技术标签: 从torch t7模型中取训练数据 风格转换
上一章中,我们已经取出层名,层名和层名之间,是存放参数的空间,这样相当于已经给模型分了层。
我们只要在层间搜索参数就可以了。
第2步:搜索参数
以卷积层为例:
if(startsWith(TorchClassName,"nn.SpatialConvolution"))
{
const char *findstr[] = {
"name", //名称
"dW", "dH", //步长
"kW", "kH", //核宽
"weight", "bias", //权重,偏移
"padW", "padH", //补边(2参数)
"pad_l", "pad_r", "pad_t", "pad_b", //补边(4参数)
"nInputPlane", "nOutputPlane", //输入、输出维度
NULL};
fpos = ftell(m_FilePointer);//记录层开头位置(在文件中)。
for (int i = 0; findstr[i]; i++)
{
fout<<findstr[i]<<":"<<endl;
bool ret=false;
while(!ret){
ret=跳到某字符串位置后(findstr[i]); //注意不要跑到下一层去
if(ret)
ret=readObject(fout);//这里的一些函数可以从OpenCV稍稍修改而来
}
fseek(m_FilePointer, fpos,SEEK_SET);//回到开头位置后再搜索
}
}
上面我们已经把所有参数都保存到一个文件中了。
这里,我们的目的不是拿出所有参数,我们只要拿出卷积层的训练参数 weight,bias,其它在训练前就知道的就不用了
按OpenCV的代码分析几个t7模型,
存放方式分两种,1是统一存放,另1是分别存入
T7存放方式按:数据首址,数据偏移,数据类型
这里就有两种取法,
1。取数据(OpenCV方式)
2。取地址(=数据首址+数据偏移x sizeof(数据类型))
取地址方式应该灵活一点
取数据偏移:
void readTorchTensor(ofstream &fout, int typeTensor,const char * ch_str)
{
int ndims = readInt();
my_readLongRaw(fout, ndims);//读取长原始数据//THFile_readLongRaw
my_readLongRaw(fout, ndims);
int64_t offset = readLong() - 1;
fout<<"偏移:"<<offset<<endl;
if(this_norm_conv==is_conv)
{
if(strcmp(ch_str,"weight")==0)
*file_data_offset.weight_offset =(long)offset;//权重数据偏移 <--这里
else if(strcmp(ch_str,"bias")==0)
*file_data_offset.bias_offset =(long)offset;//偏移数据偏移 <--这里
}
//read Storage
int typeidx = readInt();
//fout<<"typeidx:"<<typeidx<<endl;
assert(typeidx == TYPE_TORCH || (typeidx == TYPE_NIL && ndims == 0));
if (typeidx == TYPE_NIL)
{
return;
}
int indexStorage = readInt();
{
string className = readTorchClassName();
fout<<"className:"<<className<<endl;
int typeStorage = parseStorageType(className);
readTorchStorage(fout, typeStorage);
}
}
取首址和类型:
void my_readDoubleRaw(ofstream &fout, int64_t size)
{
//double data;
fout<<"尺寸:"<<size<<endl;
fout<<"地址:"<<ftell(m_FilePointer)<<endl;
if(this_norm_conv==is_conv)
file_data_offset.data_offset=ftell(m_FilePointer);//数据首址 <--这里
file_data_offset.data_type=sizeof(double);//数据类型 <--这里
// for (int64_t i = size - 1; i >= 0; i--)
// {
// fread(&data, sizeof(double), 1, m_FilePointer);
//fout<<data<<' ';
// }fout<<endl;
}
void my_readFloatRaw(ofstream &fout, int64_t size)
{
//float data;
fout<<"尺寸:"<<size<<endl;
fout<<"地址:"<<ftell(m_FilePointer)<<endl;
if(this_norm_conv==is_conv)
file_data_offset.data_offset=ftell(m_FilePointer);//数据首址 <--这里
if(this_norm_conv==is_norm)
file_InstanceNormalization_data_offset.data_offset=ftell(m_FilePointer);
if(this_norm_conv==is_batchnorm)
file_SpatialBatchNormalization_data_offset.data_offset=ftell(m_FilePointer);
file_data_offset.data_type=sizeof(float);//数据类型 <--这里
// for (int64_t i = size - 1; i >= 0; i--)
// {
// fread(&data, sizeof(float), 1, m_FilePointer);
//fout<<data<<' ';
// }fout<<endl;
}
这些函数都是从OpenCV中抄过来再稍改改, my_ 对应 THFile_
然后组合:
// 还要加上文件位置
if(strcmp(ch_str,"weight")==0)
{
*file_data_offset.weight_offset *= file_data_offset.data_type;//乘 类型 <--这里
*file_data_offset.weight_offset++ += file_data_offset.data_offset;//加 数据首址 <--这里
}
else if(strcmp(ch_str,"bias")==0)
{
*file_data_offset.bias_offset *= file_data_offset.data_offset;
*file_data_offset.bias_offset++ += file_data_offset.data_offset;
}
这里用到地址池:
struct Data位置
{
long data_offset;
long * weight_offset;
long * bias_offset;
int data_type;
//构造函数
Data位置();
};
Data位置::Data位置()
{
data_offset=0;
weight_offset=NULL;
bias_offset=NULL;
data_type=0;
}
Data位置 file_data_offset;
使用时用:
long *weight_offset=new long[2+2+4+1 ];
long *bias_offset=new long[2+2+4+1 ];
string pathname ="D:/3D/cv33/cv33/AdaIN-style-master/models/";
string torch_model_name ="vgg_normalised.t7";
//decoder-content-similar 解码器颜色和内容相似
//decoder
pathname += torch_model_name;
loadModel_data_offset(pathname,weight_offset,bias_offset);
loadModel_data_offset函数:
void loadModel_data_offset(string torch_model_name,long * weight_offset,long * bias_offset)
{
file_data_offset.weight_offset=weight_offset;
file_data_offset.bias_offset=bias_offset;
readModel(torch_model_name);
}
这样就已经从t7模型取出训练数据了。
文章浏览阅读331次。第一部分:准备工作1 安装虚拟机2 安装centos73 安装JDK以上三步是准备工作,至此已经完成一台已安装JDK的主机第二部分:准备3台虚拟机以下所有工作最好都在root权限下操作1 克隆上面已经有一台虚拟机了,现在对master进行克隆,克隆出另外2台子机;1.1 进行克隆21.2 下一步1.3 下一步1.4 下一步1.5 根据子机需要,命名和安装路径1.6 ..._创建一个hadoop项目
文章浏览阅读1.7k次。心脏滴血漏洞HeartBleed CVE-2014-0160 是由heartbeat功能引入的,本文从深入码层面的分析该漏洞产生的原因_heartbleed代码分析
文章浏览阅读1.4k次。前言ofd是国家文档标准,其对标的文档格式是pdf。ofd文档是容器格式文件,ofd其实就是压缩包。将ofd文件后缀改为.zip,解压后可看到文件包含的内容。ofd文件分析工具下载:点我下载。ofd文件解压后,可以看到如下内容: 对于xml文件,可以用文本工具查看。但是对于印章文件(Seal.esl)、签名文件(SignedValue.dat)就无法查看其内容了。本人开发一款ofd内容查看器,..._signedvalue.dat
文章浏览阅读1.8w次,点赞29次,收藏313次。整体系统设计本设计主要是对ADC和DAC的使用,主要实现功能流程为:首先通过串口向FPGA发送控制信号,控制DAC芯片tlv5618进行DA装换,转换的数据存在ROM中,转换开始时读取ROM中数据进行读取转换。其次用按键控制adc128s052进行模数转换100次,模数转换数据存储到FIFO中,再从FIFO中读取数据通过串口输出显示在pc上。其整体系统框图如下:图1:FPGA数据采集系统框图从图中可以看出,该系统主要包括9个模块:串口接收模块、按键消抖模块、按键控制模块、ROM模块、D.._基于fpga的信息采集
文章浏览阅读2.5w次。1.背景错误信息:-- [http-nio-9904-exec-5] o.s.c.n.z.filters.post.SendErrorFilter : Error during filteringcom.netflix.zuul.exception.ZuulException: Forwarding error at org.springframework.cloud..._com.netflix.zuul.exception.zuulexception
文章浏览阅读358次。1.介绍图的相关概念 图是由顶点的有穷非空集和一个描述顶点之间关系-边(或者弧)的集合组成。通常,图中的数据元素被称为顶点,顶点间的关系用边表示,图通常用字母G表示,图的顶点通常用字母V表示,所以图可以定义为: G=(V,E)其中,V(G)是图中顶点的有穷非空集合,E(G)是V(G)中顶点的边的有穷集合1.1 无向图:图中任意两个顶点构成的边是没有方向的1.2 有向图:图中..._给定一个邻接矩阵未必能够造出一个图
文章浏览阅读321次。(十二)、WDS服务器安装通过前面的测试我们会发现,每次安装的时候需要加域光盘映像,这是一个比较麻烦的事情,试想一个上万个的公司,你天天带着一个光盘与光驱去给别人装系统,这将是一个多么痛苦的事情啊,有什么方法可以解决这个问题了?答案是肯定的,下面我们就来简单说一下。WDS服务器,它是Windows自带的一个免费的基于系统本身角色的一个功能,它主要提供一种简单、安全的通过网络快速、远程将Window..._doc server2012上通过wds+mdt无人值守部署win11系统.doc
文章浏览阅读219次。python–xlrd/xlwt/xlutilsxlrd只能读取,不能改,支持 xlsx和xls 格式xlwt只能改,不能读xlwt只能保存为.xls格式xlutils能将xlrd.Book转为xlwt.Workbook,从而得以在现有xls的基础上修改数据,并创建一个新的xls,实现修改xlrd打开文件import xlrdexcel=xlrd.open_workbook('E:/test.xlsx') 返回值为xlrd.book.Book对象,不能修改获取sheett_xlutils模块可以读xlsx吗
文章浏览阅读8.2w次,点赞267次,收藏656次。运行Selenium出现'WebDriver' object has no attribute 'find_element_by_id'或AttributeError: 'WebDriver' object has no attribute 'find_element_by_xpath'等定位元素代码错误,是因为selenium更新到了新的版本,以前的一些语法经过改动。..............._unresolved attribute reference 'find_element_by_id' for class 'webdriver
文章浏览阅读198次。一:模态窗口//父页面JSwindow.showModalDialog(ifrmehref, window, 'dialogWidth:550px;dialogHeight:150px;help:no;resizable:no;status:no');//子页面获取父页面DOM对象//window.showModalDialog的DOM对象var v=parentWin..._jquery获取父window下的dom对象
文章浏览阅读1.7w次,点赞15次,收藏129次。算法(algorithm)是解决一系列问题的清晰指令,也就是,能对一定规范的输入,在有限的时间内获得所要求的输出。 简单来说,算法就是解决一个问题的具体方法和步骤。算法是程序的灵 魂。二、算法的特征1.可行性 算法中执行的任何计算步骤都可以分解为基本可执行的操作步,即每个计算步都可以在有限时间里完成(也称之为有效性) 算法的每一步都要有确切的意义,不能有二义性。例如“增加x的值”,并没有说增加多少,计算机就无法执行明确的运算。 _算法
文章浏览阅读1.5k次,点赞18次,收藏26次。网络安全的标准和规范是网络安全领域的重要组成部分。它们为网络安全提供了技术依据,规定了网络安全的技术要求和操作方式,帮助我们构建安全的网络环境。下面,我们将详细介绍一些主要的网络安全标准和规范,以及它们在实际操作中的应用。_网络安全标准规范