6 落叶_小唱

尚未进行身份认证

我要认证

本人喜欢看书,喜欢了解科技前沿,喜欢计算科学!

等级
TA的排名 1k+

onnxruntime加载onnx格式目标检测模型(SSD,YOLOv3-tiny)

onnx官方提供了onnx格式的模型,下载地址:https://github.com/onnx/models/tree/master/vision/object_detection_segmentation/ssd下载后使用netron查看该模型,如下图所示:程序import numpy as np # we're going to use numpy to process input and output dataimport onnxruntime # to inference O

2020-10-23 21:11:39

onnxruntime加载pytorch图像分类模型

从pytorch模型导出onnx模型,可以参考笔者的前一篇博文https://blog.csdn.net/ouening/article/details/109245243使用netron查看onnx模型结构,如下图:注意输入输出的名称name以及数据类型和维度type程序import numpy as np # we're going to use numpy to process input and output dataimport onnxruntime # to inf.

2020-10-23 20:22:30

Opencv DNN加载pytorch转换后的onnx模型

# -*- coding: utf-8 -*-"""Created on Sat Aug 15 01:10:42 2020@author: LX"""import torchimport torchvisionimport cv2import onnximport numpy as npimport matplotlib.pyplot as pltimport timmimport osprint(torch.__version__)print(cv2.__version_

2020-10-23 16:40:43

pytorch autograd计算标量函数二阶导数

计算标量函数:y=x3+sin(x)y=x^3+sin(x)y=x3+sin(x)在x=1,π,5x=1,\pi,5x=1,π,5时的一阶导dydx\frac{dy}{dx}dxdy​和二阶导d2ydx2\frac{d^2y}{dx^2}dx2d2y​,程序代码如下:# -*- coding: utf-8 -*-"""Created on Mon Sep 28 08:59:50 2020@author: 周文青利用torch.autograd计算单变量标量函数y=x^3+sin(x)在x分别

2020-09-28 09:31:29

optim c++优化库配置(windows环境,mingw)

optim c++优化库配置(windows环境,mingw)windows环境下做科学计算常用的库是blas,lapack,openblas等,这些和矩阵运算有关,代码也是经过高度优化,下面介绍一个轻量的c++版本优化库optim在win环境下的安装使用方法,如果是linux的话可以用包管理器安装依赖,方便很多,这里就不做介绍了。预备软件: mingw 730(笔者将qt5自带的设置为系统全局gcc/g++环境),cmder/git bash(提供linux环境,方便执行),cmake(编译lap

2020-09-24 14:04:11

OpenCV4.4加载TensorFlow1.x版本 Mask R-CNN模型进行推理

opencv中dnn模块的接口可以加载caffe,TensorFlow,darknet和onnx等模型,虽然目前pytorch非常流行,但由于pytorch属于动态图,部署的时候没有静态图方便,虽然可以转换为onnx模型,但个人使用经验来看仍然存在很多接口兼容性问题。使用cv2.dnn.readNetFromTensorFlow加载tf模型算是目前比较好的方法。下面记录采用cv2.dnn.readNetFromTensorFlow接口加载tf1.X版本的预训练模型并实现推理(似乎还不支持tf2.x版本)

2020-08-24 21:30:30

OpenCV/DLib人脸检测

在python环境下实现人脸检测有多种方式,最简单易用的是使用opencv或者dlib,两者都提供了经典方法和深度学习方法进行人脸检测:opencv haar cascade检测:haarcascade_frontalface_alt.xmlopencv dnn模块加载预训练模型:res10_300x300_ssd_iter_140000_fp16.caffemodel+deploy.prototxt,或者TensorFlow的量化版本opencv_face_detector_uint8.pb+ope

2020-08-24 10:40:51

mmdetection-v2.3安装配置及训练自定义数据集

系统:Ubuntu18.04python:3.6.9mmdetection支持非常多的目标检测模型,从经典的Faster RCNN、SSD等,到最新的DetectoRS,还有灵活多变的配置文件,使其成为了目前最流行的目标检测框架之一。项目开发也非常活跃,这对我们用户来说是好事,这意味着拥有更稳定的版本迭代。本文主要记录使用mmdetection2.3版本训练自定义数据集的关键流程,有些细节已经省略,大家酌情参考。安装mmcv-full。mmdetection依赖于mmcv,并且要安装pytorch

2020-08-19 18:02:51

ubuntu更新后出现grub-efi-amd64 not configure yet错误

问题如标题,解决方法见https://blog.csdn.net/tianqizhenhaofly/article/details/50995258

2020-08-18 10:58:49

OpenCV4.4加载C++版和pytorch版YOLOv3及YOLOv4实现自定义目标检测

opencv在4.4版本添加了对yolov4的支持,网上也有相应的教程,但是目前中文网上的教程大都基于C++实现,或者是用cv2.dnn.readNetFromDarknet.这个比较low-level的接口,此篇将博客记录一种更简单的实现方式,采用·cv2.dnn_DetectionModel 接口(这里笔者笔者不确定4.3版本是否有这个函数)。1.Pre-requestsyolov3.weights, yolov3.cfg(https://github.com/AlexeyAB/darknet下载

2020-08-14 23:01:30

Elmer仿真流程

个人认为在有限元仿真任务中建立模型几何步骤是基础也是非常关键的一步,后面的物理场设置、材料参数、边界条件都可以根据自己所在研究领域的专业知识得出。在使用ElmerGui过程中发现程序还不是很稳定,处理有些网格模型会出错自动关闭程序,上图中总结的流程是笔者自己测试后得出的比较靠谱的方法,主要是用gmsh生成网格后导出inp(推荐)或者unv格式,然后再用ElmerGrid进行转化,当然,对于简单的模型(例如单实体)也可以尝试直接使用ElmerGui打开inp、unv、step文件(简单的可以直接打开ste.

2020-06-13 02:00:22

FreeCAD FEM(Elmer接口)总结

1 准备FreeCAD版本:pre_0.19(预发布版)Elmer版本:8.4(MPI版本)http://www.elmerfem.org/blog/binaries/gmsh:freecad自带4.5.6版本paraview:5.4.1从freecad的release note来看未来对FEM模块的开发主要还是以结构力学仿真为主,默认的支持求解器为caulix,该求解器在freecad中存在时间最长,因此也得到了更多了检验,版本稳定,另外还支持Elmer和z88求解器,从各有限元求解器对比来看,

2020-05-25 02:42:33

GitHub批量删除repository

最近在清理自己的github项目时,发现很多fork的没用的库,想一次性快捷地批量删除,而不是一个一个点进Setting里面手工删除,便找到了这篇文章:https://juejin.im/post/5c42e2e76fb9a049ba41e06a总结起来是4步:创建一个文件,例如命名为repos.txt,编写需要删除的库:aaa\repos1aaa\repos2aaa 表示自己的用户名,repos1表示repository的名称,需要删除多少,就按照这种格式写多少行,注意用户名与rep

2020-05-13 23:30:12

Ubuntu18.04使用docker构建不同深度学习环境

需求: 很多时候我们在GitHub找到的一些深度学习代码,由于环境依赖等原因无法跑通,比如基于tf编写的代码库,由于tf各版本API变得非常大(大坑),要想复现最简单的办法是配置和作者相同的tf环境,相应带来的麻烦是cuda版本和cudnn的重新配置,非常麻烦。解决方案: 一个可行的解决方案是使用docker,pytorch和tensorflow官方都提供了不同版本的docker镜像,只需拉取相...

2020-05-05 15:36:57

Libtorch1.4加载自定义图像分类模型(VS 2019)

环境:win10Visual Studio2019(VC16)OpenCV:4.2(和opencv_contrib以前编译)Libtorch:1.4.0(cpu版本)pytorch:1.4.0python3.7cmake数据集:flower_photos(5种类型)1. 构建分类模型使用torchvision中已有的模型进行迁移学习,构建自定义模型,代码如下:# -*- ...

2020-03-04 21:06:13

OpenCV4使用xfeatures相关函数

环境:win10 64python3.7(确保在系统环境变量)GCC:7.3.0( QT5.12.4版本自带,确保在系统环境变量)CMAKE(确保在系统环境变量)opencv 4.2opencv_contrib 4.2诸如SURF,SIFT等算法默认是不包含在opencv中的,需要下载opencv_contrib源码自己手动编译,详细步骤可以参考https://blog.csdn...

2020-03-03 23:50:59

Tensorflow2.X版本keras模型输出保存为frozen graph(pb文件格式)

环境:windows10 64bitpython: 3.7opencv 4.2.0tensorflow: 2.1**目的:**利用opencv中的dnn模块对tensorflow模型进行加载。opencv的dnn模块有函数dnn.readNetFromTensorflow,根据函数文档可知是调用pb格式的tensorflow模型,这里就入坑了,tensorflow保存的文件格式多种...

2020-02-15 22:20:33

SVM,GBM使用CUDA加速

环境:ubuntu18.04(64bits)CUDA:10.1Python3: 3.6.9scikit-learn提供 了基于svm的相关函数,用于处理分类与回归任务;xgboost、lightgbm、catboost等库提供了GBDT,决策树、随机森林等相关函数,但这些都有个问题:面对大数据集时模型训练非常慢。最近因为需要找到了利用GPU加速计算的svm和gbm库:thundersv...

2020-01-21 10:26:47

tensorflow2.1错误:Could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR

系统环境:OS: UBUNTU18.04CUDA:10.1Tensorflow 2.1cuDNN: 7.6.5TensorRT: 6.0.15(tf2.1支持TensorRT6.0)GPU: RTX2080(8G)*2使用新版本tensorflow(2.1支持的CUDA版本为10.1,2.0支持的版本为10.0)时,出现了如下错误(错误复现代码地址:https://github....

2020-01-16 21:59:06

Python输出论文级插图

环境:Win10, python3, IPython7.10, qtconsole英文论文的常用字体为Times New Roman,绘图中的字体也是此类型(中文文章西文字体一般要求为该字体),Python使用matplotlib库绘图,通过一些设置也能绘制出符号论文要求的图片,笔者的使用环境为qtconsole,如果直接执行py脚本文件也是可以的,只需使用plt.save函数保存即可。1. ...

2019-12-08 20:22:49

查看更多

勋章 我的勋章
  • GitHub
    GitHub
    绑定GitHub第三方账户获取
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv4
    勤写标兵Lv4
    授予每个自然周发布9篇以上(包括9篇)原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。