首页   注册   登录
 Olament 最近的时间轴更新
Olament

Olament

V2EX 第 344505 号会员,加入于 2018-08-26 20:51:54 +08:00
今日活跃度排名 2253
Olament 最近回复了
@jaswer 我在想有没有类似于 tensorflow serving 这种的
@ipwx 感谢分享!不过这个硬盘主要是我自己平时炼丹用的。我们实验室有另外的配置。
@ipwx 对的我也是这么想的。只是想知道有没有人这么实践过
@imn1 新增长的数据不是深度学习产生的数据,是我们新采集的数据集。所以平常的确是主要以读取数据为主。
@imn1 感谢回复,我现在用的就是 SSD 来存放数据集,但是最近开始做视频方面的工作了,所以未来数据的大小肯定辉成倍增长的。所以您觉得 WD MyBook 是一个不错的方案吗?
55 天前
回复了 Olament 创建的主题 求职 本科大三简历求批 & 求实习
@viztorix 我们学校是文理学院,所有学位都是 Bachelor of Arts
@kisshere 我给的这个连接是 pre-trained 物体检测模型。Clarifai 演示的是 多标签图像分类。所以这两个实现的不是任务。
关于有没有公开的模型能达到 Clarifai 的精度的问题。我搜索了一下,没有发现 Clarifai 自己有公开自己模型的性能。所以精度也无从比较。而且,一般来说,计算机视觉模型的性能不仅仅取决于模型的架构,和训练时采用的数据集也有关系。Clarifai 肯定用了自己收集的 非公开 的数据集来训练模型,而且模型估计也跑在多个 GPU 上,所以自己单机的训练的模型应该很达到 Clarifai 的精度。

https://github.com/tensorflow/models/tree/master/research/slim#Pretrained
这个连接是 TensorFlow 官方给出的预训练的图像分类模型,我推荐你可以自己下一个 ResNet 50/101/152 (模型大小取决于你的 GPU ),然后看看能不能满足的需求
首先要搞明白你想要做的是 Object Detection 还是 Multi-label Image Classification。 你给的 Clarifai 的 demo 演示的是 Multi-label Image Classification。 但是你提到的 YOLO v1/v2/v3 是一个 Object Detection System。

对于 YOLO v3 是不是一个好的 Object Detection System,这完全取决于你的应用。比如说你不考虑实际部署,那有很多表现比 YOLO 但是更“重”的 Two-stage Dection State-of-the-art system。参考: https://paperswithcode.com/task/object-detection。 但是如果你要把你的模型部署的实际设备上去,那 YOLO “足够好".

对于选用数据集的问题, 一般来说 Image Classficiation 采用的都是 ImageNet 训练。Object Detection 我不太熟悉,但是 COCO 似乎是一个比较流行的数据集。但是,对于这些大家研究的都比较透彻的 Computer Vision task,不推荐你自己来训练模型,主要是搭建模型和训练模型如果没有相关经验会踩很多坑。完全可以下载别人已经训练好的模型,比如: https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md
82 天前
回复了 oldbird 创建的主题 硬件 深度学习通过微调训练对显卡要求高吗?
1050ti 显存是多少,显存太小很多模型都装不下的
105 天前
回复了 1002xin 创建的主题 Apple 前两天答应的--打造高颜值的 iTerm2
感谢楼主,刚刚还在找你这个主题🙏
关于   ·   FAQ   ·   API   ·   我们的愿景   ·   广告投放   ·   感谢   ·   实用小工具   ·   655 人在线   最高记录 5168   ·     Select Language
创意工作者们的社区
World is powered by solitude
VERSION: 3.9.8.3 · 32ms · UTC 21:24 · PVG 05:24 · LAX 13:24 · JFK 16:24
♥ Do have faith in what you're doing.