Swin-Transformer多分类改造

Swin-Transformer分类源码(已跑通) 这是跑通的分割源码介绍,大家有需要可以参考一下 1、Swin-Transformer分割源码(已跑通) 2、关于swin transformer原理的一些补充理解 3、Swin-Unet(分割改编) 一. 概要 最近swin-transformer大火,代码开源两天,girhub直接飙到1.9k。估计接下来关于和swin-transformer相结合的各种网络结构paper就要出来了,哈哈,我也是其中的一员,拼手速吧各位。它的原理网上的博客已经讲的非常的细致了,甚至还有带着读源代码的。这些大佬真的很 阅读详情

一、目标

microsoft的swin-transformer本身是进行单分类任务的,我们希望通过swin-transformer实现多分类的功能。

比如我们有分类任务:

(1)车辆类型type的分类,分car(轿车)和jeep(吉普车)两类

(2)车辆朝向direction的分类,分forward(朝前)和backward(朝后)两类

图片大致如下:

 训练/验证数据目录结构如下:

 二、改动内容

1、创建contants.py文件

该文件记录算法会用到的几个全局变量

# 图像转换时用到的均值和方差
IMG_DEFAULT_MEAN = (0.485, 0.456, 0.406)
IMG_DEFAULT_STD = (0.229, 0.224, 0.225)

# 目标名称到id的映射
target_type_dict = {'car': 0, 'jeep': 1}
target_direction_dict = {'forward': 0, 'backward': 1}

# 目标每类中的种数
target_dim_dict = {'type': 2, 'direction': 2}

2、创建swin_dataloader.py文件

该文件用于训练时批量加载数据

import os
from torch.utils.data import DataLoader, Dataset, Sampler
from torchvision import datasets, transforms
from timm.data.transforms import str_to_pil_interp
from PIL import Image
import constants

class TrainDataset(Dataset):
    def __init__(self, config):
        train_data_path = os.path.join(config.DATA.DATA_PATH, 'train')
        train_data_desc = os.path.join(train_data_path, 'train_desc.txt')

        self.img_paths = []
        self.types = []
        self.directions = []
        with open(train_data_desc, 'r') as f:
            for line in f:
                arr = line.split(",")
                img_path, type, direction = arr[0], arr[1], arr[2].replace('\n', '')
                self.img_paths.append(os.path.join(train_data_path, img_path))
                self.types.append(int(constants.target_type_dict.get(type)))
                self.directions.append(int(constants.target_direction_dict.get(direction)))

        # transform
        t = []
        size = int((256 / 224) * config.DATA.IMG_SIZE)
        t.append(transforms.Resize(size, interpolation=str_to_pil_interp(config.DATA.INTERPOLATION)))
        t.append(transforms.CenterCrop(config.DATA.IMG_SIZE))
        t.append(transforms.ToTensor())
        t.append(transforms.Normalize(constants.IMG_DEFAULT_MEAN, constants.IMG_DEFAULT_STD))
        self.transform = transforms.Compose(t)

    def __len__(self):
        return len(self.img_paths)

    def __getitem__(self, index):
        img_path = self.img_paths[index]
        type = self.types[index]
        direction = self.directions[index]

        img = Image.open(img_path).convert('RGB')
        img_tensor = self.transform(img)

        return img_tensor, type, direction

class TestDataset(Dataset):

    def __init__(self, config):
        test_data_path = os.path.join(config.DATA.DATA_PATH, 'val')
        test_data_desc = os.path.join(test_data_path, 'val_desc.txt')

        self.img_paths = []
        self.types = []
        self.directions = []
        with open(test_data_desc, 'r') as f:
            for line in f:
                arr = line.split(",")
                img_path, type, direction = arr[0], arr[1], arr[2].replace('\n', '')
                self.img_paths.append(os.path.join(test_data_path, img_path))
                self.types.append(int(constants.target_type_dict.get(type)))
                self.directions.append(int(constants.target_direction_dict.get(direction)))

        # transform
        t = []
        size = int((256 / 224) * config.DATA.IMG_SIZE)
        t.append(transforms.Resize(size, interpolation=str_to_pil_interp(config.DATA.INTERPOLATION)))
        t.append(transforms.CenterCrop(config.DATA.IMG_SIZE))
        t.append(transforms.ToTensor())
        t.append(transforms.Normalize(constants.IMG_DEFAULT_MEAN, constants.IMG_DEFAULT_STD))
        self.transform = transforms.Compose(t)

    def __len__(self):
        return len(self.img_paths)

    def __getitem__(self, index):
        img_path = self.img_paths[index]
        type = self.types[index]
        direction = self.directions[index]

        img = Image.open(img_path).convert('RGB')
        img_tensor = self.transform(img)

        return img_tensor, type, direction

3、修改swin_transformer文件

(1)在SwinTransformer的__init__()初始化函数中做如下修改:

self.norm = norm_layer(self.num_features)
self.avgpool = nn.AdaptiveAvgPool1d(1)
# self.head = nn.Linear(self.num_features, num_classes) if num_classes > 0 else nn.Identity()

for idx, (k, v) in enumerate(constants.target_dim_dict.items()):
	fc = nn.Linear(self.num_features, v)
	setattr(self, f'fc_{k}', fc)

(2)在SwinTransformer的forward()函数中做如下修改:

def forward(self, x):
	x = self.forward_features(x)
	# x = self.head(x)
	# return x

	outputs = {}
	for k,v in constants.target_dim_dict.items():
		out = getattr(self, f'fc_{k}')(x)
		outputs[k] = out

	return outputs

4、修改main.py文件

对于模型输出后结果的解析做相应的调整,调整比较生硬,如果dataloader中把输出的type和direction放到一个对象里面,可能会稍微优雅一点。

def train_one_epoch(config, model, criterion, data_loader, optimizer, epoch, mixup_fn, lr_scheduler, loss_scaler):
    model.train()
    optimizer.zero_grad()

    num_steps = len(data_loader)
    batch_time = AverageMeter()
    loss_meter = AverageMeter()
    norm_meter = AverageMeter()
    scaler_meter = AverageMeter()

    start = time.time()
    end = time.time()
    for idx, (samples, type, direction) in enumerate(data_loader):
        samples = samples.cuda(non_blocking=True)
        type = type.cuda(non_blocking=True)
        direction = direction.cuda(non_blocking=True)

        # todo mix this bug
        # if mixup_fn is not None:
        #     samples, person, country = mixup_fn(samples, person, country)

        criterion = torch.nn.CrossEntropyLoss()
        # with torch.cuda.amp.autocast(enabled=config.AMP_ENABLE):
        outputs = model(samples)
        loss = 0
        loss += criterion(outputs['type'], type)
        loss += criterion(outputs['direction'], direction)
        loss = loss / config.TRAIN.ACCUMULATION_STEPS

        # this attribute is added by timm on one optimizer (adahessian)
        is_second_order = hasattr(optimizer, 'is_second_order') and optimizer.is_second_order
        grad_norm = loss_scaler(loss, optimizer, clip_grad=config.TRAIN.CLIP_GRAD,
                                parameters=model.parameters(), create_graph=is_second_order,
                                update_grad=(idx + 1) % config.TRAIN.ACCUMULATION_STEPS == 0)
        if (idx + 1) % config.TRAIN.ACCUMULATION_STEPS == 0:
            optimizer.zero_grad()
            lr_scheduler.step_update((epoch * num_steps + idx) // config.TRAIN.ACCUMULATION_STEPS)
        loss_scale_value = loss_scaler.state_dict()["scale"]

        torch.cuda.synchronize()

        loss_meter.update(loss.item(), type.size(0))
        if grad_norm is not None:  # loss_scaler return None if not update
            norm_meter.update(grad_norm)
        scaler_meter.update(loss_scale_value)
        batch_time.update(time.time() - end)
        end = time.time()

        if idx % config.PRINT_FREQ == 0:
            lr = optimizer.param_groups[0]['lr']
            wd = optimizer.param_groups[0]['weight_decay']
            memory_used = torch.cuda.max_memory_allocated() / (1024.0 * 1024.0)
            etas = batch_time.avg * (num_steps - idx)
            logger.info(
                f'Train: [{epoch}/{config.TRAIN.EPOCHS}][{idx}/{num_steps}]\t'
                f'eta {datetime.timedelta(seconds=int(etas))} lr {lr:.6f}\t wd {wd:.4f}\t'
                f'time {batch_time.val:.4f} ({batch_time.avg:.4f})\t'
                f'loss {loss_meter.val:.4f} ({loss_meter.avg:.4f})\t'
                f'grad_norm {norm_meter.val:.4f} ({norm_meter.avg:.4f})\t'
                f'loss_scale {scaler_meter.val:.4f} ({scaler_meter.avg:.4f})\t'
                f'mem {memory_used:.0f}MB')
    epoch_time = time.time() - start
    logger.info(f"EPOCH {epoch} training takes {datetime.timedelta(seconds=int(epoch_time))}")


@torch.no_grad()
def validate(config, data_loader, model):
    criterion = torch.nn.CrossEntropyLoss()
    model.eval()

    batch_time = AverageMeter()
    loss_meter = AverageMeter()
    type_acc1_meter = AverageMeter()
    direction_acc1_meter = AverageMeter()

    end = time.time()
    for idx, (images, type, direction) in enumerate(data_loader):
        images = images.cuda(non_blocking=True)
        type = type.cuda(non_blocking=True)
        direction = direction.cuda(non_blocking=True)

        # compute output
        # with torch.cuda.amp.autocast(enabled=config.AMP_ENABLE):
        #     output = model(images)
        outputs = model(images)
        loss = 0
        loss += criterion(outputs['type'], type)
        loss += criterion(outputs['direction'], direction)
        loss = loss / config.TRAIN.ACCUMULATION_STEPS

        # measure accuracy and record loss
        type_acc1 = accuracy(outputs['type'], type)
        direction_acc1 = accuracy(outputs['direction'], direction)

        type_acc1 = torch.tensor(type_acc1)
        direction_acc1 = torch.tensor(direction_acc1)
        loss = torch.tensor(loss)

        loss_meter.update(loss.item(), type.size(0))
        type_acc1_meter.update(type_acc1.item(), type.size(0))
        direction_acc1_meter.update(direction_acc1.item(), type.size(0))

        # measure elapsed time
        batch_time.update(time.time() - end)
        end = time.time()

        if idx % config.PRINT_FREQ == 0:
            memory_used = torch.cuda.max_memory_allocated() / (1024.0 * 1024.0)
            logger.info(
                f'Test: [{idx}/{len(data_loader)}]\t'
                f'Time {batch_time.val:.3f}\t'
                f'Loss {loss_meter.val:.4f}\t'
                f'type_Acc@1 {type_acc1_meter.val:.3f}\t'
                f'direction_Acc@1 {direction_acc1_meter.val:.3f}\t'
                f'Mem {memory_used:.0f}MB')
    logger.info(f' * type_Acc@1 {type_acc1_meter.avg:.3f} * direction_Acc@1 {direction_acc1_meter.avg:.3f}')
    return type_acc1_meter.avg, direction_acc1_meter.avg, loss_meter.avg

5、修改build.py

# --------------------------------------------------------
# Swin Transformer
# Copyright (c) 2021 Microsoft
# Licensed under The MIT License [see LICENSE for details]
# Written by Ze Liu
# --------------------------------------------------------

import os
import torch
import numpy as np
import torch.distributed as dist
from torchvision import datasets, transforms
from timm.data.constants import IMAGENET_DEFAULT_MEAN, IMAGENET_DEFAULT_STD
from timm.data import Mixup
from timm.data import create_transform

from .cached_image_folder import CachedImageFolder
from .imagenet22k_dataset import IN22KDATASET
from .samplers import SubsetRandomSampler
from swin_dataloader import TrainDataset, TestDataset

try:
    from torchvision.transforms import InterpolationMode


    def _pil_interp(method):
        if method == 'bicubic':
            return InterpolationMode.BICUBIC
        elif method == 'lanczos':
            return InterpolationMode.LANCZOS
        elif method == 'hamming':
            return InterpolationMode.HAMMING
        else:
            # default bilinear, do we want to allow nearest?
            return InterpolationMode.BILINEAR


    import timm.data.transforms as timm_transforms

    timm_transforms.str_to_pil_interp = _pil_interp
except:
    from timm.data.transforms import str_to_pil_interp


def build_loader(config):
    config.defrost()
    # dataset_train, config.MODEL.NUM_CLASSES = build_dataset(is_train=True, config=config)
    dataset_train = TrainDataset(config)
    config.freeze()
    print(f"local rank {config.LOCAL_RANK} / global rank {dist.get_rank()} successfully build train dataset")
    # dataset_val, _ = build_dataset(is_train=False, config=config)
    dataset_val = TestDataset(config)
    print(f"local rank {config.LOCAL_RANK} / global rank {dist.get_rank()} successfully build val dataset")

    num_tasks = dist.get_world_size()
    global_rank = dist.get_rank()
    if config.DATA.ZIP_MODE and config.DATA.CACHE_MODE == 'part':
        indices = np.arange(dist.get_rank(), len(dataset_train), dist.get_world_size())
        sampler_train = SubsetRandomSampler(indices)
    else:
        sampler_train = torch.utils.data.DistributedSampler(
            dataset_train, num_replicas=num_tasks, rank=global_rank, shuffle=True
        )

    if config.TEST.SEQUENTIAL:
        sampler_val = torch.utils.data.SequentialSampler(dataset_val)
    else:
        sampler_val = torch.utils.data.distributed.DistributedSampler(
            dataset_val, shuffle=config.TEST.SHUFFLE
        )

    data_loader_train = torch.utils.data.DataLoader(
        dataset_train, sampler=sampler_train,
        batch_size=config.DATA.BATCH_SIZE,
        num_workers=config.DATA.NUM_WORKERS,
        pin_memory=config.DATA.PIN_MEMORY,
        drop_last=True,
    )

    data_loader_val = torch.utils.data.DataLoader(
        dataset_val, sampler=sampler_val,
        batch_size=config.DATA.BATCH_SIZE,
        shuffle=False,
        num_workers=config.DATA.NUM_WORKERS,
        pin_memory=config.DATA.PIN_MEMORY,
        drop_last=False
    )

    # setup mixup / cutmix
    mixup_fn = None
    mixup_active = config.AUG.MIXUP > 0 or config.AUG.CUTMIX > 0. or config.AUG.CUTMIX_MINMAX is not None
    if mixup_active:
        mixup_fn = Mixup(
            mixup_alpha=config.AUG.MIXUP, cutmix_alpha=config.AUG.CUTMIX, cutmix_minmax=config.AUG.CUTMIX_MINMAX,
            prob=config.AUG.MIXUP_PROB, switch_prob=config.AUG.MIXUP_SWITCH_PROB, mode=config.AUG.MIXUP_MODE,
            label_smoothing=config.MODEL.LABEL_SMOOTHING, num_classes=config.MODEL.NUM_CLASSES)

    return dataset_train, dataset_val, data_loader_train, data_loader_val, mixup_fn


def build_dataset(is_train, config):
    transform = build_transform(is_train, config)
    if config.DATA.DATASET == 'imagenet':
        prefix = 'train' if is_train else 'val'
        if config.DATA.ZIP_MODE:
            ann_file = prefix + "_map.txt"
            prefix = prefix + ".zip@/"
            dataset = CachedImageFolder(config.DATA.DATA_PATH, ann_file, prefix, transform,
                                        cache_mode=config.DATA.CACHE_MODE if is_train else 'part')
        else:
            root = os.path.join(config.DATA.DATA_PATH, prefix)
            dataset = datasets.ImageFolder(root, transform=transform)
        nb_classes = config.MODEL.NUM_CLASSES
    elif config.DATA.DATASET == 'imagenet22K':
        prefix = 'ILSVRC2011fall_whole'
        if is_train:
            ann_file = prefix + "_map_train.txt"
        else:
            ann_file = prefix + "_map_val.txt"
        dataset = IN22KDATASET(config.DATA.DATA_PATH, ann_file, transform)
        nb_classes = 21841
    else:
        raise NotImplementedError("We only support ImageNet Now.")

    return dataset, nb_classes


def build_transform(is_train, config):
    resize_im = config.DATA.IMG_SIZE > 32
    if is_train:
        # this should always dispatch to transforms_imagenet_train
        transform = create_transform(
            input_size=config.DATA.IMG_SIZE,
            is_training=True,
            color_jitter=config.AUG.COLOR_JITTER if config.AUG.COLOR_JITTER > 0 else None,
            auto_augment=config.AUG.AUTO_AUGMENT if config.AUG.AUTO_AUGMENT != 'none' else None,
            re_prob=config.AUG.REPROB,
            re_mode=config.AUG.REMODE,
            re_count=config.AUG.RECOUNT,
            interpolation=config.DATA.INTERPOLATION,
        )
        if not resize_im:
            # replace RandomResizedCropAndInterpolation with
            # RandomCrop
            transform.transforms[0] = transforms.RandomCrop(config.DATA.IMG_SIZE, padding=4)
        return transform

    t = []
    if resize_im:
        if config.TEST.CROP:
            size = int((256 / 224) * config.DATA.IMG_SIZE)
            t.append(
                transforms.Resize(size, interpolation=str_to_pil_interp(config.DATA.INTERPOLATION)),
                # to maintain same ratio w.r.t. 224 images
            )
            t.append(transforms.CenterCrop(config.DATA.IMG_SIZE))
        else:
            t.append(
                transforms.Resize((config.DATA.IMG_SIZE, config.DATA.IMG_SIZE),
                                  interpolation=str_to_pil_interp(config.DATA.INTERPOLATION))
            )

    t.append(transforms.ToTensor())
    t.append(transforms.Normalize(IMAGENET_DEFAULT_MEAN, IMAGENET_DEFAULT_STD))
    return transforms.Compose(t)

三、效果

经过117轮迭代后,type + direction的准确率可以达到167.5%,总分为100+100=200%。其中type的准确率为77.5%,direction的准确率为90%。

train的loss为0.0023,基本上训练集拟合的较为完善了。

Swin Trasnformer 新型的Transformer架构,专为计算机视觉任务设计 解决了传统Transformer从自然语言处理迁移到计算机视觉任务时面临的两大问题 Swin Transformer是由微软亚洲研究院在今年公布的一篇利用transformer架构处理计算机视觉任务的论文。Swin Transformer 在图像分类,图像分割,目标检测等各个领域已经屠榜,在论文中,作者分析表明,Transformer从NLP迁移到CV上没有大放异彩主要有两点原因:1. 两个领域涉及的scale不同,NLP的token是标准固定的大小,而CV的特征尺度变化范围非常大。 阅读详情

相关推荐

Swin-transformer详解

swin transformer详解

一去不复返的通信er 7573

【SwinTransformer】大杀四方的 Swin Transformer 详解及改进

大杀四方的 Swin Transformer 详解及改进

零碎@流年絮语 的博客 6229

Swin Transformer做backbone的YoloX目标检测

使用Swin Transformer做骨干网络进行YoloX目标检测

shayinzzh的博客 1万+

Swin Transformer网络架构、相应改进模块的理解

swin-Transformer Transformer越来越火,个人感觉基于Transformer来做视觉真是把矩阵用得出神入化!! Swin-Transformer相较于VIT改进的方法: SwinT使用类似CNN中层次化构建方法,这样的backbone有助于在此基础上构建检测和分割任务,而VIT中是直接一次性下采样16倍,后面的特征图都是维持这个下采样率不变。 在SwinT中使用Windows Multi-head Self-Attention(WMSA)的概念,在上图中4倍下采样和8倍下采样中,

weixin_45074568的博客 9992

对Swin-Transformer的理解

对Swin-Transformer的初步理解Introduction整体结构Patch Embedding(Partition)Patch MergingWindow Partition/ReverseWindow Attention相对位置编码Shifted Window Attention特征图移位操作Attention MaskTransformer Block整体架构参考         Swin-Transformer

菜根檀的博客 6688

【目标检测】swin-transformer训练自己的数据集

文章目录1. 数据集的制作1.1. Labelme制作数据集1.2 COCO数据集格式2. 配置swin-transformer3. 训练自己的数据集4. 训练5.参考链接 1. 数据集的制作 1.1. Labelme制作数据集 pip install labelme 然后在桌面搜索框中找到labelme,然后打开,或者直接在命令行中输入labelme进行打开 安装labelme过程中出现的一些问题: https://blog.csdn.net/qq_44747572/article/details/12

qq_44747572的博客 7849

Swin-Transformer网络结构详解

文章目录0 前言1 网络整体框架2 Patch Merging详解3 W-MSA详解Ω(MSA)\Omega (MSA)Ω(MSA)模块计算量Ω(W−MSA)\Omega (W-MSA)Ω(W−MSA)模块计算量4 SW-MSA详解5 Relative Position Bias详解6 模型详细配置参数 0 前言 Swin Transformer是2021年微软研究院发表在ICCV上的一篇文章,并且已经获得ICCV 2021 best paper的荣誉称号。Swin Transformer网络是Tran

霹雳吧啦Wz 28万+

transformer概述和swin-transformer详解

transformer和swin-transformer

m0_60524373的博客 4201

神经网络学习笔记5——Swin-Transformer网络

Swim Transformer是特为视觉领域设计的一种分层Transformer结构。Swin 的两大特性是滑动窗口和分层表示。滑动窗口在局部不重叠的窗口中计算自注意力,并允许跨窗口连接。分层结构允许模型适配不同尺度的图片,并且计算复杂度与图像大小呈线性关系,也因此被人成为披着transformer皮的CNN。

qq_45848817的博客 1万+

Swin transformer详解

本文介绍了一种称为的新视觉,它可以作为 CV 的通用主干。将 Transformer 从语言适应到视觉方面的挑战来自两个域之间的差异,例如视觉实体的规模以及相比于文本单词的高分辨率图像像素的巨大差异。为解决这些差异,我们提出了一种层次化 (hierarchical) Transformer,其表示是用移位窗口 (Shifted Windows)计算的。移位窗口方案通过将自注意力计算限制在不重叠的局部窗口的同时,还允许跨窗口连接来提高效率。这种分层架构具有在各种尺度上建模的灵活性,并且。

weixin_47414581的博客 1694

SwinTransformer 改进:SSPCAB模块(2024最新改进方法)

SSPCAB(Spatial Pyramid Pooling with Channel Attention Block)是2024年提出的一种新型神经网络架构改进方法,专注于在保持高精度的同时显著降低计算复杂度和参数量。该方法通过创新的空间金字塔池化与通道注意力机制的结合,实现了网络结构的紧凑化和运算效率的大幅提升。核心创新点1. 混合空间金字塔池化(Hybrid Spatial Pyramid Pooling, HSPP)多尺度动态核池化:根据输入特征图尺寸动态调整池化核大小和步长交叉级联结构。

Henry的博客 1298

Swin Transformer详解

原创:余晓龙 “Swin Transformer: Hierarchical Vision Transformer using Shifted Window”是微软亚洲研究院(MSRA)发表在arXiv上的论文,文中提出了一种新型的Transformer架构,也就是Swin Transformer。本文旨在对Swin Transformer架构进行详细解析。 一、Swin Transformer网络架构 整体的网络架构采取层次化的设计,共包含4个stage,每个stage都会缩小输入特征图的分辨率,类似于

我的博客 8554

从MIPS汇编到C语言:手把手教你用Mars模拟器理解指令集(附实战代码)

本文详细介绍了如何使用Mars模拟器从MIPS汇编过渡到C语言编程,通过实战代码解析ADD、LW、BEQ等指令集与C语言结构的对应关系。内容涵盖环境搭建、算术运算、内存访问、条件分支及函数调用等核心概念,帮助读者深入理解MIPS指令分类和计算机底层运行机制。

weixin_26821003的博客 353

Swin-Transformer 详解

用动画深入解释Swin-Transformer

欢乐的小树的博客 8987

ROS四旋翼无人机快速上手指南(4):阿木实验室PX4功能包飞行控制分析与讲解(重点章节)

成就更好的自己 这一章详细讲解一下阿木实验室(AMOV)的开源项目px4_command功能包,此功能包通过mavlink协议直接控制烧录px4固件的自驾仪,还融合了来自各个传感器的位姿,距离等信息,此外,功能包提供的接口向上对接应用层算法级的程序例如SLAM,kfc目标检测引导,路径规划等算法,因此,在整个无人机控制中起到了承上启下至关重要的作用。 用到的文件及工具包链接如下: AMOV实验室源码如下: https://gitee.com/theroadofengineers/px4_comman

The Road of Engineer 6165

软件测试工程师笔试题

这里写目录标题全套软件测试面试笔试题(附答案)二、选折三、添空四、简答(资料是搜集整理的,感谢前辈的解题)无1.区别阶段评审的与同行评审2.什么是软件测试3. 简述集成测试的过程4 怎么做好文档测试5 白盒测试有几种方法6 系统测试计划是否需要同行审批,为什么7Alpha 测试与 beta 的区别8 比较负载测试,容量测试和强度测试的区别。性能测试从使用方便的角度来说,9 测试结束的标准是什么?10 描述软件测试活动的生命周期?11 软件的缺陷等级应如何划分? 软件测试工程师笔试题(附答案) 全套软件测试面

m0_46446002的博客 2549

Swin Transformer搭建

nvcc -V。

weixin_43904584的博客 2669

无监督低照度增强实战:用ZeroDCE和SCI拯救你的夜间照片(附PyTorch代码)

本文深入探讨了无监督低照度图像增强技术,重点解析了ZeroDCE和SCI两大代表性模型的核心原理与实战应用。通过对比分析两者的技术路径、网络结构及性能特点,并附上详细的PyTorch代码实现,旨在帮助读者掌握无需配对数据即可有效提升夜间照片画质的深度学习解决方案。

git9versioner的博客 486

【Transformer】4、Swin Transformer

文章目录一、背景二、动机三、方法四、效果 代码:https://github.com/microsoft/Swin-Transformer 一、背景 Transformer 最开始是在 NLP 中使用较多,因为其 self-attention 组件能够对 Long-range 的信息进行建模,近期有很多人开始将 Transformer 应用到计算机视觉中,作为一个类似于 CNN 的特征提取器。 二、动机 NLP 到 CV ,主要有两个问题: 视觉场景中,目标大小不同 视觉场景中,图像的分辨率远远大于句子.

呆呆的猫的博客 5269

【小程序】支付宝直付通解决方案

支付宝直付通是支付宝为小程序提供的一种支付解决方案,可以实现小程序中直接使用支付宝进行支付。以上是一个简单的支付宝直付通解决方案及相关代码示例。具体的使用还需要根据自己的业务需求进行定制化开发和调整。

qq_31532979的贺公子之数据科学与艺术博客,致力于科技向善,拥抱开源,要用技术的影响力来领导团队,而不是威权和职位! 1271

UEC++ 虚幻5笔记(数字孪生示例) day13

文件读取与写入,数字孪生入门制作

qq_44924388的博客 3838

Swin-Transformer

用一个4*4大小的窗口对输入图像做分割,分割后的每一个窗口在channel方向进行展平,展平后为每个像素沿深度方向进行拼接,每个像素都是RGB三通道的,16*3=48;移动后保留区域4(4*4),将区域5和区域3合并(2*4+2*4),将区域7和区域1合并(4*2+4*2),将区域8、区域6、区域2、区域0合并(2*2+2*2+2*2+2*2),将4个大区域内部进行MSA计算,减少了计算。若以蓝色为(0,0),用蓝色的相对位置索引(0,0)减去橙色的绝对位置索引(0,1)得到相对位置索引(0,-1)

m0_61595251的博客 1612

Ollama + OpenCLAW 在 Windows 系统的完整部署指南

Windows 部署优先选 WSL2,避免原生环境的权限/兼容性问题;网络问题通过“离线包+国内镜像”解决,版本问题通过升级 Node.js 解决;内存不足可切换轻量模型或增大 WSL2 内存分配;核心链路:Ollama(模型管理)→ Gateway(网关)→ OpenCLAW TUI(交互),各组件启动正常即可稳定使用。

lpfasd123的博客 2807

Swin transformer讲解

讲解Swin transformer

weixin_41704021的博客 1962

C++怎么学?零基础也可以,一份完整学习路线图助你搞定!

提供一条清晰、系统且实践导向的C++学习路径。从基础语法、面向对象、泛型编程、异常处理,逐步深入STL、智能指针、并发编程等现代C++高级特性。无论是新手还是希望提升,通过系统学习与项目实践,助您将理论知识转化为实际解决问题的能力。

Lion_Long的博客 3995

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Swin-Transformer详解

Swin-Transformer是2021年微软研究院发表在ICCV上的一篇文章,并且已经获得的荣誉称号。虽然在图像分类方面的结果令人鼓舞,但是由于其低分辨率特性映射和复杂度随图像大小的二次增长,其结构不适合作为密集视觉任务或高分辨率输入图像的通过骨干网路。为了最佳的精度和速度的权衡,提出了Swin-Transformer结构。论文名称原论文地址官方开源代码地址Pytorch实现代码Tensorflow2实现代码如下图所示为:Swin-Transformer与ViT的对比结构。采样方式。

hellozhxy的博客 1万+

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

上一篇: nvidia训练深度学习模型利器apex使用解读
下一篇: nvidia-smi和nvcc -V的cuda版本区别
数据猴赛雷
博客等级 码龄18年 1433粉丝 314原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值