在python模块的每一个包中，都有一个__init__.py文件（这个文件定义了包的属性和方法），当然也有一些模块文件和子目录，假如子目录中也有。.py 文件定义了包的属性和方法。其实它可以什么也不定义；可以只是一个空文件，但是必须存在。.py 不存在，这个目录就仅仅是一个目录，而不是一个包，它就不能被导入或者包含其它的模块和嵌套包。在utils文件夹目录下新建__init__.py文件，内容为

文章目录1 分类数据集准备2 获取训练与验证图片路径及标签3 Dataset类与DataLoader类的理解3.1 Dataset类3.2 DataLoader类3.3 Dataset与DataLoader综合使用简单示例4 MobileNetV2介绍5 训练总体流程6 推理一张图片7 感谢链接1 分类数据集准备期待的分类数据集样式如下，注意，验证集需要知道图片类别。data├── train│├

文章目录1 准备工作1.1 硬件准备1.2 软件准备2 硬件组装2.1 组装开发板2.2 USB转UART--与杜邦线连接2.3 连接网线3 软件层面3.1 驱动安装检验3.2 配置电脑以太网ip4 刷emmc镜像4.1 参数设置注意事项4.2 操作流程5 往sd卡里刷ubuntu系统镜像6 开发板连接7 一些想法听说地平线开放了Ubuntu系统镜像，立刻来玩一玩。1 准备工作拿到开发板后，第一件

文章目录1 什么是miou2 获取分割结果+计算miou3 get_miou_png的代码解析4 compute_mIoU, show_results的代码解析感谢链接1 什么是miouMIoU全称为Mean Intersection over Union，平均交并比。可作为语义分割系统性能的评价指标(像素级分类嘛)。miou=1k∑i=1kP∩GP∪Gmiou=\frac{1}{k} \sum_

文章目录1 问题分析2 计算平台角度分析2.1 算力 π2.2 带宽 β\betaβ2.2 计算强度上限 ImaxI_{max}Imax​3 模型自身的性能评价指标3.1 计算量与参数量3.2 访存量3.3 模型的计算强度III3.4 模型的理论性能PPP3.5 内存占用4 Roof-line Model4.1 用来解决什么问题4.2 Roof-line是什么4.2.1 带宽瓶颈区域 Memory

在图像处理领域，grid_sample 是一个常用的操作，通常用于对图像进行仿射变换或透视变换。它可以在给定输入图像和一个变换矩阵的情况下，对输入图像进行采样，生成一个新的输出图像。input：输入特征图，可以是四维或者五维张量，本文主要以四维为例进行介绍，表示为 (N,C,Hin,Win)。

具体实现，看py代码就行，很常规。

文章目录1 均方误差(Mean Squared Error, MSE)1.1 MSE介绍1.2 MSE为何不常用于分类1.3 那什么常用于分类呢?2 二值交叉熵损失(Binary Cross Entropy Loss, BCE)2.1 BCE介绍2.2 pytorch中的BCELoss3 交叉熵损失(Cross Entropy Loss, CE)3.1 CE介绍3.2 分类损失到底怎么得到的3.3

文章目录1 引言2 问题分析3 GIoU Loss计算过程4 IoU和GIoU对比分析5 感谢链接1 引言目标检测任务的损失函数由Classificition Loss和Bounding Box Regeression Loss两部分构成。Bounding Box Regression Loss Function的演进路线是：Smooth L1 Loss --> IoU Loss --&gt

使用深度学习开源框架Pytorch训练完网络模型后，在部署之前通常需要进行格式转换，例如地平线工具链模型转换目前仅支持Caffe1.0和ONNX(opset_version=10/11 且 ir_version≤7)两种。ONNX(Open Neural Network Exchange)格式是一种常用的开源神经网络格式，被较多推理引擎支持，例如Pytorch、PaddlePaddle、Tenso