原创 深度學習,分類,檢測,分割,模型評價指標總結

  當我們訓練完自己的模型以後,怎樣知道不同的權重到底哪個好呢。一張張看?顯然不合理,所以需要有一個衡量的標準。   1.分類網絡: 首先要知道TP,FP,TN,FN的概念 如下圖:  多種類的時候可以使用混淆矩陣來看一下分類的結果:

原创 windows 10 安裝TensorFlow object detection 及 訓練

基本的環境已經準備好了,安裝檢測訓練環境 1.材料準備(這篇文章是以前的tf1.的版本,之後會安裝一下tf2.0的): https://github.com/protocolbuffers/protobuf/releases/ https

原创 git上傳自己代碼到github

首先取github註冊自己的賬號。 1、創建一個新的 倉庫,輸入項目名稱,公開還是私人 2、在想要上傳的文件夾右鍵Git   Gui Here選擇自己的文件夾   3、點擊remote,點擊add 輸入你的註冊賬號名字以及 xxx.gi

原创 tensorflow .meta恢復網絡結構進行預測 ,結果不理想 每次不一樣

最近幾天在研究tensorflow的unet,做個小記錄。 1.輸入圖像歸一化對網絡訓練有很大影響 2.batchnormal  training訓練和預測時參數不同 3.在使用meta恢復模型的時候 不要使用tf.global_veri

原创 mmdetection 安裝與使用

一、安裝 (1)創建虛擬環境: conda create -n mmdec python=3.6 完成 (2)激活虛擬環境,安裝torch(現在mmdetection需要的torch最低版本爲1.1.0) activate mmdec

原创 ubuntu 下 tensorrt 加速 tensorflow object detection 模型

  爲了加快推理速度,使用tensorrt優化模型。如上圖所示,訓練過程不變(訓練以後再說),將得到的模型進行優化加速。 1、官方文檔:https://docs.nvidia.com/deeplearning/sdk/tensorrt-