- 博客(23)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 python多线程中使用TensorRT（解决报错：invalid device context - no currently active context? ）
报错显示在工作线程中没有建立上下文context，原因是。（3）在进行推理前加上。
2024-02-21 13:35:56
341
1
原创 TensorRT安装部署指南（Windows10）
时间：2023/11/01说明：本指南针对在装有NVIDIA显卡的Windows10系统的计算机上，安装TensorRT推理加速工具，将pytorch中导出的onnx模型转换为trt模型文件，并在python语言中进行模型推理。
2023-11-13 17:04:12
1169
原创 【综述】一文读懂卷积神经网络(CNN)
卷积神经网络是多层感知机(MLP)的变种，由生物学家休博尔和维瑟尔在早期关于猫视觉皮层的研究发展而来，视觉皮层的细胞存在一个复杂的构造，这些细胞对视觉输入空间的子区域非常敏感，称之为感受野。CNN由纽约大学的Yann Lecun于1998年提出(LeNet-5)，其本质是一个多层感知机，成功的原因在于其所采用的局部连接和权值共享的方式：一方面减少了权值的数量使得网络易于优化；另一方面降低了模型的复杂度、减小了过拟合的风险。当网络的输入为图像时，这些优点将表现地更加明显。
2022-09-07 00:52:37
18735
2
原创 (个人笔记) Python文件读写与json库的使用
在python编程实践中经常会用到python文件读写和json库的使用，每次使用的时候都要查找一些相关的资料。这里整理两个常用的链接，以便之后使用时翻看。python文件读写Python 文件打开读取写入方法json库的使用干货｜如何利用Python处理JSON格式的数据，建议收藏！...
2022-04-19 11:06:23
704
转载 Labelme标注格式转COCO标注格式（目标检测）
转载自：https://blog.csdn.net/qq_34713831/article/details/88891529网上找了好多个脚本，亲测这个可以（感激涕零！！），但生成的.json文件中"file_name"那里有一点问题，更改后的python脚本为：Labelme转COCO# -*- coding:utf-8 -*-# !/usr/bin/env python import argparseimport jsonimport matplotlib.pyplot as plt.
2022-03-24 12:10:44
1296
1
原创 使用Labelme对视频进行标注
Labelme视频标注 Labelme项目主页一、Labelme安装在Windows/Linux/MacOS系统上均可通过anaconda来进行安装（1）下载安装anaconda（2）打开anaconda Prompt(Windows系统)或者Linux终端（3）依次输入如下命令创建虚拟环境并安装conda create --name=labelme python=3.6 #完成后进行下一步操作conda activate lableme #进入labelme虚拟环境pip ins
2022-03-23 19:48:30
10189
19
原创 使用TensorRT加速Pytorch模型推理
TensorRT是NVIDIA官方推出的模型推理性能优化工具，适用于NVIDIA的GPU设备，可以实现对深度神经网络的推理加速、减少内存资源占用。TensorRT兼容TensorFlow、Pytorch等主流深度学习框架。在工业实践中能够提高基于深度学习产品的性能。本文记录使用TensorRT加速Pytorch模型推理的方法流程，包括TensorRT的安装、将Pytorch模型转换成TensorRT模型、使用TensorRT推理等内容。首先列出主要参考链接：（1）官方TensorRT主页：NVIDI
2022-03-17 12:53:50
8714
14
原创 【目标检测】YOLO系列——YOLOv1详解
本篇是关于目标检测算法YOLOv1的学习笔记。网上的博客大多是摘抄翻译论文中的重点内容加上自己的理解，或者是梳理论文的大致思路，在没看过原文的情况下可能总会有些看不懂的地方。所以强烈建议博客搭配原文食用。原文链接：You Only Look Once: Unified, Real-Time Object Detection一、YOLOv1的创新点及优势YOLOv1是CVPR2016的文章， 相比于当时比较优秀的目标检测算法（如R-CNN、DPM）, YOLO有如下创新点和优势：1. 主要创新点：
2022-03-11 10:24:03
14218
原创 机器学习基础——损失函数与风险函数
机器学习的目标是从模型的假设空间中选取最优的模型，其具体的策略有经验风险最小化和结构风险最小化。下面简单介绍损失函数和风险函数的相关概念。参考自李航《统计学习方法》。损失函数损失函数(loss function)用来预测模型单次预测的好坏，即模型的预测值f(X)和真实值Y之间的差别，记作L(Y,f(x))。损失函数越小，表示模型预测越准确。机器学习常用的损失函数有：（1）0-1损失函数（2）平方损失函数（3）绝对损失函数（4）对数损失函数风险函数风险函数(risk functi
2022-03-08 15:01:00
7174
原创 onnxruntime安装与使用（附实践中发现的一些问题）
关于onnxruntime的一些基本参考链接：onnxruntime官方文档将pytorch模型转换为onnx模型并用onnxruntime进行推理(Pytorch官方文档)一、onnxruntime安装(1)使用CPU如果只用CPU进行推理，通过下面这个命令安装。【如果要用GPU推理，不要运行下面这个命令】pip install onnxruntime(2)使用GPU安装命令为：pip install onnxruntime-gpu安装 onnxruntime-gpu 注意事项
2022-03-05 10:15:54
53758
15
原创 Ubuntu多CUDA版本安装及切换
可同时安装多个CUDA版本在/usr/local路径下，使用软连接实现版本的切换一、查看已安装的CUDA版本所有已安装的CUDA版本默认保存在/usr/local路径下，cd到该路径下通过ls命令查看：[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CyHVBqw6-1623847509057)(C:\Users\Guoych\AppData\Roaming\Typora\typora-user-images\image-20210616154935123.png)]文
2021-06-16 20:46:17
6767
1
原创 Batch size对神经网络训练的影响
本文主要参考知乎问题“怎么选取训练神经网络时的Batch size?”下的回答首先摆出结论：在CPU/GPU内存允许的前提下，batch_size不能太小，也不能太大（几千上万）。对于我们日常使用的显卡（显存4~32GB），batch_size一般设置为几十到几百，同时选取较大batch_size往往能有更好的收益。解释:（1）使用单个单核的CPU进行训练时，batch_size=n相对于batch_size=1来说，计算量（计算时间）提升了n倍，但训练效果（使误差降低的倍数）为sqrt(n)倍.
2021-06-07 17:04:07
1150
1
转载 WINDOWS10 安装 PROTOBUF
WINDOWS10安装PROTOBUF这篇简单直接有效，Mark一下：https://www.freesion.com/article/10721296122/
2021-04-15 14:44:22
1684
原创 训练集、测试集、验证集与交叉验证
初学者对于训练集(train set)、测试集(test set)、验证集(validation set)这三个概念和应用非常容易搞混，这里我结合各种博文和书籍上的讲解进行总结：训练集参与训练，模型从训练集中学习经验，从而不断减小训练误差。这个最容易理解，一般没什么疑惑。验证集不参与训练，用于在训练过程中检验模型的状态，收敛情况。验证集通常用于调整超参数，根据几组模型验证集上的表现决定哪组......
2020-04-13 16:26:51
7684
2
原创 Matplotlib笔记(莫烦Python)
matplotlib学习笔记跟着莫烦老师的B站课程记的matplotlib学习笔记，分享给大家^ ^# 导入要使用的库import matplotlib.pyplot as pltimport numpy as np基本用法x = np.linspace(-1,1,50)y = x**2plt.plot(x,y) #绘制点线图plt.show()figure图像#画在两...
2020-04-09 15:58:53
1420
2
转载 OpenMP使用方法
本文转自 https://blog.51cto.com/jerrydai/1873471OpenMP的基本要素：1. 编译指导指令（Compiler Directive）在C/C++程序中，OpenMP的编译指导指令以 #pragma omp开始例如： #pargma omp 指令 [子句[, 子句]……]子句的类型：并行域控制类任务分担类同步控制类数据环境类运行库函数 （R...
2020-03-30 18:04:54
978
原创 Multi-label Image Recognition by Recurrently Discovering Attentional Regions（阅读笔记简略）
论文摘要这部分从博客文章Multi-label Image Recognition by Recurrently Discovering Attentional Regions中摘抄而来论文拟解决问题：使用一种新的深度神经网络结构实现多标签的图像识别任务；传统方法及其缺陷：传统多标签分类器往往需要预测候选区域（region proposal），这种方法往往会造成额外开销，性能也难...
2019-12-02 09:09:19
305
原创 循环注意力卷积神经网络——RA-CNN（论文笔记）
目录前言本文拟解决的问题解决问题的方法前言本文是对论文**《Look Closer to See Better：Recurrent Attention Convolutional Neural Network for Fine-Grained Image Recognition》**的学习梳理总结，主要参考文献为论文原文——《Spatial Transformer Networks》以及一篇博...
2019-11-20 10:55:53
2979
3
原创 搭建CNN进行MNIST手写数字识别（Tensorflow2.0实现）
本文使用Tensorflow2.0搭建CNN进行MNIST手写数字识别。Tensorflow2.0的使用方法参照Tensroflow官方教程下面给出具体代码及运行结果：导入模块和数据集#导入模块import tensorflow as tf#导入数据集mnist = tf.keras.datasets.mnist(x_train, y_train), (x_test, y_test)...
2019-11-09 23:31:50
4741
4
原创 空间转换网络——Spatial Transformer Networks（论文笔记）
本文是对论文《Spatial Transformer Networks》的学习梳理总结，主要参考文献为论文原文——《Spatial Transformer Networks》以及一篇博客——论文笔记：Spatial Transformer Networks（空间变换网络）一、CNN存在的问题CNN定义了非常强大的分类模型，但是仍然受到缺乏在计算和参数效率上对输入数据空间不变性能力的限制。即，当...
2019-11-09 20:57:26
1931
原创 群论在物理学中的应用
群论是研究和描述对称性的科学，在物理学中有着十分广泛的应用。本报告将分别讨论群论在固体物理和量子力学领域的应用，主要涉及到其在这三个领域的一般思想和具体例子。
2019-11-06 22:44:33
8194
原创 （深度学习）GPU比CPU慢？快看这里
GPU由于擅长矩阵运算，在深度学习尤其是计算机视觉方面得到了广泛的应用。前几天在我废了好大劲在我的的电脑上安装了Tensorflow 2.0 - GPU，然后就迫不及待地去体验一下GPU的速度。我去Tensorflow官网上直接复制了一段代码，就是最简单的神经网络识别MNIST手写数字数据集。然后分别用GPU和CPU跑了以下，结果让我大吃一惊。之前听别人说用GPU通常会比CPU快好几倍，而我经...
2019-05-18 00:41:20
22921
8
原创 Tensorflow2.0 GPU版本安装（CUDA10.0 + cuDNN7.5 + Tensorflow2.0 Alpha）
（本人小白一名，总结了一些自己的操作经验，仅供参考）前段时间Tensorflow 2.0 Alpha版本发布，作为刚入门深度学习的小白之前没有学过 Tensorflow1.x 系列，只学过一些keras，也懒得再学习 Tensorflow1.x 系列了，直接平滑过渡到 Tensorflow 2.0 多好。首先面临的问题就是CUDA等的安装及配置。操作过程中参考了一些网络上的教程，但版本都不太...
2019-05-12 14:39:39
13076
3
Tensorflow2.x实现图像识别（基于迁移学习）
2021-04-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人