1 网络模型的设计原则

1.1 归一化原则

对于深度神经网络来说，其输入最好进行归一化的设计，也就是目标值（的encoding）最好归一化到[0,1]的区间内；
参考模型：
YOLOV5——YOLO模型的标注使用的是yolo格式，yolo格式的数据是进行了归一化之后的数据，

2 数据载入

定义自己的数据载入器，继承父类Dataloader；
注意：将pin_memory设置为True可以加快多进程方式的数据读取；

[PyTorch Official]:
Warning:
It is generally not recommended to return CUDA tensors in multi-process loading because of many subtleties in using CUDA and sharing CUDA tensors in multiprocessing (see CUDA in multiprocessing). Instead, we recommend using automatic memory pinning (i.e., setting pin_memory=True), which enables fast data transfer to CUDA-enabled GPUs.

3.1 图像文件无法读取？——需要修改当前的工作目录

可以参考下面的代码：
os.chdir(path.dirname(__file__))
其中函数的作用是，
path.dirname(__file__)：获取当前文件的工作目录。

5 训练模型

5.1 初始化Dataloader对象，并用其载入数据；

（训练数据和验证数据使用不同的Dataloader）
注意：将num_workers设成CPU的核心数可以极大地提高训练速度，（我在学习DeepLabV3+试了一下，加速比大概在4倍左右！）
获得CPU的核心数：

import psutil
psutil.cpu_count(False)

这里我们就设置为psutil.cpu_count(False)-2，（为系统进程和UI进程留出2个CPU核心）。
将pin_memory设置为True可以加快多进程方式的数据读取；

5.2 模型训练的PyTorch相关设置——`model.enter_train_mode()`

初始化检测器，记得将网络设置为train模式，

net.train()

将梯度重置为0；

optimizer.zero_grad()

目标检测——夏侯南溪模型搭建篇相关推荐

目标检测——夏侯南溪模型搭建篇(legacy)
4 定义模型整体结构 4.3.1 输入样本的预处理操作 (注意:训练样本在输入网路之前,需要进行归一化,包括:均值归一化操作具体可以看看我写的<目标检测--输入数据的归一化操作>) MT ...
目标检测——夏侯南溪目标检测模型之输出信息显示
1 致谢感谢ultralytics提供的yolov5模型,学到了有趣的知识! 2 概述进度条显示 -- tqdm() 格式化信息输出 -- str.format() 3 输出信息的格式化--str ...
目标检测——夏侯南溪目标检测模型之数据结构
4.1 dets数据的一般表示--(list[list]) 对于图像级数据的话,使用list会比较方便一些,因为图像的数量往往跟样本个数有关, 不容易直接确定下来,而list类型是一种动态的存储结构, ...
夏侯南溪搭建目标检测模型——文件结构设计篇
1 前言此文章是夏侯南溪搭建目标检测模型--文件夹结构设计篇- 2 文件夹命名使用小写字母命名,单词之间用短线"-"进行连接,例如: plane-detection 3 项目文 ...
《南溪的目标检测学习笔记》——模型预处理的学习笔记
1 介绍在目标检测任务中,模型预处理分为两个步骤: 图像预处理:基于图像处理算法数值预处理:基于机器学习理论关于图像预处理,请参考<南溪的目标检测学习笔记>--图像预处理的学习笔记 ...
Jupyter Notebook——夏侯南溪常用的快捷键
1 致谢感谢网友willstar的帮助, 原文链接如下: https://www.jianshu.com/p/b38d315cd684 2 前言今天在学习MTCNN的代码- 想用Jupyter测试 ...
树莓派4B爽上流安装python3的OpenCV（人脸检测识别—门禁“环境搭建篇”)
树莓派4B安装OpenCV3.4.0人脸检测识别-门禁"环境搭建篇" 前言一.准备工作 PC端软件二.搭建树莓派环境拓展TF内存卡 Tips:换源(python软件源) 修改 ...
目标检测 YOLOv5 - 如何提高模型的指标，提高精确率，召回率，mAP等
目标检测 YOLOv5 - 如何提高模型的指标,提高精确率,召回率,mAP等 flyfish 文中包括了YOLOv5作者分享的提高模型指标小技巧和吴恩达(Andrew Ng)在做缺陷检测项目( ste ...
《南溪的目标检测学习笔记》——夏侯南溪的CNN调参笔记，加油
1 致谢感谢赵老师的教导! 感谢张老师的指导! 2 调参目标在COCO数据集上获得mAP>=10.0的模型,现在PaddleDetection上的Anchor-Free模型[TTFNet]的 ...

目标检测——夏侯南溪模型搭建篇

1 网络模型的设计原则

1.1 归一化原则

2 数据载入

3.1 图像文件无法读取？——需要修改当前的工作目录

5 训练模型

5.1 初始化Dataloader对象，并用其载入数据；

5.2 模型训练的PyTorch相关设置——`model.enter_train_mode()`

目标检测——夏侯南溪模型搭建篇相关推荐

最新文章

热门文章

目标检测——夏侯南溪模型搭建篇

1 网络模型的设计原则

1.1 归一化原则

2 数据载入

3.1 图像文件无法读取？——需要修改当前的工作目录

5 训练模型

5.1 初始化Dataloader对象，并用其载入数据；

5.2 模型训练的PyTorch相关设置——model.enter_train_mode()

目标检测——夏侯南溪模型搭建篇相关推荐

最新文章

热门文章

5.2 模型训练的PyTorch相关设置——`model.enter_train_mode()`