摘要: 简介 最近在看 speechbrain 语音识别项目,其中第一步就是对文本标签进行 tokenization 了,各种参数看得云里雾里的,现在系统 总结 googel的 sentencepiece 的使用。 参考:https://github.com/google/sentencepiece 一、安 阅读全文
posted @ 2021-09-19 15:39 blackx 阅读(4567) 评论(0) 推荐(0) 编辑
摘要: MASR: https://github.com/nobody132/masr pytorch框架实现, 提供了AISHELL-1数据集上的中文预训练模型 ASRT https://asrt.ailemon.net/ Tensorflow框架实现 比较全面的文档和维护,提供了中文预训练模型 Deep 阅读全文
posted @ 2021-09-16 08:23 blackx 阅读(2899) 评论(0) 推荐(1) 编辑
摘要: 第一期 面试题 from copy import deepcopy a = [1, [2,3,4],5] b = a.copy() # b[0] = 0 # 输出 [1, [2, 3, 4], 5],不会影响a的结果 # b[1][0] = 1 # 输出 1, [1, 3, 4], 5],a的结果也 阅读全文
posted @ 2021-09-16 01:25 blackx 阅读(32) 评论(0) 推荐(0) 编辑
摘要: 论文:Squeeze-and-Excitation Networks code:https://github.com/hujie-frank/SENet 最近,有时间了,正好回顾一下这篇论文,做个笔记,因为文中提出的SE block应用太广泛,只要是个网络就可以加个SE block,可以说是业界的长 阅读全文
posted @ 2021-09-10 21:22 blackx 阅读(134) 评论(0) 推荐(0) 编辑
摘要: 一、网络结构的主要改进: shufflenet v1主要提出了pointwise group convolution 和 channel shuffle 结构,在保持模型精度的前提下,进一步减小了网络的计算量 1、pointwise group convolution 自mobilenet v1出来 阅读全文
posted @ 2021-09-05 21:41 blackx 阅读(120) 评论(0) 推荐(0) 编辑
摘要: 一、网络模型结构 提出了 inverted residual structure,主要由 bottleneck block 和 expansion layer 组成,后面会详细的介绍它们的结构 1.1 inverted residual structure Residual block 运行流程:i 阅读全文
posted @ 2021-09-03 17:05 blackx 阅读(184) 评论(0) 推荐(0) 编辑
摘要: 一、mobilenet v1 主要思想就是使用深度可分离卷积替代原始的卷积运算,从而达到压缩网络模型的目的。 深度可分离卷积主要由 depthwise convolution 和 pointwise convolution 组成,后面会有详细介绍, 首先让我们先回顾下原始的卷积运算 网络的整体结构: 阅读全文
posted @ 2021-09-02 02:37 blackx 阅读(80) 评论(0) 推荐(0) 编辑
摘要: 最新的 YOLOP 网络模型出来了,同时支持目标检测,可行驶区域分割和车道线分割三大任务,cver们赶紧卷起来,而且还是个real time + sort 的模型。 1、网络结构 如下图: 由一个encoder和三个特定任务的decoder组成 encoder包含: 主干网络( CSPDarknet 阅读全文
posted @ 2021-09-01 01:38 blackx 阅读(3254) 评论(0) 推荐(0) 编辑
摘要: 之前的博客介绍了upsample层转换到tensorRT出错的解决方法,就是回退onnx版本到1.5.0。虽然暂时解决了问题,但无法使用高版本的pytorch和onnx,https://www.cnblogs.com/hypnus-ly/p/12932110.html 最近又上github,发现更简 阅读全文
posted @ 2020-07-08 17:57 blackx 阅读(2379) 评论(0) 推荐(0) 编辑
摘要: 目标检测数据集 阅读全文
posted @ 2020-06-05 10:20 blackx 阅读(978) 评论(0) 推荐(0) 编辑