暂无个人介绍
2020年03月
首先在相应目录下建一个__init__.py空文件 然后
import sys
sys.path.append(path) # 添加自己指定的搜索路径
同一个batch的数据可以看作是相互独立的,RNN计算t时刻的数据会用到t-1时刻的隐藏层数据而不是对batch数据进行累加,batch_size=100,前向时就相当于分100次调用RNNCell。batch除了有并进行计算的作用外,还有其他作用,比如训练时决定梯度下降的方向等,选择合适batch size对训练很有效的。
有可能不是原始的vgg模型,是以vgg模型为backbone,然后根据具体业务算法实现的模型结构,就会出现分支。
jpg格式的可以运行成功的话,应该是pytorch教程里不支持加载tif格式的图片,可以自行先把图片格式转为jpg,然后再运行教程。
01234对应哪个类别是你赋予的含义,这是在训练模型阶段数据整理时样本和label定义的,就是一个样本对应一个label,label就是01234中一个(当然训练的时候需要对label进行编码)。
实例化的module被智能指针std::shared_ptr管理,当引用计算为0的时候自动调用类Module的析构函数的。
将模型存下来
scripted_module.save("scripted_module.pt")
然后下载或者自己编译libpytroch,参考如下代码加载模型
// One-stop header.
#include <torch/script.h>
#include <iostream>
#include <memory>
int main(int argc, const char* argv[]) {
if (argc != 2) {
std::cerr << "usage: example-app <path-to-exported-script-module>\n";
return -1;
}
torch::jit::script::Module module;
try {
// Deserialize the ScriptModule from a file using torch::jit::load().
module = torch::jit::load(argv[1]);
}
catch (const c10::Error& e) {
std::cerr << "error loading the model\n";
return -1;
}
std::cout << "ok\n";
}
具体可参考:https://pytorch.org/tutorials/advanced/cpp_export.html
class Something{
public:
Something(std::string name, std::string some, CustomClass* some_para, std::vector<int> b, int A){
_A = A;
if(some_para != nullptr){
....
}else if(...){
...
}
}
private:
int _A;
int _someA;
int _someB;
};
是用其他框架(caffe/tensorflow等)训练的模型,然后用MNNConvert转换过来用MNN部署的
Estimated Time of Arrival就是预计还剩多长时间训练完毕