2021-06-05 图解YOLOV3目标检测算法-源码分析(一 架构) 图解YOLOV3目标检测算法-源码分析(一 架构) 图解YOLOV3目标检测算法-源码分析(一 架构)前言目标检测算法Tow Stage先进行区域生成Region Proposal (RP),再通过卷积神经网络进行样本分类。任务流程:特征提取 --> 生成RP --> 分类/定位回归。常见tow stage目标检测算法有:R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN、R-FCN、MR-CNN、HyperNet、CRAFT、FPN、Mask R-CNN、、CoupleNet和MegDet等。One Stage不用RP,直接在网络中提取特征来预测物体分类和位置。任务流程:特征提取–> 分类/定位回归。常见的one stage目标检测算法有:OverFeat、YOLOv1、YOLOv2(YOLO9000)、YOLOv3、YOLOv4、YOLOv5、YOLOF、YOLOS、SSD和RetinaNet等。YOLO是One Stage最具代表性的算法,集推理速度和准确性于一体,是我工作和学习中最常用的算法。下面将根据Github上开源代码分析YOLO算法系中最具代表的YOLOv3算法。正文YOL... 那棵树看起来生气了 2021-06-05 TensorFlow,深度学习,人工智能 1,051 阅读 0 评论 2021年06月05日 1,051 阅读 0 评论
2019-05-10 BERT词向量 BERT词向量 前言BERT其中的一个重要作用是可以生成词向量,它可以解决word2vec中无法解决的一词多义问题。获取BERT词向量的时候用到了肖涵博士的bert-as-service正文命令安装安装bert-as-servicepip install bert-serving-server pip install bert-serving-client下载预训练模型https://storage.googleapis.com/bert_models/2018_11_03/chinese_L-12_H-768_A-12.zip启动服务端bert-serving-start -model_dir chinese_L-12_H-768_A-12 -num_worker=2 那棵树看起来生气了 2019-05-10 TensorFlow 525 阅读 0 评论 2019年05月10日 525 阅读 0 评论
2019-01-11 TensorFlow Serving TensorFlow Serving 前言TensorFlow Serving 是一个用于机器学习模型 serving 的高性能开源库。它可以将训练好的机器学习模型部署到线上,使用 gRPC 作为接口接受外部调用。更加让人眼前一亮的是,它支持模型热更新与自动模型版本管理。这意味着一旦部署 TensorFlow Serving 后,你再也不需要为线上服务操心,只需要关心你的线下模型训练。TensorFlow Serving的典型的流程如下:学习者(Learner,比如TensorFlow)根据输入数据进行模型训练。等模型训练完成、验证之后,模型会被发布到TensorFlow Serving系统服务器端。客户端提交请求,由服务端返回预测结果。客户端和服务端之间的通信采用的是RPC协议。 那棵树看起来生气了 2019-01-11 TensorFlow 506 阅读 0 评论 2019年01月11日 506 阅读 0 评论
2018-11-23 TensorFlow模型量化 压缩 Int8推理 TensorFlow模型量化 压缩 Int8推理 前言在工业生产过程中,对于深度学习模型,企业比较关注的是成本和性能,怎样让我们的深度学习模型消耗最少的能量,最少的时间,获得最大的准确率(或者说获得不影响业务使用的最佳性能),工业中会用到模型量化,减少模型储存空间,减少模型计算量从而达到性能优化的目的,下面就介绍两种优化的使用方法。 那棵树看起来生气了 2018-11-23 TensorFlow 488 阅读 0 评论 2018年11月23日 488 阅读 0 评论
2018-09-29 TensorFlow模型Graph修改插入节点 TensorFlow模型Graph修改插入节点 背景在优化一个深度学习模型的时候,客户给的模型为已经冻结过得pb文件,而这个pb文件没有input(Placeholder)节点,把特定的数据输入这个模型无法做到,而且对于测试性能和数据的准确性非常不便。然后我就想,用什么办法可以修改已经训练好模型的结构呢?最后找到一种方法,修改计算图结构。 那棵树看起来生气了 2018-09-29 TensorFlow,深度学习 2,367 阅读 0 评论 2018年09月29日 2,367 阅读 0 评论