实现yolo时踩过的坑!
终于把yolo v3框架写好了。支持多模型、多数据集、任意输出层数量、任意anchor数量、模型剪枝还适配k210.不要太好用~
这里记录一下我之前的实现的问题出在哪里。
终于把yolo v3框架写好了。支持多模型、多数据集、任意输出层数量、任意anchor数量、模型剪枝还适配k210.不要太好用~
这里记录一下我之前的实现的问题出在哪里。
我的yolo3模型在k210里面输出结果完全不对,所以我十分怀疑是量化出了问题,但是我又找不到问题。还好昨天case小姐姐帮忙更新了nncase,可以在pc上推理kmdoel.然后我推理了几个图像,这次就是记录一下这个脚本,免得下次要用找不到了。。。
使用tensorflow.keras
的时候,tf.dataset
在执行model.fit
的时候报错:
ValueError: Cannot take the length of shape with unknown rank.
这里大概率是因为tf.dataset
中使用了tf.py_function
导致无法自动推导出张
良的形状,所以需要自己手动设置形状。
自从看了苏剑林的博客之后,我对keras
是越来越喜欢了,但是我更喜欢在tensorflow
中使用keras
,今天就来看看如何在tf.keras
中自定义多输出模型的loss
,并且搭配高效的tf.dataset
.
NOTE: tensorflow==2.0.0b0
本篇文章是对Large Margin Softmax loss
,Angular Margin to Softmax Loss
,Additive Margin Softmax Loss
的学习记录。公式我尽量按照原文来写,并加入一点注释。
我看了VAE
之后忽然对神经网络的非监督学习以及概率模型很感兴趣,但是无奈概率模型真的好难懂啊.
今天尝试一边描述VAE
一边真正的理解他.
参考总结自:https://spaces.ac.cn/archives/5253