Pytorch – 使用torch.matmul()替换torch.einsum(‘nkctv,kvw->nctw’,(a,b))算子模式
在本文中，我将介绍如何使用普通算子matmul对torch.einsum('nkctv,kvw->nctw',(a,b))的算子模式进行替代。之前在另一篇文章：https://www.stubbornhuang.com/2065/中我已经详细介绍了pytorch的matmul方法，以及如何使用tor…
- Pytorch
- 2022-04-01
Pytorch – 使用torch.matmul()替换torch.einsum(‘bhxyd,md->bhxym’,(a,b))算子模式
在本文中，我将介绍如何使用普通算子matmul对torch.einsum('bhxyd,md->bhxym',(a,b))的算子模式进行替代。之前在另一篇文章：https://www.stubbornhuang.com/2065/中我已经详细介绍了pytorch的matmul方法，以及如何使用tor…
- Pytorch
- 2022-04-01
Pytorch – 使用torch.matmul()替换torch.einsum(‘nctw,cd->ndtw’,(a,b))算子模式
1 pytorch的torch.matmul()函数 函数形式 torch.matmul(input, other, *, out=None) → Tensor 该函数主要是用于求解两个tensor的矩阵乘积。 该函数根据输入的两个tensor的维度的不同进行不一样的张量运算，如下所示 如果两个参数…
- Pytorch
- 2022-03-29
深度学习 – 深度学习中的多维数据存储方式NCHW和NHWC
1 深度学习中的多维数据存储方式NCHW和NHWC区别和简单介绍 在深度学习框架中，多维数据通过多维数组存储，比如卷积神经网络的特征图(Feature Map)通常使用四维数组保存，其数据维度为4D。其中4D中的N、H、W、C的各自意义如下： N：Batch数量，例如图像的数量； H：Height，…
- 深度学习
- 2022-03-07
深度学习 – 数据集中训练集、验证集、测试集的划分以及各自作用
1 数据集的划分比例 一般情况而言，当数据集数据量较少时，如数据集中只有10000条数据，且不划分验证集时，训练集与测试集的比例一般为7:3；当数据集数据量较少时，如数据集中只有10000条数据，且划分验证集时，训练集与验证集、测试集的比例一般为6:2:2。 当数据集中数据量较大时，比如数据集中有1…
- 深度学习
- 2022-02-24
MindSpore – LeNet5的MindSpore实现
1 LeNet5的MindSpore实现 MindSpore技术白皮书中LeNet5网络的MindSpore版本实现，与Pytorch和Tensorflow的版本相比可以让人更快的熟悉MindSpore的使用方式。 以下代码定义以及训练LeNet神经网络的过程。 # -*- coding: utf-…
- MindSpore
- 2022-02-23
Mediapipe – 将Mediapipe HolisticTracking封装成动态链接库dll/so,实现在桌面应用中嵌入全身关节点识别、手势识别、抬手放手检测识别功能
1 Mediapipe HolisticTracking Mediapipe Holistic Tracking可对身体，面部和手部的共543个关键点进行实时跟踪检测，其中包含面部468个关节点，身体33个关键点，以及每只手分别21个关键点。 所有关键点的存储顺序以及标注对照索引图可参考我的另一篇文…
- 姿态估计
- 2022-01-20
Mediapipe – 全身包含身体、手部、面部所有关键点标注位置对应图
1 Mediapipe全身关节点标注位置对应 Mediapipe可检测身体、面部、手部共543个关键点，其中身体包含33个关键点，面部包含468个关键点，左手和右手分别包含21个关键点。 1.1 身体的33个关键点标注位置对应图 MediaPipe Pose 中的界标模型可预测33个姿势关键点的位置…
- 姿态估计
- 2022-01-19
神经网络 – 模型训练需注意的细节与超参数调优
转载自：https://whuhan2013.github.io/blog/2017/03/07/neural-net-deatil/，暂未与博主取得联系，私自转载的，确实对一些常见问题做出了回答，觉得写得很不错，如有侵权，请联系我删除。 1 梯度检查 理论上进行梯度检查很简单，就是简单地把解析梯度…
- 模型训练
- 2021-12-24
Pytorch – 一文搞懂如何使用Pytorch构建与训练自定义深度学习网络（数据集自定义与加载，模型训练，模型测试，模型保存与加载）
使用Pytorch从零训练一个深度学习网络模型，常需要经过以下步骤：自定义数据集、加载自定义数据集、网络模型结构定义、定义损失函数、定义优化器、训练模型、测试模型、保存与加载模型等步骤。下文将详细阐述如何从零构建并训练一个深度学习网络模型的必要步骤。 1 自定义数据集 from torch.util…
- Pytorch
- 2021-12-22
TensorRT – 扩展TensorRT C++API的模型输入维度，增加Dims5,Dims6,Dims7,Dims8
1 TensorRT C++ API支持的模型输入维度 在TensorRT 7.0及以上版本，我们通常使用以下语句指定输入维度： const std::string input_name = "input"; const std::string output_name = "output"; con…
- TensorRT
- 2021-10-19
TensorRT – 喜大普奔，TensorRT8.2 EA起开始支持Einsum爱因斯坦求和算子
1 TensorRT 8.2 EA版本支持爱因斯坦求和算子Einsum NVIDIA在2021年10月6日发布的TensorRT新版本 8.2 Early Access版本终于开始支持爱因斯坦求和算子Einsum，这个消息真是为模型工业化部署的同学省了不少的时间。 TensorRT中具体可支持的On…
- TensorRT
- 2021-10-12