文章目录1 显存变大的原因2 loss.item()和loss.detach()解决问题3 感谢链接1 显存变大的原因PyTorch采用动态图机制，通过tensor(以前是variable)来构建图，tensor里面包含的梯度信息用于反向传播求导。但不是所有变量都应该包含梯度(毕竟东西多，占“面积”就多)，否则就会造成网络越跑，所占显存越大的情况，那怎么办呢？2 loss.item()和loss.

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 需要的东西2 docker准备3 加载镜像4 操作容器5 启动+进入容器本文以horizon_xj3_open_explorer_v1.8.5_20211224开发包和docker_cpu_openexplorer_centos_7_v1.11.6.tar镜像包为例。1 需要的东西带有ubuntu18.04的电脑(学名：开发机，虚拟机也行)openexplorer开发包(下图中第一个)

过滤掉自身这条命令。

文章目录1 为什么2 安装python3.63 调整python顺序1 为什么常用python3.6，但ubuntu16.04中默认安装的是 python2.7 和 python3.5.2 （注意 ： 这两个版本不能删除/卸载，否则系统很容易出错）2 安装python3.6sudo add-apt-repository ppa:deadsnakes/ppa# 把ppa源整过来，添加一下sudo a

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 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ABCDEFGHILMNOPST本文仅作为日常学习时遇到的英语单词记录，不全，不具有普适性！AAuxiliary：辅助的，辅助人员Advanced Driving Assistance System；ADAS：高级驾驶辅助系统Bbenchmark：基准Ccalibration_data：校准数据calibration_type：校准类型calibration_parameters：校准参数

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 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)#