1、RuntimeError: copy_if failed to synchronize: device-side assert triggered
百度搜索说是标签要从0到N-1；N是类别数
很奇怪原本没有-1，输出label_idx就是从0开始的，
-1是背景类，置为0,；非背景类置为1：
2 无使用预训练的VGG 检测结果：
3 vgg预训练 loss变为了nan
本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：RefineDet -pytorch代码记录 - Python技术站
原 文链接：http://blog.csdn.net/gavin__zhou/article/details/52052915 上一篇文章，已经说过了，大家可以参考一下，Faster-Rcnn进行目标检测(原理篇) 实验 我使用的代码是Python版本的Faster Rcnn，官方也有Matlab版本的,链接如下: py-faster-rcnn(python…
XGBClassifier是xgboost的sklearn版本。代码完整的展示了使用xgboost建立模型的过程，并比较xgboost和randomForest的性能。 1 # -*- coding: utf-8 -*- 2 “”” 3 # 作者：wanglei5205 4 # 邮箱：wanglei5205@126.com 5 # 博客：http…
4.1.基于贝叶斯决策理论的分类方法 朴素贝叶斯 优点：在数据较少的情况下仍然有效，可以处理多类别问题。 缺点：对于输入数据的准备方式较为敏感。 适用数据类型：标称型数据。 朴素贝叶斯是贝叶斯决策理论的一部分，所以讲述朴素负叶斯之前有必要快速了解一下贝叶斯决策理论。 假设现在我们有一个数据集，它由两类数据组成，数据分布如图4-1所示。 我们现在用), 那么…
1. cv2.dnn.readNetFromCaffe(prototxt, model) 用于进行SSD网络的caffe框架的加载 参数说明:prototxt表示caffe网络的结构文本，model表示已经训练好的参数结果 2.t=delib.correlation_tracker() 使用delib生成单目标的追踪器 3.delib.rectangle(…
说明 在前面讲模型加载和保存的时候，在多GPU情况下，实际上是挖了坑的，比如在多GPU加载时，GPU的利用率是不均衡的，而当时没详细探讨这个问题，今天来详细地讨论一下。 问题 在训练的时候，如果GPU资源有限，而数据量和模型大小较大，那么在单GPU上运行就会极其慢的训练速度，此时就要使用多GPU进行模型训练了，在pytorch上实现多GPU训练实际上十分简单…
2018-12-05 21:12:15 一、滑动窗口目标检测 首先通过卷积神经网络训练一个分类器，然后使用不同尺度的窗口去裁剪输入图片进行分类。我们期望的结果是通过不同的窗口可以将需要检测的物体完全覆盖到，此时分类器输出的置信值会大于阈值，这个时候我们就认为已经成功检测到一个物体，并且得到了其位置信息。 滑动窗口算法的缺点是很明显的就是计算量非常大，如果采用…
目标检测比赛的trick 取自郑烨大佬的分享。 1、anchor_ratio和anchor_scale的设置。 根据模型感受野，anchor的长宽比，图片的长宽比来确定上面这两个数字。链接1链接2 2、hrnet作为backbone来应对iou要求极高的检测 3、粗检测+细检测来应对目标数量极其稀少的检测。 4、训练采样的方式： a、在线加权采样（1、按照类…
1 入门 2 多个输入和输出 3 共享层 函数式模型有一个很好用的应用实例是：编写拥有多个输入和输出的模型。函数式模型使得在复杂网络中操作巨大的数据流变的简单。 我们实现下面这样的模型 from keras.layers import Input, Embedding, LSTM, Dense from keras.models import Model #…
微信扫一扫 
支付宝扫一扫