深度学习框架

阅读量：

文章目录

监控内存使用情况
- 进行图像裁剪以支持分类任务
- 计算图像数据集的均值参数
- 实现卷积神经网络权重初始化过程
- 仅依赖卷积层和转置卷积层实现图片尺寸调整：
- 采用梯度累积技术后进行反向传播训练

监控显存

复制代码

    watch -n 1 nvidia-smi

图像分类任务图片裁剪

ImageNet数据集预处理方案中规定：当一张图片的长宽比例低于设定阈值时，则会通过拉伸处理来调整其尺寸。

当一张图片的长宽比例超过设定阈值时，则会被分为左半区、中间区域和右半区三个部分分别进行裁剪。

复制代码

    def process(img,max_ratio=1.35):
    if len(img.shape)==2:
        img=cv2.cvtColor(img,cv2.COLOR_GRAY2RGB)
    h,w,_=img.shape
    ratio=h/w if h>w else w/h
    print(ratio)
    if ratio<max_ratio:
        return [img]
        # return [cv2.resize(img,size)]
    isRotated=False

全部评论 (0)

还没有任何评论哟~