原创 Mxnet 源碼編譯

源碼拷貝下來 git clone --recursive https://github.com/dmlc/mxnet   郭峯把openblas安裝好了   make -j 24 USE_OPENCV=1 USE_BLAS=openbla

原创 caffe+第三方opencv

介紹 windows工程中既需要caffe,但caffe自帶的opencv庫並沒有帶3rdparty,因此需要使用另外的opencv庫 因爲不知道如何在一個工程中使用多個版本的opencv,所以通過把opencv的第三方庫屏蔽,整個工程使

原创 Environment variable CLASSPATH not set!

hdfs 問題  Environment variable CLASSPATH not set! getJNIEnv: getGlobalJNIEnv failed WARNING: Logging before InitGoogleLo

原创 OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

介紹 PAF 再包裝 加了一個新提出的數據集 OpenPose PAF 的介紹在之前的blog裏有:https://blog.csdn.net/qq_25379821/article/details/84776888 這裏重點關注這個新提

原创 mxnet進階 - mxnet.io.DataDesc 源碼分析

全稱應該叫Data Descriptor 數據描述子 一個namedtuple的子類 本質也是一個tuple,只不過對不同位置的元素命名了而已,可以通過命名訪問到元素,和ordinaried字典類似 mxnet.DataDesc 使用了兩

原创 mxnet進階 - mx.io.NDArrayIter 源碼分析

介紹 想知道mxnet在訓練過程或者驗證過程中,如何通過iterator提供數據 幾個問題: 如何構造iterator? 訓練或者測試時從iterator中獲取數據,data_batch = next(iterator).getdata(

原创 pytorch模型轉mxnet

介紹 gluon把mxnet再進行封裝,封裝的風格非常接近pytorch 使用gluon的好處是非常容易把pytorch模型向mxnet轉化 唯一的問題是gluon封裝還不成熟,封裝好的layer不多,很多常用的layer 如concat

原创 linux setsid 後臺跑程序

setsid python  xxx.py &>log_12_13.log &

原创 Unsupervised Generation of Optical Flow Datasets from Videos in the Wild

摘要 真實世界,非固定相機情況下,圖像的稠密光流GroundTruths是不可得的,這是因爲註釋是非直觀的,即標註是float類型的向量 摘要針對光流深度網絡的訓練,提出了一種無監督的光流地面真實感生成算法 該算法從視頻中的圖像對中提取並

原创 PoseFix: Model-agnostic General Human Pose Refinement Network

介紹 二維圖像中的多人pose估計是理解人類行爲的一項重要技術。 本文提出了一種基於輸入圖像和輸入位姿元組的人體pose refine網絡,用在pose估計post processing中,調整pose估計的結果,(類似NMS使用重疊可能

原创 ArtTrack: Articulated Multi-person Tracking in the Wild

摘要 無約束場視頻中,多人的articulated tracking(pose tracking) 方法的起點類似現有的單幀姿態估計,但更快,通過以下兩點做到: 通過簡化和稀疏的body-part關係圖和利用最新的方法,以更快的推理 通過

原创 python - logging模塊

print只能打印到控制檯 logging可以控制記錄信息到各個地方(文件/控制檯等)參考下面blog https://www.cnblogs.com/liujiacai/p/7804848.html

原创 Mxnet入門1 - 全局認知

介紹 入門blog看了很多,但是很少有blog總結性的介紹MXnet入門 這blog針對開發者使用mxnet框架最關注的問題 給予一個全局性的認知 如果您有幸看到這篇博客,那麼恭喜你,你享受了top-down的學習之路 這是從bottom

原创 Mxnet入門2 - 認識Executor 和 Module

介紹 初看mxnet 對 基於module的mxnet非常費解,這裏首先根據本人摸索經驗,總結對於基於module入門的順序應該如下: 熟悉基於Symbol的網絡設計 熟悉基於Executor的網絡前傳反傳計算 熟悉基於Module的網絡

原创 mxnet.gluon-blocks.save_params()

定義一個resnet-18網絡 import gluonbook as gb from mxnet.gluon import Trainer,data as gdata, nn from mxnet import init, nd im