4 小宋是呢

尚未进行身份认证

我要认证

深度学习算法工程师 微信公众号《极简AI》:briefai 研究方向:自然语言处理与自动语音识别,图像识别与自动检测,图神经网络与推荐系统。

等级
TA的排名 7k+

『深度应用』YoloV5 RTX2080Ti TensorRT与PyTorch速度对比

1.概述此次实验是为了探究YoloV5在RTX2080Ti平台上使用TensorRT对于模型推理的加速效果,同时也比对一下RTX2080Ti平台上GPU对于i7-8700CPU的加速。照例先提出来实验硬件环境:系统:Ubuntu 18.04.3LTS CPU:Intel® Core™ i7-8700 CPU @ 3.20GHz × 12 GPU:GeForce RTX 2080Ti Cuda:10.1 Pytorch:1.5.0 TensorRT:7.1.02....

2020-08-11 16:50:40

『深度概念』理解多标签图像分类任务的MAP评价方法

1.概念介绍多标签图像分类(Multi-label Image Classification)任务中图片的标签不止一个,因此评价不能用普通单标签图像分类的标准,即mean accuracy,该任务采用的是和信息检索中类似的方法—mAP(mean Average Precision)。AP衡量的是学出来的模型在每个类别上的好坏,mAP衡量的是学出的模型在所有类别上的好坏,得到AP后mAP的计算就变得很简单了,就是取所有AP的平均值。2.计算方法mAP虽然字面意思和mean...

2020-08-10 17:19:13

『深度应用』对CenterNet的一些思考与质疑·对比与U版YoloV3速度与精度

0.引子笔者很喜欢CenterNet极简的网络结构,CenterNet只通过FCN(全卷积)的方法实现了对于目标的检测与分类,无需anchor与nms等复杂的操作高效的同时精度也不差。同时也可以很将此结构简单的修改就可以应用到人体姿态估计与三维目标检测之中。后面一些针对CenterNet结构应用于其他任务,也取得不错的效果,比如人脸检测CenterFace以及目标追踪CenterTrack与FairMot。这些内容后面等笔者研习过后再补充,后面应该会做一个类CenterNet结构总结对比,感兴.

2020-07-21 19:19:02

『深度概念』极简图解卷积与反卷积操作

正向卷积正向卷积的实现过程。假设输入的图片 input 尺寸为 4x4,元素矩阵为:卷积核的尺寸为 3x3,其元素矩阵为:正向卷积操作:步长 strides = 1, 填充 padding = 0,输出形状为 2x2,该过程如下图所示:在上面这幅图中,底端为输入,上端为输出,卷积核为 3x3。如果我们用矩阵乘法去描述这个过程: 把 input 元素矩阵展开成一个列向量 Xinput=[x1,x2,x3,x4,x5,x6,x7,x8,x9,x10,x11,x12,x13

2020-07-20 22:56:35

『开发技巧』解决RTX 2060 TensorFlow CUDNN_STATUS_INTERNAL_ERROR错误

在使用RTX 2060开发TensorFlow 1x 版本遇到一个错误,如下:2020-07-20 22:08:55.555961: E tensorflow/stream_executor/cuda/cuda_dnn.cc:329] Could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR2020-07-20 22:08:55.571109: E tensorflow/stream_executor/cuda/cuda_dnn.cc:3.

2020-07-20 22:20:48

『Python开发技巧』使用python处理json文件

json格式对应python里面的字典,可以通过json模块很方便保存处理,下面的代码用来抛砖引玉。。保存json文件def save_js(jsf,path): with open(path,"w",encoding="utf-8") as f: jsd = json.dumps(jsf) f.write(jsd)读取json文件def load_js(path): with open(path,"r") as f: js

2020-05-12 13:56:54

[开发技巧]·Python list 赋值探索

Python中关于对象复制有三种类型的使用方式,赋值、浅拷贝与深拷贝。他们既有区别又有联系,刚好最近碰到这一类的问题,研究下。一、赋值在python中,对象的赋值就是简单的对象引用,这点和C++不同。如下:a = [1,2,3,"hello",["python","C++"]]b = aprint a==b #True这种情况下,b和a是一样的,他们指向同一片内存,b不过...

2020-04-03 10:09:22

『深度应用』目标检测coco数据集格式介绍

MSCOCO数据集的标注格式(http://cocodataset.org),数据结构如下{ "images": [ {"file_name":"cat.jpg", "id":1, "height":1000, "width":1000}, {"file_name":"dog.jpg", "id":2, "height":1000, "width":1000}, .....

2019-12-24 19:26:12

『深度概念』原理图解代码FPN Feature Pyramid Networks

0 原理FPN 2017年Facebook的Tsung-Yi Lin等提出了FPN特征金字塔架构,可以灵活地应用在不同地任务中去,包括目标检测、实例分割等实现端到端训练。之前算法采用多尺度特征融合的方式一般是采用融合后的特征做预测,而FPN算法不一样的地方在于预测是在不同特征层独立进行的,利用深层特征通过上采样和低层特征做融合。被广泛使用,有效提高小目标检测及mAP.在以往...

2019-11-28 11:25:01

『人脸识别系列教程』0·MTCNN讲解

原文出处:http://www.sfinst.com/?p=1683背景介绍: 人脸检测,解决两个问题:1)识别图片中有没有人脸?2)如果有,人脸在哪?因此,许多人脸应用(人脸识别、面向分析)的基础是人脸检测。 大多数人脸检测采用的流程为两阶段: 1) 找出所有可能是人脸的候选区域 2) 从候选区域中选择出最可能是人脸的区域 本文的主角MTCNN,大致是这种套路,也集成了其优缺点为:...

2019-11-17 02:28:35

『人脸识别系列教程』2·机器学习经典损失函数

原文出处:https://zhuanlan.zhihu.com/FaceRec0-1损失(二分类)、交叉熵损失(分类)、Softmax Loss(多分类)、合页损失(SVM)、均方差(线性回归)、Modified Huber Loss(分类)、指数损失(Adaboost)1 0-1 Loss 一般来说,二分类机器学习模型包含两个部分:线性输出一般是s = wx;非线性输出比如...

2019-11-16 23:13:56

『人脸识别系列教程』1·目录与概述

原文出处:https://zhuanlan.zhihu.com/FaceRec目录本系列专栏将解析基于深度学习的人脸识别相关的关键性论文,从2014年DeepFace开始到最新的算法。还介绍了用于人脸识别的损失函数:基于欧几里得距离的损失函数(Contrastive Loss、Triplet Loss、Center Loss);基于Angular Margin相关的损失函数(L-S...

2019-11-16 23:00:28

『开发技术』解决 MacOS command not found: conda (zfh终端)

0. 问题描述最近升级了macos系统,安装miniconda遇到问题,在终端输入 conda 指令报错:command not found: conda笔者使用 指令sudo vim ~/.bash_profile 发现.bash_profile已经配置好conda path,内容如下:(base) xshine@ShinedeMBP-742f ~ % sudo vim .b...

2019-11-02 12:21:24

「AI深度思考·竞赛」天池宫颈癌诊断比赛数据处理开源

开源1: Windows10读取KFB文件并提取Roi与pos显示保存在图片上环境 windows10 python3.69 numpy opencv解压 : Kfbreader-win10-python36 到项目目录下,并改文件夹名为 Kfbreader_win10_python36注意代码中 分别代表 kfb 与 对应 json 文件file1 = “pos_1/”+samp...

2019-10-26 19:13:28

『深度实战』天池小目标检测大赛·宫颈癌风险智能诊断推荐

“数字人体”视觉挑战赛-宫颈癌风险智能诊断参赛对象面向全社会开放,高等院校、科研单位、互联网企业等人员均可报名参赛。注:大赛主办和技术支持单位如有机会接触赛题背景业务、产品、数据的员工,则自动退出比赛,放弃参赛资格。报名及实名认证(即日起—2019年11月20日)1、报名方式:登录比赛官网,完成个人信息注册,即可报名参赛;2、选手可单人成队或2-5人组队参赛,每位...

2019-10-11 11:02:21

『开发技术』Ubuntu与Windows如何查看CPU&GPU&内存占用量

0 序·简介在使用Ubuntu或者Windows执行一些复杂数据运算时,需要关注下CPU、GPU以及内存占用量,如果数据运算超出了负荷,会产生难以预测的错误。本文将演示如何用简单地方式,实时监控Ubuntu或者Windows的CPU、GPU以及内存占用量,教会大家如何实时监控电脑状态。水平有限,笔者在这里仅仅使用最简便的方式来实现,抛砖引玉,以便于小白用户也能掌握。大佬们看不上莫要喷...

2019-10-09 13:52:57

『TensorFlow2.0正式版』TF2.0+Keras速成教程·零:开篇简介与环境准备

此篇教程参考自TensorFlow 2.0 + Keras Crash Course,在原文的基础上进行了适当的总结与改编,以适应于国内开发者的理解与使用,水平有限,如果写的不对的地方欢迎大家评论指出。觉得文章有用的话麻烦点赞,想看原文可以点击链接kx上网访问。0 序TensorFlow经过四年的发展,逐渐成为深度学习与机器学习框架的霸主,市场占有率与用户都遥遥领先于其他竞争...

2019-10-08 11:42:40

『王霸之路』从0.1到2.0一文看尽TensorFlow奋斗史

0 序篇2015年11月,Google正式发布了Tensorflow的白皮书并开源TensorFlow 0.1 版本。2017年02月,Tensorflow正式发布了1.0.0版本,同时也标志着稳定版的诞生。2019年10月,TensorFlow在经历七个多月(2019年3月1日-2019年10月1日)的 2.0 Alpha版本的更新迭代后发布 2.0 正式版。2...

2019-10-03 19:59:53

『TensorFlow2.0正式版』极简安装TF2.0正式版(CPU&GPU)教程

0 前言TensorFlow 2.0,今天凌晨,正式放出了2.0版本。不少网友表示,TensorFlow 2.0比PyTorch更好用,已经准备全面转向这个新升级的深度学习框架了。本篇文章就带领大家用最简单地方式安装TF2.0正式版本(CPU与GPU),由我来踩坑,方便大家体验正式版本的TF2.0。废话不多说现在正式开始教程。1 环境准备我目前是在Window...

2019-10-01 14:45:07

『开发技术』Python通过字符串调用函数(getattr方法)

最近在使用python开发的过程中,想要实现通过字符串实现对函数的访问。在网上搜了一些方法,发现都不够简洁。最终笔者通过python内置的getattr方法,实现了这个功能,方法非常简单,在这里分享一下。首先是对getattr方法的简单介绍Python getattr() 函数介绍描述getattr()函数用于返回一个对象属性值。语法getattr 语法:...

2019-09-27 15:36:30

查看更多

CSDN身份
  • 博客专家
勋章 我的勋章
  • GitHub
    GitHub
    绑定GitHub第三方账户获取
  • 签到新秀
    签到新秀
    累计签到获取,不积跬步,无以至千里,继续坚持!
  • 技术圈认证(专家版)
    技术圈认证(专家版)
    博客专家完成年度认证,即可获得
  • 阅读者勋章Lv1
    阅读者勋章Lv1
    授予在CSDN APP累计阅读博文达到3天的你,是你的坚持与努力,使你超越了昨天的自己。
  • 专栏达人
    专栏达人
    授予成功创建个人博客专栏的用户。专栏中添加五篇以上博文即可点亮!撰写博客专栏浓缩技术精华,专栏达人就是你!
  • 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Lv2
    勤写标兵Lv2
    授予每个自然周发布4篇到6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。
  • 原力新人
    原力新人
    在《原力计划【第二季】》打卡挑战活动中,成功参与本活动并发布一篇原创文章的博主,即可获得此勋章。
  • 分享宗师
    分享宗师
    成功上传21个资源即可获取