Post-training Static Quantization 這種情況下模型是在正常浮點(diǎn)模式下訓(xùn)練的，注意在推理的時(shí)候要在前后module的forward頭尾加上Qua...
發(fā)簡信
IP屬地：廣東
-
Pytorch Post-training Static Quantization 和 Quantization Aware Training 加載模型
-
記錄Python類多繼承的一些trick
多繼承場景1 有時(shí)候有類別A，以及繼承類別A的B，需要修改A得到A_，也需要繼承這個(gè)A_的B，但是不想重寫B(tài)，這時(shí)候就可以用到多繼承了： 打印結(jié)果為：
-
Googletest 入門
簡介：為什么是 googletest？ googletest 可以幫助我們更好地編寫 C++ 測試用例。 googletest 是一個(gè)由 Google 的測試技術(shù)團(tuán)隊(duì)開發(fā)的測...
-
MTCNN解讀
1. 整體流程 將圖像按照特定的比例resize成多個(gè)尺度下的圖像 P-Net（Proposal Net）[圖片上傳失敗...(image-725dd8-1597038245...
-
Centos 安裝適配Anaconda和FFMpeg的OpenCV
首先安裝FFMpeg，參考這個(gè)鏈接 安裝編譯工具 然后在opencv官網(wǎng)下載source版本的opencv。 接下來是配置CMake，關(guān)鍵（也可以用cmake gui來做） ...
-
環(huán)境配置—Ubuntu 16.04 安裝Opencv 3.4.3在安裝Autoware之前，需要先安裝Opencv，之前在Windows下安裝了Opencv，挺復(fù)雜的。不過，在Ubuntu 16.04環(huán)境中配置安裝Opencv相對來說，比...
-
利用anaconda安裝特定版本的cuda和cudnn經(jīng)常會碰到這樣的問題，clone一個(gè)github的repo之后，從anaconda創(chuàng)建一個(gè)環(huán)境來運(yùn)行它，但是他要求特定版本的一些依賴庫，其他的庫都還好說，如果要求特定版本的c...
-
需要使用一個(gè)自己定義的conv2d來重寫原來的模型結(jié)構(gòu)才行
MXNet-獲取中間層輸出及相應(yīng)的梯度
最近為了得到CNN中每一層激活值對應(yīng)的梯度（自動計(jì)算的梯度只有每一層對應(yīng)的權(quán)值和偏置，MX又沒有pytorch那樣的backward_hook那樣的神器），考慮用autogr...
-
城市駕駛場景下的數(shù)據(jù)集城市駕駛場景下的數(shù)據(jù)集 目標(biāo)檢測與追蹤，語義分割和場景解析是城市駕駛場景里的自動駕駛中對機(jī)器學(xué)習(xí)最主要的幾大挑戰(zhàn)。在幾年前，這些問題還是計(jì)算機(jī)視覺中最具挑戰(zhàn)性的問題，如今隨著...
-
代碼github上有，如果覺得有幫助幫忙star哦
tensorflow 試gan記錄
參考tricks: keep calm and train GAN gan tricks 外國友人調(diào)DCGAN 為什么gan生成的圖片模糊的討論 為什么gan生成的圖片模糊2...
-
-
[0.2] Tensorflow踩坑記之頭疼的tf.data
今天嘗試總結(jié)一下 tf.data 這個(gè)API的一些用法吧。之所以會用到這個(gè)API，是因?yàn)樾枰幚淼臄?shù)據(jù)量很大，而且數(shù)據(jù)均是分布式的存儲在多臺服務(wù)器上，所以沒有辦法采用傳統(tǒng)的喂...
-
tensorflow 試gan記錄參考tricks: keep calm and train GAN gan tricks 外國友人調(diào)DCGAN 為什么gan生成的圖片模糊的討論 為什么gan生成的圖片模糊2...
-
tensor的slice賦值
我們經(jīng)常在numpy中會用到類似于label[:, :, :, :, 0] = 0這樣的切片賦值操作，那么在TensorFlow中應(yīng)該如何實(shí)現(xiàn)呢？ 輸出 說明tensor-a...
-
@AlbertYujinq 卷積神經(jīng)網(wǎng)絡(luò)的在近幾年人們就是為了讓網(wǎng)絡(luò)更深，具有更強(qiáng)的非線性表達(dá)能力，與此同時(shí)讓網(wǎng)絡(luò)避免梯度消失以及讓網(wǎng)絡(luò)的訓(xùn)練和推斷過程更快。每個(gè)方向的話都有很多人在研究也有非常豐富的成果，這里一時(shí)半會我也沒法說的太全面，有機(jī)會我就寫一個(gè)總結(jié)性的文章，謝謝你的支持
模型壓縮總覽
深度學(xué)習(xí)使得很多計(jì)算機(jī)視覺任務(wù)的性能達(dá)到了一個(gè)前所未有的高度。不過，復(fù)雜的模型固然具有更好的性能，但是高額的存儲空間、計(jì)算資源消耗是使其難以有效的應(yīng)用在各硬件平臺上的重要原因...
