作cfg文件3.下载yolov3预权重文件darknet53.conv.744.生成names文件5.生成data文件6.开始训练： 1.标注数据集，并转为yolo模式（txt格式）：标注的方式很多，这边只针对labelImg工具标注来做的，没有的可自行网上下载； 标注完成后，会生成xml文件，这里需要转换成yolo需要的txt格
2016年5月，新公司和那时候刚工作一样，给了个win7本，所以要在win7装python，但是pip按2014年，自己成功安装后写的帖子走不通了，请参考http://pip-cn.readthedocs.io/en/latest/installing.html。另外，新版本不需要先运行setup.py了，在下面这个地址复制get-pip.py,在cmd运行就可以了。https://bootstr
转载
2024-09-30 18:46:06
34阅读
