weights

迁移学习：模型的保存和载入（pytorch版）

载入时需要需求模型文件只是模型参数，还是模型结构+模型参数#1.如果pth模型文件是模型参数model=models.resnet18()model.load_state_dict(torch.load("model_weights.pth
ye1391·2023-01-18 07:38

ModelCheckpoint中模型保存

log_dir+'/{}_best_sub_model1.hdf5'.format(modelname),monitor='val_acc',verbose=1,save_best_only=True,save_weights_only
lanlangxt·2023-01-16 16:16

Keras 多GPU下模型和参数保存Modelcheckpoint callback报错问题以及在单GPU/CPU下载入

保存多GPU下无法直接保存多GPU模型结构和参数，而应该使用templatemodel进行保存keras文档：Tosavethemulti-gpumodel,use.save(fname)or.save_weights
yehaihai·2023-01-16 16:41

Callback--ModelCheckpoint

ModelCheckpoint参数详解参数名称含义默认值dirpathckpt文件保存路径None(使用Trainer的default_root_dir或weights_save_path，如果Trainer
奈何桥边摆地摊·2023-01-16 16:41

tf.keras set_weights ValueError:Weights for model sequential_1 have not yet been created.

ValueError:Weightsformodelsequential_1havenotyetbeencreated.WeightsarecreatedwhentheModelisfirstcalledoninputsor`build()`iscalledwithan`input_shape`.ValueError:Weightsformodelsequential_1havenotyetbee
Miraini·2023-01-16 12:13

ValueError: Weights for model sequential have not yet been created. Weights are created when the Mod

如果在加载权重时报错如上，可以检查在创建模型后是否有model.build（input_shape=...）这段，之后再使用model.load_weights，因为直接下载别人的程序训练很容易遗忘这一步
ztg111·2023-01-16 12:12

【pytorch: can't optimize a non-leaf Tensor】

fromtorchimportoptimweights=torch.rand(2,1,128,416)weights.requires_grad=Trueweights=weights.cuda()optimizer
npkhgl·2023-01-15 12:42

YOLO-V3实时检测实现（opencv+python实现）

/weights/yolov3-tiny
shuihg·2023-01-14 15:53

yolov5-detect.py-注释

defrun(weights=ROOT/'yolov5s.pt',#model.ptpath(s)source=ROOT/'data/images',#file/dir/URL/glob,0forwebcamdata
憨憨师兄·2023-01-14 13:12

[bert4keras].weights权重文件转换成.ckpt格式，便于build_transformer_model方法加载

'roformer',application='unilm',with_pool='linear',with_mlm='linear',dropout_rate=0.2,ignore_invalid_weights
xxyAI·2023-01-14 08:53

（已解决）keras下载预训练模型中断怎么办

比如如下代码：convBase=keras.applications.MobileNet(weights='imagenet',include_top='False')此时可以通过下载到本地，再加载的方式
qq_43025979·2023-01-13 16:23

pytorch 修改卷积核的权重weights、偏置bias

生成卷积核以后如何去自定义修改卷积核的权重呢？kernel_data=torch.rand(1,1,3,3)print(kernel_data)conv=nn.Conv2d(in_channels=1,out_channels=1,kernel_size=(3,3),stride=1,padding=1,padding_mode='zeros',bias=False)print(conv.weig
冬日and暖阳·2023-01-13 07:33

Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False

AttemptingtodeserializeobjectonaCUDAdevicebuttorch.cuda.is_available()isFalse此时改为：torch.load("0.9472_0048.weights
AI视觉网奇·2023-01-12 22:48

GIOU LOSS pytoch代码

具体请参考：generalized-iou/Detectron.pytorch主要代码：x1,y1,x2,y2=bbox_transform(output,transform_weights)x1g,y1g
农夫山泉2号·2023-01-12 18:56

Yolov5权重 预训练模型 V4.0版本

首先用bashweights/download_weights.sh在主目录执行，下载模型要比直接去release快很多不过你可能更想要这个：链接：https://pan.baidu.com/s/1Wc1jpP-wcCKfwtWf-iNmlg
AI视觉爱好者·2023-01-12 00:24

pytorch求导总结（torch.autograd)

1、Autograd求导机制我们在用神经网络求解PDE时，经常要用到输出值对输入变量（不是Weights和Biases）求导；例如在训练WGAN-GP时，也会用到网络对输入变量的求导，pytorch中通过
不知名大学僧·2023-01-11 11:30

目标追踪篇---Yolov5_DeepSort_Pytorch复现

文章目录Yolov5_DeepSort_Pytorch官网链接克隆代码小试牛刀运行代码1.track.py运行过程2.yolov5/detect.py要修改--weights和--source的内容举例运行过程如下
心惠天意·2023-01-11 11:47

YOLOv3：将yolov3的.weights文件转换为keras、tensorflow等模型所需的.h5文件的图文教程,以及常见错误解决思路

YOLOv3：将yolov3的.weights文件转换为keras、tensorflow等模型所需的.h5文件的图文教程,以及常见错误解决思路一、首先下载YOLOv3代码和yolov3.weights，
@尚码哥@·2023-01-11 01:20

original_keras_version = f.attrs[‘keras_version‘].decode(‘utf8‘)

liqiang/anaconda3/envs/tensorflow1.8/lib/python3.6/site-packages/keras/engine/saving.py",line1004,inload_weights_from_hdf5
乐亦亦乐·2023-01-10 19:33

报错：AttributeError: ‘str‘ object has no attribute ‘decode‘解决方法

在使用yolov2的keras版本的时候，运行出现如下错误：load_weights_from_hdf5_grouporiginal_keras_version=f.attrs[‘keras_version
白码飞·2023-01-10 19:31

pytorch 状态字典:state_dict使用详解

(如model的每一层的weights及偏置等等)(注意,只有那些参数可以训练的layer才会被保存到模型的state_dict中,如卷积层,线性层等等)优化器对象Optimizer也有一个state_dict
浪子私房菜·2023-01-10 16:51

tensorrt加速推理yolov4-tiny

andGoogLeNet参考博客在JetsonNano上进行实时目标检测：使用tensorRT加速yolov3v4-tiny(tensorrt_demos)_照亮星星的人们的博客-CSDN博客基本思路yolo模型(.weights
月亮守望者·2023-01-10 15:58

RuntimeError: PytorchStreamReader failed reading zip archive: failed finding central directory

RuntimeError:PytorchStreamReaderfailedreadingziparchive:failedfindingcentraldirectoryNamespace后面括号里的weights
汪小敏同学·2023-01-10 14:39

Learning both Weights and Connections for Efficient Neural Networks 论文pytorch复现

LearningbothWeightsandConnectionsforEfficientNeuralNetworks论文pytorch复现这是论文中主要的步骤，因此我们复现的时候也主要是利用这个思想。代码编写需要两个主要部分，首先原来神经网络的训练，然后就是神经网络的裁剪。我这次实验主要是使用论文中说的Lenet-300-100网络来进行测试。网络的定义以及初次训练##############先
WanderingSIN·2023-01-10 11:06

Learning both Weights and Connections for Efficient Neural Networks

LearningbothWeightsandConnectionsforEfficientNeuralNetworks摘要神经网络是计算密集型和内存密集型的，这使得它们很难部署在嵌入式系统上。此外，传统的网络在训练开始前就确定了架构;因此，训练不能改善网络结构。为了解决这些限制，我们提出了一种方法，通过只学习重要的连接参数，来减少存储和计算所需的神经网络数量级，而不影响其准确性。我们的方法使用三步
WanderingSIN·2023-01-10 11:35

计算FLOPs、Weights、特征可视化

连接参考https://github.com/TingsongYu/ghostnet_cifar10bin/03_compute_flops.py前期准备：安装torchstatWeights和FLOPs的计算采用torchstat工具，必须是python3以上才可安装安装方法：pipinstalltorchstattorchstat网站：https://github.com/Swall0w/to
sunbin2019·2023-01-10 11:35

《Learning both Weights and Connections for Efficient Neural Networks》阅读笔记

参考链接：https://xmfbit.github.io/2018/03/14/paper-network-prune-hansong/主要思想：作者的方法分为三个步骤：TrainConnectivity:按照正常方法训练初始模型。作者认为该模型中权重的大小表征了其重要程度PruneConnection:将初始模型中那些低于某个阈值的的权重参数置成0（即所谓剪枝）Re-Train:重新训练，以期
tang-0203·2023-01-10 11:05

模型剪枝一：Learning both Weights and Connections for Efficient Neural Networks

论文：https://arxiv.org/abs/1506.02626代码：https://github.com/jack-willturner/DeepCompression-PyTorchhttps://github.com/Guoning-Chen/SimplePruning-PyTorch1核心思想本文给出了一个模型剪枝的处理思路，如Fig.2所示，即将模型剪枝分为三步，分别为：按照常规方
cdknight_happy·2023-01-10 11:34

《Learning both Weights and Connections for Efficient Neural Networks》论文笔记

1.论文思想深度神经网络在计算与存储上都是密集的，这就妨碍了其在嵌入式设备上的运用。为了解决该问题，便需要对模型进行剪枝。在本文中按照网络量级的排序，使得通过只学习重要的网络连接在不影响精度的情况下减少存储与计算量。论文中的方法分为三步：首先，使用常规方法训练模型；使用剪枝策略进行模型修剪；在修剪模型的基础上进行finetune。经过试验证明改文章提出的方法使得AlexNet的大小减小了9倍，参数
m_buddy·2023-01-10 11:34

Learning both Weights and Connections for Efficient Neural Network -- 论文笔记

这是2015年斯坦福和英伟达的一篇论文。1.简介：通过修剪训练后网络中的不重要连接（connections），来减少网络所需要的参数，减少内存和cpu的消耗，使网络更加适应在移动设备上运行。2.idea思想：1）首先训练整个网络，判断哪些是重要连接。2）修剪不重要的连接。3）重新训练修剪后的网络，微调保留下来的参数。3.达到的效果：1）在ImageNet上，减少了AlexNet9倍的参数，从61m
Xiaomin-Wu·2023-01-10 11:34

论文复现：Learning both Weights and Connections for Efficient Neural Networks

论文核心论文提出了非结构化剪枝策略，针对卷积层权重进行剪枝，并提出了著名的三步走剪枝策略。判断权重重要性的方式是对权重进行L1L1L1或L2L2L2正则化，然后按照一定的剪枝比例使正则化值较小的权重为0。论文细节品读模型压缩意义：论文从功耗方面讨论了模型需要被压缩的原因，神经网络越大，参数量和计算量越大，导致模型在前向推理时功耗越大，这对移动端和嵌入式端是残酷的。并且大模型无法存储在SRAM中（由
Robohaha·2023-01-10 11:04

网络模型剪枝-论文阅读《Learning both Weights and Connections for Efficient Neural Networks》

这是2015年NIPS的一篇经典的剪枝文章，由韩松大神所作，由于年代比较久远，所以就大概说一下它的重点内容，以便给模型剪枝有个初始印象。Introduction文章首先讲了LeNet、AlexNet和VGG这些当时经典的网络的参数量的非常大，同时需要的存储空间也越来越大；然后以能量消耗的角度谈了这些模型运行具体能消耗多少能量。这就引出了本文的目标，就是对较大的网络模型进行剪枝以降低能量消耗从而能在
AManFromEarth·2023-01-10 11:04

load_weights` requires h5py when loading weights from HDF5

需要安装指定版本的h5py安装过程中会出现h5pyerror:command'aarch64-linux-gnu-gcc'failedwithexitstatus1的错误解决办法：sudopipinstallcythonsudoapt-getinstalllibhdf5-devsudopipinstallh5py
ttzss·2023-01-10 08:33

cs224w-图机器学习-Colab 3

defforward(self,x:Union[Tensor,OptPairTensor],edge_index:Adj,size:Size=None,return_attention_weights=
知之之·2023-01-09 18:36

一个用来调节loss weights的函数

defsigmoid_rampup(current_epoch):current=np.clip(current_epoch,0.0,15.0)phase=1.0-current/15.0returnnp.exp(-5.0*phase*phase).astype(np.float32)if__name__=='__main__':x=np.linspace(1,20,num=20)y=sigmoi
wolflion521·2023-01-09 17:21

sklearn.make_classification

n_samples=100,n_features=20,n_informative=2,n_redundant=2,n_repeated=0,n_classes=2,n_clusters_per_class=2,weights
weixin_34247299·2023-01-08 21:19

sklearn.make_classification-生成样本集-机器学习

n_samples=100,n_features=20,n_informative=2,n_redundant=2,n_repeated=0,n_classes=2,n_clusters_per_class=2,weights
weixin_ry5219775·2023-01-08 21:16

sklearn.datasets.make_classification详解

n_samples=100,n_features=20,*,n_informative=2,n_redundant=2,n_repeated=0,n_classes=2,n_clusters_per_class=2,weights
taotaoiit·2023-01-08 20:41

Python下pandas随机获取DataFrame中的数据

n行m列数据，而我需要随机从中选取一部分时，可以使用DataFrame中的sample方法，进行随机选取DataFrame.sample(n=None,frac=None,replace=False,weights
南阜止鸟·2023-01-08 08:21

PandasDataframe.sample()使用介绍

DataFrame.sample(n=None,frac=None,replace=False,weights=None,random_state=None,axis=None)参数n：这是一个可选参数
斯特兰奇·2023-01-08 08:20

随机抽样方法——DataFrame.sample()

#replace:是否允许重复抽样，默认情况下为False#weights：代表的是每个样本的权重。#random_
ㄣ知冷煖★·2023-01-08 08:19

报错怎么解决，求教

onnx2trt$pythonsetup6.py[TensorRT]WARNING:onnx2trt_utils.cpp:220:YourONNXmodelhasbeengeneratedwithINT64weights
彩色的霓虹灯·2023-01-07 15:50

【教程】unet图像分割检测墙体裂缝检测_瑕疵检测python含代码

整个文件的代码简洁，易懂，如上图所示，代码数据集放在datasets文件夹下，通过运行make_datasets生成文本数据集配置文件都在utils文件下，运行train.py即可训练，得到的模型保存在weights
bug生成中·2023-01-07 13:38

网络模型中层的修改，删除与添加

/weights/Al
mingqian_chu·2023-01-07 11:01

yolov5 显示每个类别的mAP以及如何继续训练

True设置为Truedefault=''填入想要继续训练的生成的exp中的last.pt的路径或者使用命令行pythontrain.py--cfgyolov5l,yaml--batch-size64--weights
jq_98·2023-01-07 09:18

Keras 多任务实现，Multi Loss #########Keras Xception Multi loss 细粒度图像分类

createthebasepre-trainedmodelinput_tensor=Input(shape=(299,299,3))base_model=Xception(include_top=True,weights
mishidemudong·2023-01-07 09:13

DNN(Deep-Learning Neural Network)

Deep-LearningNeuralNetwork)接下来介绍比较常见的全连接层网络（fully-connectedfeedfowardneruralnetwork）名词解释首先介绍一下神经网络的基本架构，以一个神经元为例输入是一个向量，权重（weights
sherlock31415931·2023-01-07 07:09

yolov5 ERROR: AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘ 解决方案

yolov5编译问题:python3detect.py--source0出现:detect:weights=yolov5s.pt,source=0,data=data/coco128.yaml,imgsz
qq_51554594·2023-01-07 03:45

Pandas矩阵运算之用另一个Pandas给加权

两个pandas一个是矩阵df_result一个是只有一行的df_weights，要把weights里面的元素给result去乘一下，搜了半天看到一个算法是np.multiply(df_result,df_weights
mden5373·2023-01-06 22:05

完美解决 AttributeError: ‘str‘ object has no attribute ‘decode‘

tensorflow_core/python/keras/engine/training.py",line234,inload_weightsreturnsuper(Model,self).load_weights
源代码杀手·2023-01-06 18:01
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他