在pycharm中使用openvino包，不能直接使用图标启动，要使用终端启动。如果不知道pycharm的启动文件在哪，可以通过以下指令查找：sudo find / -name pycharm.sh找到后进入pycharm.sh所在文件夹，执行该启动脚本：./pycharm.sh将onnx模型转成IR格式（FP16除了模型小一点，没任何提速）：python mo.py --input_model

在之前讲yolo理论基础知识时有提到过，从yolov2开始使用的anchors都是通过聚类得到的。如果想了解更多yolo相关的知识可以看看我在bilibili上录得视频：https://www.bilibili.com/video/BV1yi4y1g7ro今天补下之前没有细讲的聚类anchors相关知识，所使用的代码参考的是yolov3 spp以及yolov5中生成anchors的方法。文章目录K

线性插值根据百度百科的介绍：线性插值是指插值函数为一次多项式的插值方式。线性插值的几何意义即为利用过A点和B点的直线来近似表示原函数。线性插值可以用来近似代替原函数，也可以用来计算得到查表过程中表中没有的数值。那么如下图所示，假设已知y1=f(x1)y_1=f(x_1)y1​=f(x1​)，y2=f(x2)y_2=f(x_2)y2​=f(x2​)，现在要通过线性插值的方式得到区间[x1,x2][x

首先贴出三个链接：1. VGG网络结构详解视频2. 使用pytorch搭建VGG并训练3. 使用tensorflow搭建VGG并训练VGG网络是在2014年由牛津大学著名研究组VGG (Visual Geometry Group) 提出，斩获该年ImageNet竞赛中 Localization Task (定位任务) 第一名 和 Classification Task (分类...

如果不想看文字的，可以在我bilibili上看录制的视频教程：Pytorch多GPU使用教程常见多GPU使用方法在训练模型中，为了加速训练过程，往往会使用多块GPU设备进行并行训练（甚至多机多卡的情况）。如下图所示，常见的多GPU的使用方法有以下两种（但不局限于以下方法）：model parallel，当模型很大，单块GPU的显存不足以放下整个模型时，通常会将模型分成多个部分，每个部分放到不同的G

通过上面的代码示例可以看到，通过同步函数统计的时间和Event方法统计的时间基本一致（差异1ms内）。通过终端输出可以看到，如果直接在模型推理前后打时间戳相减得到的时间非常短（因为并没有等待Device侧计算完成）。下面示例代码中分别给出了直接在模型推理前后打时间戳相减，使用同步函数以及Event方法统计模型推理时间（每种方法都重复50次，忽略前5次推理，取后45次的平均值）。通过终端打印的结果可

论文名称：Group Normalization论文地址：https://arxiv.org/abs/1803.08494在之前的文章中有介绍过BN(Batch Normalization)，链接，以及LN(Layer Normalization)，链接。今天来简单聊聊GN(Group Normalization)。在视觉领域，其实最常用的还是BN，但BN也有缺点，通常需要比较大的Batch Si

首先说下pytorch中的Tensor通道排列顺序是：[batch, channel, height, width]我们常用的卷积（Conv2d）在pytorch中对应的函数是：torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=Tr...

接着上篇DeepLab V2，本博文简单介绍下DeepLab V3（建议先去看下之前讲的DeepLab V1和DeepLab V2）。这是一篇2017年发表在CVPR上的文章。个人简单阅读完论文后感觉相比DeepLab V2有三点变化：1）引入了Multi-grid，2）改进了ASPP结构，3）把CRFs后处理给移除掉了。再吐槽一下，这篇论文看着感觉乱糟糟的。本篇博文就不按照论文的顺序去写了，直接

之前在linux系统下安装pycocotools时非常简单，只需：pip install pycocotools如果在windows下通过以上指令安装会报错，网上查询后都说需要安装C++编译器或者VS环境，等等，其实没必要那么麻烦，直接通过一下指令安装即可：pip install pycocotools-windows...