weixin_43747587的博客

原创 毛选-阶级分析

原创 泰国 其他素材

原创 RTR4

TRT的核心低延迟高吞吐吞吐和延迟需要tradeoff：推断（Inference）的batch size要小很多，仍然是latency的问题，因为如果batch size很大，吞吐可以达到很大，比如每秒可以处理1024个batch，500毫秒处理完，吞吐可以达到2048，可以很好地利用GPU；但是推断（Inference）不能做500毫秒处理，可以是8或者16，吞吐降低，没有办法很好地...

原创 [paper reading]Innovations in Graph Representation Learning

1

原创 为什么array的读写复杂度是O(1)

核心知识点：数据是存储在内存中的，内存的每一块区域都有特定的地址对应，那么如果我们知道具体的地址，直接可以以O(1)访问该地址对应的存储空间。解释：对于array，c++在定义的时候需要指定数据type，同时array也是连续内存存储的数据结构。比如我们需要访问第i个元素，那么指针地址为 start+(i-1)*4，其中start为array[0]的地址，所以我们可以直接访问start+(i-1...

原创 paddle-fuid部署加速方案-引擎

参考网页参考网页asd

原创 关于warm_up学习率

numberbatchwarm_up_iterwarm_up_epochCOCO171182878*840004000*64/118287=2.16paiti_v1v2v3227208*82.16*22720/64=7662.16

原创 关于fuseBN的操作

Train Phasex是bn输入，mean,var,scale,offset是BN四个参数(x-mean)/var*scale+offset = x*(scale/var) + [offset-mean*(scale/var)]=>x*scale' + offset'其中scale' = scale/var offset' = offset-mean*(scale/var)...

原创 精品入门教程record

爬虫系列爬虫从入门系列 https://foofish.net/understand-http.html

原创 fully-connected转conv

fully-connected转conv具体操作假设fc输入(h,w,c)，fc输出为(fc_out)，那么fc的参数shape为(hwc, fc_out)。通过使conv得kernel覆盖fc的输入，即conv的kernel_size = h*w，kernel_num = fc_out，则conv输出shape为(1,1,fc_out)。通过这种方式fc和conv其实是可以转换的，如上con...

原创 pt

获取梯度x = torch.ones(2, 2, requires_grad=True)y = x + 2z = y * y * 3out = z.mean()out.backward()print(x.grad)最底层的x需要grad，所以它的上层自然默认求梯度

原创 PIL和opencv

from PIL import Image, ImageEnhanceimg = Image.open(img_path)img_np=np.array(img).astype('float32')img_np.shape = (HWC)img_np.transpose((2, 0, 1)img_np.shape = (CHW)PIL读取进来一般是RGB，如果不是可以转换。if i...

原创 关于stop_gradient

paddle有个参数stop_gradient。结论对于op里面的参数，使用stop_gradient只影响这个参数本身，即只有这个参数不更新。对于op的输出，使用stop_gradient，则该点之前的所有层均不再更新。解释基本想法设简单的opout = op(x)，一般op里面的参数不会依赖于输入x，out对x的梯度不会用到out对参数的梯度。所以参数设置stop_gr...

原创 test

| 型号 | CUDA compute capability |TFLOPS|RAM|Release Date|cost||–|--|

原创 【深度思维】读书笔记

系统思维实例关于公司裁员控制成本背景：调查某部们员工25%时间摸鱼，裁掉25%员工，结果导致整个部门崩溃。系统动力图：+表示两者正相关，-表示负相关。说白了就是正反馈不断放大，如果是有利的那么就会产生日积跬步至千里的效果；如果是不利的就会导致整个系统的崩溃。判断系统整体的±，全部相乘。因此两个-即为+。一些题外话其实书里面的道理、方法我们都或多或少听说过，但是确很少刻意练习。...

翻译 [paper reading] Rethinking ImageNet Pre-training

abstact从随机初始化训练（from scratch）的det和seg模型与使用pretrained finetune的结果相似。随机初始化训练模型更加robustpretrained finetune加快了收敛速度，但对提升最终的performance没有约束作用（即没有优化作用）。Introduction使用ImageNet pre-training，再fine-tunin...

原创 图像变换

OpenCV中提供的函数官方文档2D变换1避免采样误差：In fact, to avoid sampling artifacts, the mapping is done in the reverse order, from destination to the source. In case when you specify the forward mapping , the OpenCV...

原创 换脸

看到一份换脸的code[^1]

原创 我该写点什么

随想testtest