摘要：
在hard negative mining中，要负样本的得分进行排序，选取得分最高的参与训练。这就涉及到选取top k个负样本或掩膜，因此要对数组按顺序进行编号。 在pytorch中, 函数可以返回排序好的数组和元素的索引，用两次 函数即可以得到数组元素的编号。 附上一段 "hard example 阅读全文
摘要：
首先按照官方教程给xavier刷上系统和cuda，cudnn等。注意在用host端使用sdkmanger刷OS时，要先创建好账户后在安装cuda，cudnn等。 然后给apt换清华源，装上python3.6（忘了是不是本来就带python3.6），然后装上pip3，给pip换上清华源。 detect 阅读全文
摘要：
Detectron2 中data的部分和maskrcnn_benchmark中的不太一样。 首先，为了实现数据集的调用与实现的分离，在 中实现了 和`MetadataCatalog DataCatalog.get(dataset_name') comom.py DatasetFromList dat 阅读全文
摘要：
先来看下 的成员： 和`register_parameter _buffer _parameters`，调用这两个函数分别会向两个成员写入数据。 和`_parameter state_dict .cpu() .cuda()`在设备间进行转换。 中的元素不会被优化器更新，如果在模型中需要需要一些参数， 阅读全文
摘要：
nn.Parameters vs nn.Module.register_parameter 阅读全文
摘要：
pytorch coco 目标检测 DataLoader实现 pytorch实现目标检测目标检测算法首先要实现数据的读入，即实现 和`DataLoader`两个类。 借助 实现了CoCo2017用于目标检测数据的读取，并使用 显示。 分析 使用 显示读入数据，或者要送入到网络的数据应该有三个部分 1 阅读全文
摘要：
"博客" 给出了三个算例。 可以看出，focal loss 对可很好分类的样本赋予了较小的权重，但是对分错和不易分的样本添加了较大的权重。 对于类别不平衡，使用了$\alpha_t$进行加权，文章中提到较好的值是0.25，说明在训练过程中仍然需要对正样本进行降权。 正常的理解是训练过程中负样本的数量 阅读全文
摘要：
Faster RCNN 和Retinanet在将图像数据输送到网络之前，要对图像数据进行预处理。大致上与 "博客" 提到的相同。 事实上还可以采取第三步，将图片的宽和高扩展为32的整倍数，正如在Retinanet使用的。下面是一个简单的Pytorch数据预处理模块： 阅读全文
摘要：
假设给定一个数组 以及对应的掩膜（即指示标志数组） ，获得veca中对应 中为 的元素。 假设 为`{0.1, 0.2, 0.3, 0.4} flags {true, false, false, true} vecb {0.1, 0.4}`。 使用for循环自然可以很简单地解决这个问题，但是想要用标 阅读全文
摘要：
今天使用 "hiddenlayer" 测试了下retinanet网络的可视化。 首先，安装hiddlayer，直接pip 然后在终端加载模型并显示： 模型太复杂了，放在 "这里" 了。 昨天晚上对比着模型结构的pdf和代码又看了下，发现还是很有用的，起码对网络的数据流动的认识更加清晰了。 阅读全文