[英]how to accelerate the training of RPN or SSD neuron network
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?
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。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.