系统：Ubuntu16.04或ubuntu18.04 的 虚机/物理机GPU型号：GeForce/Tesla/等拢共有两种方法1）通过ubuntu系统提供工具安装2）通过官网下载驱动手动安装安装的原则是，越简单越好【通过ubuntu系统提供工具安装】是优选，安装失败再考虑手动安装安装之前要明确的注意事项1）确定自己要安装的驱动版本驱动限制...

栈区栈区数据的注意事项栈区数据由编译器管理开辟释放不要返回局部变量的地址#include<iostream>#include<string>using namespace std;int * funcc(){int a = 10;//局部变量存放在栈区，栈区数据执行完自动释放return &a;//返回局部变量的地址}int main(){int b = 0;int

前言：知识蒸馏干的事很简单，就是把大模型的输出作为小模型的软标签，这样小模型不仅有数据集的硬标签，还有大模型的软标签但是，令人头疼的是，对于分类问题这个软标签的定义很清晰明确，就是分类的置信度，但是目标检测的检测框，这个软标签应该是什么？最终预测的box?所有box输出？实验结果很差，还不如直接训练小模型准呢，看来还是不能想当然的无脑梭哈！那目标检测的软标签应该是什么？研究了X篇论文，在此记录一下

大多数现有的研究都是针对。

准备：GPU环境准备（糟糕又不能用了，解决）pytorch安装pytorch 模型训练程序下载weights下载（放在./weights/vgg16_reducedfc.pth）----------------开始-----------------数据集准备我采用coco的数据格式，那么什么是coco的格式呢？很多是没有用的key,最终我的.json文件是这样的自己能写的这步跳过！数据集制作程序：

tensorflownumpypytorch作用用法tf.reduce_mean(tensor,axis)torch.mean(tensor,axis)取均值tf详情tf.reduce_sum(tensor,axis)torch.sum(tensor,axis)求和tf详情tf.square(tensor)torch.square(tensor)x*...

首先，在选择数据集时要记住几个重要标准：数据集不能过于混乱，过于混乱的数据会导致模型难以收敛，加大了训练难度。与训练目标相一致的数据集才能更高效的完成识别任务数据集量级是否符合模型规模，复杂的深度网络需要更多的数据才能发挥能力。常用数据集下载网站一、【Kaggle】 地址：https://www.kaggle.com/datasetskaggle介绍：一个竞赛网站，上面有很多有价值的数据集和题目。

量化分类及基本概念模型量化方法本质上是函数映射。量化建立了高精度的浮点数值和量化后低精度的定点数值之间的数据映射。分为线性量化和非线性量化【线性量化】线性量化是目前最常用的量化方法，尤其是在工业界应用比较成熟的8比特量化方案采用的都是线性量化。浮点->定点的公式如下：定点->浮点的公式如下：其中：...

项目相关：pyqt5python3.6win10-------------------------------------------------- -------------------------------------------------- ----------------------------pyinstaller打包文件成EXE指令简单，但是!!!会有很多坑...

首先，在选择数据集时要记住几个重要标准：数据集不能过于混乱，过于混乱的数据会导致模型难以收敛，加大了训练难度。与训练目标相一致的数据集才能更高效的完成识别任务数据集量级是否符合模型规模，复杂的深度网络需要更多的数据才能发挥能力。常用数据集下载网站一、【Kaggle】 地址：https://www.kaggle.com/datasetskaggle介绍：一个竞赛网站，上面有很多有价值的数据集和题目。