One Blog

Whatever happens, plz be as happy as I am !

俺实习和秋招的面经

实习 平安科技 (拿到 offer) sishijing204@pingan.com.cn 3.14 发送邮件 3.23 一面 面试官是 nlp 方向的,所以确实对图像了解的并不多,整个过程几乎都是让我在介绍我的工作 介绍一下这篇 CVPR 工作,细节一点 介绍一下和高通的项目 CLIP 是一个什么样的东西? 这个 Language 是怎么和 Image...

ssh端口转发穿越多重跳板机的方法

preface 本篇文章简单介绍一下三种 SSH 端口转发的操作,本篇文章创建的日期为 1.16,真正动手写的日期是 2.16,刚好鸽了一个月,笑死。本来想好好写一下的,现在就稍微写一下吧,知识这个东西,一旦你掌握了,就再也无法忘记了。 本地端口转发 本地端口转发就是访问本地端口的流量通过 ssh 被转发到远程机器上,常见情景是本地通过一个公网跳板机访问内网的服务器,可以直接将本地一个...

mmdetection之Faster RCNN注释详解

preface 本文记录 mmdetection 对 Faster RCNN 训练的流程,包括标签获取,anchor 生成,前向训练,以及各步骤中 tensor 的形状,仅供复习用处。mmdetection 版本为 2.11.0。 更新一下:附上一个我认为将 ROI align 以及对应的双线性插值讲的不错的博客 https://zhuanlan.zhihu.com/p/73...

mmdetection之FCOS注释详解

preface 本文记录 mmdetection 对 FCOS 训练的流程,包括标签获取,anchor 生成,前向训练,以及各步骤中 tensor 的形状,仅供复习用处。mmdetection 版本为 2.11.0。 整体流程 mmdet/models/detectors/base.py:forward_train() mmdet/models/detectors/singl...

mmdetection之PAA注释详解

preface 本文记录 mmdetection 对 PAA 训练的流程,包括标签获取,anchor 生成,前向训练,以及各步骤中 tensor 的形状,仅供复习用处。mmdetection 版本为 2.11.0。 loss 函数 loss 函数这边和上一篇 RetinaNet 不太一样,没有通过 loss_single 函数将 loss 分配到每一个特征图尺度进行计算再累加,而是在图...

python调试工具ipdb基本命令

preface 这玩意就是 python 内置调试工具 pdb 的升级版,拥有代码高亮等功能,方便人性化使用,其实命令跟 gdb 是差不多的,但是每次用都要去网上查有点麻烦,找到一篇不错的文章,基本的命令都有了,以后直接看就行了 转载于:[使用IPDB调试Python代码 来呀,快活呀~ (xmfbit.github.io)...

mmdetection之RetinaNet注释详解

preface 本文记录 mmdetection 对 RetinaNet 训练的流程,包括标签获取,anchor 生成,前向训练,以及各步骤中 tensor 的形状,仅供复习用处。mmdetection 版本为 2.11.0 loss 函数 loss 函数传入的参数有网络每一层的预测(shape: B,AC,H,W),以及每一张图片中的 gt 框(format: x1,y1,x2,y2...

写论文的一些好词好句

preface 说明阐述之类 In this section, we elaborate the xx module, which xxx. 表明某个领域的现象 In an image to be detected,the background instances are often more pervasive than theinstances of the ...

PyTorch JIT 模型部署常见错误

preface 在用 PyTorch官方提供的的工具转化 pth 文件 到 pt 文件时,经常会遇到很多错误,包括但不限于算子不支持,无法推断参数类型,以及一些很奇怪的错误,这里全部记录一下,建议配合我之前写的 MODNet转化模型填坑笔记一起看 将 pt 文件保存错位置了 我出现下面这个错误的原因是因为我将模型保存的位置给写错了,所以模型保存失败,解决方法就是换成正确的路径 ter...

模型部署从0到1

preface 由于项目需要,kevin 要将模型放到手机里面去测试速度,于是乎写了这篇文章,记录这个过程。本来想尝试 ncnn 进行部署,然而流程有些复杂,于是乎在师兄的建议下先用 PyTorch 官方的 Mobile 模块试试,GitHub 仓库里面有很多详细的 demo 展示,直接 clone 下来就行了。 装包配环境 众所周知,将模型放到手机中去测试速度的话呢,肯定得先搞个 A...