fangxuwei

你测试是用论文里说的大小测的吗

我之前的实验，只在icdar2015跑了15个epoch， {'precision': 0.6114808652246256, 'recall': 0.3538757823784304, 'hmean': 0.44830741079597436, 'AP': 0} ，没有这么差

> @bxhandhxb > 那可以沟通交流一下吗 一起学习 qq969548863 你是按论文里的大小测试的吗，论文里测试最大边长是2000多，我记得

> @bxhandhxb > 那可以沟通交流一下吗 一起学习 qq969548863 你也可以用我这个跑一下 ，https://github.com/BADBADBADBOY/pytorch.ctpn，我加了ohem和模糊文本不参与训练的操作

不检测文本用别的算法不香吗，这个太慢了吧

> 1、采用量化/反量化这个方式在之前范围实现离散化(量化)。量化-反量化-卷积 和 量化-卷积-反量化的结果是一样的。这里的量化训练采用前者是为了方便写代码，模拟量化的过程，验证量化精度；量化部署采用后者，量化卷积实现加速； > 2、可以这样考虑，一方面如果是在通用平台部署可以自己做下剪枝等，然后放到已有框架上量化部署；一方面如果是FPGA或ASIC等，可以自己做剪枝/量化等，然后把纯参数提取出来去部署。当然，框架里也有压缩的部分，但大部分框架压缩这块儿其实做的不太好，且操作自由度不太高，也有必要借鉴下。 您好，我这样操作后，发现结果不对，请问是哪里有问题吗，代码如下@666DZY666 @VisionZQ import torch.nn.functional as F bias = torch.rand(160).cuda() weight = torch.rand(160,192,1,1).cuda() q_input =torch.rand(1,192,224,224).cuda() scale = torch.rand(160,1,1,1).cuda() zero_point = torch.rand(160,1,1,1).cuda() weight1 = quantize(weight,scale,zero_point) #####...

> 非常感谢badboy的工作，👍赞 > > 记录下自己在使用项目过程中遇见的问题 > 1、 > 问题：torch 用不了cuda > 原因：pytorch==1.5.0 是用pip安装的，导致torch和cuda可能不匹配，具体匹配规则可见https://blog.csdn.net/kellyroslyn/article/details/109668001 > 解决：去torch官网下载[https://pytorch.org/get-started/previous-versions/，选定指定版本的torch和cuda](https://pytorch.org/get-started/previous-versions/%EF%BC%8C%E9%80%89%E5%AE%9A%E6%8C%87%E5%AE%9A%E7%89%88%E6%9C%AC%E7%9A%84torch%E5%92%8Ccuda) > > 2、 > 问题：训练识别的时候，No module named “warpctc_pytorch” > 原因：没有这个库，不能用pip安装，pip直接安装的会报错。 > 解决：去pypi官网下载这个包即可，需要选定pytorch版本和cuda版本和python版本https://pypi.org/project/warpctc-pytorch/#files > 注意：ptocr/model/loss/ctc_loss.py 作者的ctc还有另外一个torch.nn.CTCLoss...

补充一点，能装一下warp ctc最好，torch ctc会出现莫名nan的情况，不知道高版本的有没有修复，当然我在crnn.py中也加了防止nan的操作，现在用torch ctc 一般来说不因该会出现nan, 总之warp ctc 用起来更加友好

> 为什么我用你的源码运行不了呢 总是提醒module不能带“." > >  > > 把. 去掉也不行，会有 >  好像是torch版本的问题，降低版本就可以了0.3好像可以