文章目录1 自己写类 要注意什么2 计算loss所需参数2.1 pred是什么2.2 target是什么3 loss的计算过程4 代码理解5 感谢链接1 自己写类 要注意什么Pytorch中，调用自己写的类，forward函数为什么可以直接被调用？比如下文yolo_loss是自己写的类。loss_item, num_pos = yolo_loss(l, outputs[l], targets)#

python运行报错：RuntimeError: view size is not compatible with input tensor’s size and stride (at least one dimension spans across two contiguous subspaces). Use .reshape(…) instead.感谢 柠檬树下你和我 的文章，知道了报错原因和

文章目录1 问题描述2 解决方案1 问题描述常规查看显卡上在运行哪些程序，只需命令：watch nvidia-smi但有一天，它报错了：Failed to initialize NVML: Driver/library version mismatch不知道是否有程序在跑？关机重启？2 解决方案可以用如下命令解决：fuser -v /dev/nvidia*PID比较多，应该是启用了多进程。有些人隐

文章目录1 三大框架使用格式2 NCHW和NHWC优缺点对比3 如何从输入图像到想要的格式呢？1 三大框架使用格式PyTorch：NCHWCaffe：NCHWTensorFlow：默认使用NHWC，GPU也支持NCHW2 NCHW和NHWC优缺点对比NCHW 必须等所有通道输入准备好才能得到最终输出结果，需要占用较大的临时空间。NHWC 的访存局部性更好（每三个输入像素即可得到一个输出像素）；Te

文章目录1 多尺度训练的介绍2 代码解析3 感谢链接1 多尺度训练的介绍多尺度训练对全卷积网络有效，在训练时，每隔一定的 iterations，在一定尺寸范围内，随机选取一种 img_size 进行训练。通过对不同尺度的图像进行训练，在一定程度上提高检测模型对物体大小的鲁棒性。使用尺度小的图片测试速度快些，但准确度低，用尺度大的图片测试速度慢，但准确度高。2 代码解析可以根据代码注释以及最下方的Y

文章目录1 问题描述2 问题分析3 hb_model_verifier验证 quanti onnx 和 bin模型 的一致性4 网络模型本身有问题？5 模型转换工具链使用的问题？6 思考与建议7 附上一些很好的踩坑文章仅以此文感谢师弟 闪电侠的右手，并记录bug调试过程。1 问题描述之前有写过文章：将pytorch生成的onnx模型转换成.bin模型，其中，在获取.bin模型时，把yaml文件中i

nn.Sequential是一个有序的容器，神经网络模块将按照在传入构造器的顺序依次被添加到计算图中执行，同时以神经网络模块为元素的有序字典也可以作为传入参数。import torch.nn as nn# Example of using Sequentialmodel = nn.Sequential(nn.Conv2d(1,20,5),nn.ReLU(inplace=True),

文章目录1 看个故事2 DataParallel 怎么用2.1 DP原理2.2 DP使用简介2.3 DP使用代码详解3 DataparallelDistributed 怎么用3.1 DDP原理3.2 DDP使用简介3.3 DP使用代码详解感谢链接1 看个故事我有一台电脑(又称节点，node)，上面有6张显卡(device，GPU)，老师让我训练一个模型，一张卡上跑不动，需要在多张卡上跑，此时有两种

224x224的onnx模型，想把它的输入改成520x520的，怎么办呢？结果显示：

文章目录1 行内公式2 独行公式3 字母戴帽4 上下除、累加、交、并5 希腊字母6 分段公式7 集合运算本文仅作为日常写文章时，遇到的markdown公式写法记录，不全！1 行内公式将公式插入到本行内，符号：$公式内容$结果：我是 x+yx+yx+y 寻找永不遗憾2 独行公式将公式插入到新的一行内，并且居中，符号：$$x+y$$结果：x+yx+yx+y3 字母戴帽符号：$\widehat{帽下内容