上一页 1 2 3 4 5 6 7 8 9 ··· 19 下一页
摘要: 本文章将介绍Linux系统下,如何使用cmake将C++语言编译成so文件 ,主要介绍如何安装cmake和编译,并使用python调用,细节如下: 一. Linux安装cmake方法: ①下载cmake包,网址为:https://cmake.org/download/ 我下载包为:cmake-3.2 阅读全文
posted @ 2022-04-19 11:50 tangjunjun 阅读(2702) 评论(0) 推荐(1) 编辑
摘要: 本文详细说明,如何使用 tensorrt python API搭建MLP网络,实现推理,帮助与我类似的小白更快上手python版本的方法,我将介绍内容为: 简单介绍、linux如何配置tensorRT、MLP网络搭建步骤及详细说明、原始代码与改编代码。 同篇关联C++ API文章为:https:// 阅读全文
posted @ 2022-04-17 00:34 tangjunjun 阅读(949) 评论(0) 推荐(0) 编辑
摘要: keras conv2D参数详细说明 keras.layers.Conv2D(filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, 阅读全文
posted @ 2022-04-16 15:38 tangjunjun 阅读(1544) 评论(0) 推荐(0) 编辑
摘要: 本文详细说明,如何使用 tensorrt C++ API搭建MPL网络,实现推理,帮助与我类似的小白更快上手C++ 版本的方法,我将介绍内容为: 简单介绍、visual studio如何配置、MLP网络搭建步骤及详细说明、原始代码与改编代码。 同篇关联python API文章为:https://ww 阅读全文
posted @ 2022-04-15 00:47 tangjunjun 阅读(1644) 评论(0) 推荐(0) 编辑
摘要: 针对深度学习,基本会有一个数据增强环节,而该环节要不自己手写处理方法、要不调用已有的库,而对于已有库有很多。 本文仅仅使用torchvision中自带的transforms库,进行图像增强使用介绍,主要内容如下: ① 简单介绍下背景 ②调用重点函数介绍 ③使用简单代码实现数据增强,主要使用PIL读图 阅读全文
posted @ 2022-04-05 18:51 tangjunjun 阅读(1106) 评论(0) 推荐(0) 编辑
摘要: 近日学习LSTM结构,已有很多博客对LSTM结构进行说明,但某些细节仍然存在模糊情况,为此本文将进行补充与说明,可分以下内容: 一.RNN原理简介与LSTM原理阐释。 一般来说,RNN的输入和输出都是一个序列,分别记为和 ,同时的取值不仅与有关还与序列中更早的输入有关(序列中的第t个元素我们叫做序列 阅读全文
posted @ 2022-03-30 23:00 tangjunjun 阅读(1362) 评论(0) 推荐(0) 编辑
摘要: Tkinter 编译互动的具有窗口的python代码 Python 提供了多个图形开发界面的库,几个常用 Python GUI 库如下: Tkinter: Tkinter 模块(Tk 接口)是 Python 的标准 Tk GUI 工具包的接口 .Tk 和 Tkinter 可以在大多数的 Unix 平 阅读全文
posted @ 2022-03-20 01:01 tangjunjun 阅读(332) 评论(0) 推荐(0) 编辑
摘要: 本文简单介绍知识蒸馏教师模型与学生模型使用loss方法: 一 .loss求解方法 hard label:训练的学生模型结果与真实标签进行交叉熵loss,类似正常网络训练。 soft label:训练的学生网络与已经训练好的教师网络进行KL相对熵求解,可添加系数,如温度,使其更soft。 知乎回答:l 阅读全文
posted @ 2022-03-20 00:51 tangjunjun 阅读(3911) 评论(0) 推荐(1) 编辑
摘要: 本文主要解决模型权重迁移,主要使用pytorch读取某个权重,将其赋值给新权重格式,以下为原始代码: 顺带参数计算函数代码: 参数计算: def count_parameters(model): return sum(p.numel() for p in model.parameters() if 阅读全文
posted @ 2022-03-15 16:33 tangjunjun 阅读(850) 评论(0) 推荐(0) 编辑
摘要: 本文简单介绍模型训练时候,使用准确率求解过程,不涉及精确率和召回率计算, 本文给出简要计算方法与代码。 计算方法: 使用top1计算为例(以下以2个batch,3个num_classes举列): 网络预测结果形式:pred=[b,num_classes] ,如pred=[[0.6,0.8,0.9], 阅读全文
posted @ 2022-03-06 08:51 tangjunjun 阅读(5051) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 9 ··· 19 下一页
https://rpc.cnblogs.com/metaweblog/tangjunjun