算法简介 算法原理 样本构造 损失函数 使用细节 # ssd算法： ##简介刘伟在2016年提出，发表在ECCV；是一种通过直接回归的方式去获取目标类别和位置的one-stage算法，不需要proposal；作用在卷积网络的输出特征图上进行预测，而且是不同尺度，因此能够保证检测的精度，图像的分辨率也比较低，属于端到端的训练；input->CNN->Lreg,LclsCNN特征
转载
2023-06-19 16:18:21
131阅读
之前，对SSD的论文进行了解读，为了加深对SSD的理解，因此对SSD的源码进行了复现，主要参考的github项目是ssd.pytorch。同时，我自己对该项目增加了大量注释：https://github.com/Dengshunge/mySSD_pytorch搭建SSD的项目，可以分成以下四个部分：
数据读取；
网络搭建；
损失函数的构建；网络测试接下来，本篇博客重点分析网络测试。 在e
转载
2024-01-07 10:13:22
249阅读
之前使用 Tensorflow Detection API 训练 SSD 网络，改里边的 depth_multiplier 参数使网络层数降低，确实可以提高推理速度，但是因为该 API 训练的网络里有一个定制的操作符TFLite_Detection_PostProcess 不能在GPU上运行，导致推理时
转载
2023-06-19 16:20:11
211阅读
主要内容1 Dataset2 Sampler3 DataLoader3.1 三者关系 (Dataset, Sampler, Dataloader)3.2 批处理3.2.1 自动批处理（默认）3.2.3 collate_fn3.3 多进程处理 (multi-process)4 预取 (prefetch)5 代码详解 本篇博文主要用来记录参考链接中的所学重要知识，梳理清楚。 1 DatasetDa
转载
2023-06-18 15:30:52
363阅读
1. 源码概览pytorch是众多dl工具中，比较python风格化的一种，另一个完全python化的dl工具是chainer,它的构建语言中只有python，甚至cuda也是从python端调用的。python风格化的好处是，使用了很多python的语言特性，让代码更加简洁，更高效。《python高级编程》的第2、3章，描述了部分python的高级语言特性，比如：列表推导，迭代器和生成器，装饰器
转载
2023-09-02 22:23:16
88阅读
1. torch.utils.data.DataLoader类：class torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, batch_sampler=None, num_workers=0, collate_fn=, pin_memory=False, drop_last=False,
转载
2024-05-16 14:11:05
62阅读
文章目录一、PyTorch的主要模块1. torch 模块2. torch.Tensor 模块3. torch.sparse 模块4. torch.cuda 模块5. torch.nn 模块6. torch.nn.functional 模块7. torch.nn.init 模块8. torch.optim 模块9. torch.autograd 模块10. torch.distributed 模
转载
2023-08-22 01:17:24
154阅读
Pytorch源码学习02--神经网络前提任务定义网络损失函数反向传播更新权重引用 前提1.使用torch.nn包构建神经网络； 2.nn依赖于autograd来定义模型并对其进行微分； 3.nn.Module包含层，以及返回output的方法forward(input)。注：pytorch里面一切自定义操作基本上都是继承nn.Module类来实现的任务对数字图像进行分类的网络：神经网络的典型训
转载
2023-09-27 13:46:03
53阅读
这篇博客记录我在学习《深度学习之PyTorch物体检测实战》一书中关于Faster RCNN这一算法的理解，以及pytorch代码的解读。 pytorch复现代码链接：https://github.com/dongdonghy/Detection-PyTorch-Notebook/tree/master/chapter4/faster-rcnn-pytorch 当然pytorch官方已经在torc
转载
2023-10-05 21:43:43
85阅读
尝试使用了pytorch，相比其他深度学习框架，pytorch显得简洁易懂。花时间读了部分源码，主要结合简单例子带着问题阅读，不涉及源码中C拓展库的实现。一个简单例子实现单层softmax二分类，输入特征维度为4，输出为2，经过softmax函数得出输入的类别概率。代码示意：定义网络结构；使用SGD优化；迭代一次，随机初始化三个样例，每个样例四维特征，target分别为1,0,1；前向传播，使用交
转载
2023-08-11 14:00:48
104阅读
一、原理 发展脉络：DETR是FACEBOOK基于transformer做检测开山之作，Deformable DETR加速收敛并对小目标改进，TESTR实现了端到端的文本检测识别，DPText-DETR做了精度更高的文字检测。 原理及代码较为复杂，目前还在研究中并不断完善本博客，建议也参考下他人的解读。DETR 2020 FACEBOOK：原理https://shihan-ma.github.io
转载
2023-11-08 19:24:07
703阅读
11.Pytorch介绍PyTorch 是由 Torch7 团队开源的，这也是Facebook 的 AI 研究团队发布了一个 Python 工具包，据该项目官网介绍，是一个 Python 优先的深度学习框架，能够在强大的 GPU 加速基础上实现张量和动态神经网络。- [官网](http://pytorch.org/) - [Github](https://github.com/pytorch/py
转载
2023-09-12 11:09:39
167阅读
这一部分的源码主要实现在create_pretraining_data.py和tokenization.py两个脚本里。先介绍主要部分：create_pretraining_data.py这里小标1，2用的太多了，为了方便区分，我用了不同颜色（红、橙、绿）的小标表示，同一个颜色是一个部分的；脚本中用到的函数，我用紫色的进行了标识。源码地址：https://github.com/google-res
转载
2024-01-08 17:51:01
122阅读
基于pytorch的mnist源代码链接来自官方示例：https://github.com/pytorch/examples/blob/master/mnist/main.py，本文主要依据个人理解对该代码进行注释分析。1、构造函数initdef __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(1
转载
2023-11-03 20:04:08
75阅读
# SSD PyTorch: 目标检测的新起点
]( 是一种在精度和速度方面都表现出色的目标检测算法。本文将介绍 SSD 的 PyTorc
原创
2023-12-17 09:17:49
43阅读
PyTorch 代码链接：https://github.com/ultralytics/yolov3本篇主要是对代码文件中 models.py的解读，同时由于用到了utils文件夹下 parse_config.py中的两个函数，所以也对其进行了分析。1. utils文件夹1.1. parse_config.py这个py文件中定义了两个函数——parse_model_cfg和parse_data_c
转载
2024-04-08 21:56:08
91阅读
小白学习pytorch源码（二）pytorch setup.py最全解析setup.py与setuptoolssetup.py最详细解读setup.py 环境检查setup.py setup()函数 pytorch setup.py最全解析从pytorch源码整体学习的角度看，有两个文件最为关键，分别为pytorch源码总目录下的setup.py和torch包中的_init_.py。其中_ini
转载
2023-07-09 22:04:29
131阅读
之前有个关于解决SSD错误的博客，虽然针对错误贴出了解决方法还是有一群人没解决问题，有可能是不同的问题出现了相同的错误，那我这次直接自己重新复现一边吧，之前的找不到了，再贴下链接：https://github.com/amdegroot/ssd.pytorch 环境：CUDA9.0、cudnn7.0.5、python3、pytorch1.1.0 其实这个项目的错误里面已经给出了你有可能遇到的重要错
转载
2023-11-10 00:27:21
152阅读
这篇博客记录我在学习《深度学习之PyTorch物体检测实战》一书中关于SSD（Single Shot Multibox Detecor）这一算法的理解，以及pytorch代码的解读。 pytorch复现代码链接：https://github.com/dongdonghy/Detection-PyTorch-Notebook/tree/master/chapter5/ssd-pytorch 虽然本篇
转载
2023-12-20 15:45:49
38阅读
# Faster R-CNN PyTorch JWYang 源码解读
在计算机视觉领域，目标检测是一个重要的任务，而Faster R-CNN则是其中一种经典的方法。对于刚入行的小白来说，理解Faster R-CNN的源码将有助于深入掌握目标检测的原理及实现。本文将引导你逐步了解Faster R-CNN的PyTorch实现，特别是JWYang的代码。
## 整体流程
在开始之前，了解整个流程是
