如何加速 RPN 或 SSD 神經元網絡的訓練

Question

我們知道，在 SSD 中，有三個 output 特征圖。 在訓練過程中，我必須計算 SDD 的 output 和 ground truth 每個像素之間的損失。 那么如何才能快速完成這個“從像素到像素的運算”呢？ 現在我使用嵌套的for循環來完成loss的計算，但是速度極慢。 再舉一個例子，有一個output map 表示是否有一個object的概率，說大小是100×100，我設置第5個。 那我怎么知道output map的哪個像素值大於0.5呢？ 現在我使用 for 循環，比如for i in range(100): for y in range(100): if map[i][y]>0.5 do something ，太慢了？ 那么我該如何解決呢？

Answer 1

鑒於您問題中的信息，您可以使用numpy庫與numpy.ndarray一起使用，然后您將能夠執行各種元素操作而無需循環。

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，您可以使用它僅使用相關元素執行計算。