Netron

作者： 江大白 知乎链接： https://zhuanlan.zhihu.com/p/143747206 本文仅供学习参考，如有侵权，请联系删除！ 文章目录 1. 论文汇总 2. Yolov3核心基础内容 2.1 网络结构可视化 2.2 网络结构图 2.3 核心基础内容 3. Yolov3相关代码 3.1 python代码 3.2 C++代码内容 3.3 python版本的Tensorrt代码 3.4 C++版本的Tensorrt代码 4. Yolov4核心基础内容 4.1 网络结构可视化 4.2 网络结构图 4.3 核心基础内容 4.3.1 输入端创新 4.3.2 Backbone创新 4.3.3 Neck创新 4.4.4 Prediction创新 5. Yolov4相关代码 5.1 python代码 5.2 C++代码 1.论文汇总 Yolov3论文名：《Yolov3: An Incremental Improvement》 Yolov3论文地址：https://arxiv.org/pdf/1804.02767.pdf Yolov4论文名：《Yolov4: Optimal Speed and Accuracy of Object Detection》 Yolov4论文地址：https://arxiv.org/pdf/2004.10934.pdf 2.YoloV3核心基础内容 2

Tensorflow模型量化4 --pb转tflite小结(uint8量化) 实验环境：tensorflow-gpu1.15+cuda10.0 模型的fp16量化和int8量化我之前有写，参考： 龟龟：Tensorflow模型量化实践2--量化自己训练的模型​zhuanlan.zhihu.com 这次发现uint8量化时有参数设置，所以准备是从头再梳理一遍 2.参与量化的模型： 训练tensorflow-object-detection API 得到的ssdlite_mobilenet _ v2模型，导出为frozen_inference_graph.pb 3.获取输入输出节点 进行frozen_inference_graph.pb模型解析，得到输入输出节点信息 代码入下： """ code by zzg """ import tensorflow as tf import os os.environ["CUDA_VISIBLE_DEVICES"] = "0" config = tf.ConfigProto() config.gpu_options.allow_growth = True with tf.Session() as sess: with open('frozen_inference_graph_resnet.pb','rb') as f: graph_def = tf

【一】本文内容综述 1. keras使用流程分析（模型搭建、模型保存、模型加载、模型使用、训练过程可视化、模型可视化等） 2. 利用keras做文本数据预处理 【二】环境准备 1. 数据集下载：http://ai.stanford.edu/~amaas/data/sentiment/ 2.安装Graphviz ，keras进行模型可视化时，会用到该组件： https://graphviz.gitlab.io/_pages/Download/Download_windows.html 【三】数据预处理 将imdb压缩包解压后，进行数据预处理。 1. 将每条影评中的部分词去掉 2. 将影评与label对应起来 3. 将影评映射为int id，同时将每条影评的长度固定，好作为定长输入数据 # -*- coding:utf-8 -*- import keras import os import numpy as np import re from keras.preprocessing import text from keras.preprocessing import sequence from keras.utils import plot_model import matplotlib.pyplot as plt Reg = re.compile(r'[A-Za-z]*')