- 博客(8)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 【Nvidia Agx Orin yolov8-pose TensorRt部署】
之前在PC上跑的是TensorRT 8.6，基于VS搭建编译的，原本像直接代码拿过来用QtCreator编译，发现模型调用不成功，报错提示如下：最后发现是模型导出的版本与最终调用的TRT版本不一致导致的问题，我在这里卡了很久！！！还有一个问题就是，最终模型可以成功调用，但是一直打印这个解决方法说是engine模型路劲错误，但是我写的是绝对路径，不过最终程序也能正常运行，这个错误也就没管。#include创建tensor；copy到显存进行推理；获取推理结果；CPP文件在这里。
2023-07-10 14:46:00
1278
4
原创 梯度下降原理讲解（超基础）
需要的背景知识-高中导数的知识-高数中偏导数概念话不多说，直接开始梯度下降在机器学习和深度学习中都是比较重要的，主要用在训练网络参数更新过程中，说白了就是损失函数找最小值的过程。直接举个栗子吧正文开始，别眨眼。。。。。。假设我们需要拟合一组这样的数据（2.8，3.2） （4.1，5.8）…目标任务是得到一个关系y=wx+b，能够满足这组数据，类比到分类任务上就是如图，输入一个猫，得到标签“cat”，我们这里时输入2，8得到3.2，这个就很好理解。ok，对于训练过程，网络在每一次输入一个x
2022-04-15 14:48:46
389
原创 基于VS2017+OpenCV，C++搭建NanoDet-Plus轻量级目标检测模型并训练（二）
1.数据准备标签格式是json，分成训练集（train）和验证集（val），分别存放图和对应的标签文件，利用如下代码将单个的json文件转成coco格式的json，代码如下：# -*- coding:utf-8 -*-import argparseimport jsonimport matplotlib.pyplot as pltimport skimage.io as iofrom labelme import utilsimport numpy as npimport globimp
2022-04-07 15:52:15
1241
原创 基于VS2017+OpenCV，C++搭建NanoDet-Plus轻量级目标检测模型并训练（一）
1.绪论官方GitHub地址：https://github.com/RangiLyu/nanodet中文知乎地址： https://zhuanlan.zhihu.com/p/449912627性能如下图，在一众轻量化目标检测算法中是很有竞争力的。但是官方给的demo没有基于C++ opencv调用的，因此就有了这篇博客。2.环境准备系统：Win10VS2017opencv：4.5.1GPU版本3.配置修改前面环境搭建可以依照官方的教程一步步进行，执行完python setup.py d
2022-04-07 10:27:20
5016
2
原创 Win10搭建mmdetection2.6环境并训练模型（二）
Win10搭建mmdetection2.6环境并训练模型（二）一、数据集准备二、训练前修改网络配置1.网络层修改2.配置文件修改3.开始训练一、数据集准备这里以cascade_rcnn为例，首先是对图片打标签，打标签的话是用labelme软件，生成json文件，软件使用方式如图。我这里用的是labeimg软件，生成xml文件，然后xml文件需要转换成json文件，利用python脚本很容易转换，代码贴在下面。各取所需#labelimg2labelme.pyimport xml.etree.Ele
2022-03-28 12:35:22
3904
原创 Win10搭建mmdetection2.6环境并训练模型（一）
Windows下搭建mmd2.6环境一、准备二、环境配置这部分是环境搭建教程，训练过程有时间了再写一、准备我的环境Win10+GTX1050Ti编译前准备CUDA10.1+cudnn8.0.4+VS2015（最好安装VS，不然会安装不成功），CUDA的安装参照网上教程即可，但是cudnn需要注册nvidia账号才可下载。库版本Pytorch1.6.0、mmcvfull1.1.5、cudatoolkit=10.1二、环境配置Step1：打开anaconda powershell ，输入命令con
2021-04-21 18:32:57
512
4
C++ OpenCV调用onnx格式的NanoDet-plus
2022-04-07
mmdetection2.6+mmcv_full-1.1.5+torch1.6.0+cu101-cp37-cp37m-win_amd64.rar
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