如何加速 RPN 或 SSD 神经元网络的训练

Question

我们知道，在 SSD 中，有三个 output 特征图。 在训练过程中，我必须计算 SDD 的 output 和 ground truth 每个像素之间的损失。 那么如何才能快速完成这个“从像素到像素的运算”呢？ 现在我使用嵌套的for循环来完成loss的计算，但是速度极慢。 再举一个例子，有一个output map 表示是否有一个object的概率，说大小是100×100，我设置第5个。 那我怎么知道output map的哪个像素值大于0.5呢？ 现在我使用 for 循环，比如for i in range(100): for y in range(100): if map[i][y]>0.5 do something ，太慢了？ 那么我该如何解决呢？

Answer 1

鉴于您问题中的信息，您可以使用numpy库与numpy.ndarray一起使用，然后您将能够执行各种元素操作而无需循环。

For instance, with map a 2d numpy.ndarray , map > 0.5 returns a boolean array of the same size as map , indicating which elements are greater than 0.5. 然后，您可以使用它仅使用相关元素执行计算。