openmmlab专题
OpenMMLab 2.0系列课程汇总(15篇)
(01)OpenMMLab 2.0 整体介绍(02)MMEngine & MMCV 介绍(03)MMClassification 介绍(04)MMSelfsup 介绍(05)MMDetection 介绍(06)MMDetection3D 介绍(07)OpenMMLab 社区荣誉体系介绍(08)MMSegmentation 介绍(09)MMAction2 介绍(10)MMPose 介绍(11)MME
Datawhale x OpenMMLab：共建国际一流开源项目！
CV 技术盛事 超级视客营 你的热门活动小助手已上线 百万算力支持，100+ 实战项目任你挑选！ 欢迎来到由 OpenMMLab 联合北京超级云计算中心主办、Datawhale 社区及上海市人工智能行业协会协办的计算机视觉任务实战活动——【超级视客营】第一期。 我们诚邀全球开发者参与这场 CV 界的技术盛事，体验国家级超算设施，共建国际一流开源项目。 你将收获 百万算力支持，
如何在colab配置openmmlab环境（目前网上资料较少，避免踩坑）
1.colab简介 colab是谷歌云服务器，作为一款免费的云服务器谷歌可以说是非常良心，可以享受高配置的gpu运行环境，对于我自己而言我自己电脑只能用cpu跑深度学习的代码可以说时间和效率都非常低。接下来根据自己两天的踩坑经验给大家发一款openmmlab在colab的配置教程。但是每次打开记笔记刷新以后都要重新配置，大约十分钟！ 2.注意torch和gpu的版本 !sudo lsb_r
OpenMMlab导出PointPillars模型并用onnxruntime推理
导出onnx文件 通过mmdeploy的tool/deploy.py脚本容易转换得到PointPillars的end2end.onnx模型。 根据https://github.com/open-mmlab/mmdeploy/blob/main/docs/zh_cn/04-supported-codebases/mmdet3d.md显示，截止目前 mmdet3d 的 voxelize 预处理和后
openmmlab大模型实战营01
与环境进行交互——智能体更合适 模型微调常见方式 模型评测 模型部署常见问题你 大语言模型本身不具备最新信息和知识的获取，此时需要搭建包含不同模块的智能体框架 智能体：以大语言模型为核心，进行规划、推理和执行
OpenMMLab AI实战营 第七课笔记
OpenMMLab AI实战营 第七课笔记 目录 OpenMMLab AI实战营 第七课笔记 import os import numpy as npfrom PIL import Imageimport os.path as ospfrom tqdm import tqdmimport mmcvimport mmengineimport matplotlib.pyplo
openmmlab加载自训练权重
openmmlab加载自训练权重 在openmmlab中要加载自训练的模型权重，用于自己其他数据集训练的预训练模型。只需要在config文件中添加模型初始化。 在config.py文件中的model配置中初始化。 model = dict(type='TopdownPoseEstimator',data_preprocessor=dict(),backbone=dict(),head=dic
Windows利用MMDeploy部署OpenMMLab 模型并使用Python进行部署
目录 前言 一、准备工作 二、安装 MMDeploy 总结 前言 近期在用OpenMMLab构建模型，然后需要使用MMDeploy对模型进行部署。虽然官方文档提供了详细的说明，但是写的太繁琐了，而且在实际部署过程中，发现并不是所有步骤和内容都需要，因此，自己通过测试，记录一下如何利用MMDeploy部署OpenMMLab 模型。 一、准备工作 在利用MMDepl
OpenMMlab导出FCN模型并用onnxruntime推理
导出onnx文件 直接使用脚本 import torchfrom mmseg.apis init_modelconfig_file = 'configs/fcn/fcn_r18-d8_4xb2-80k_cityscapes-512x1024.py'checkpoint_file = 'fcn_r18-d8_512x1024_80k_cityscapes_20201225_021327-6c
OpenMMLab OpenMMLab mmdeploy v1.1.0模型部署（一）
一、MMDepoly整体框架 模型部署是指把机器学习训练生成的算法模型，部署到各类云、边、端设备上去， 并使之高效运行，从而将算法模型实际地应用到现实生活中的各类任务中去，从而实现AI+的智能化转型。 目前，我们已经支持 5 个算法库和 5 种后端推理引擎，囊括多种应用场景: MMDeploy 所支持算法库： • 检测（MMDetection） • 分割（MMSegmentation） •
计算机视觉系列 -OpenMMLab 之 MMRazor 模型轻量化瑞士军刀 蒸馏、剪枝、网络结构搜索全方向覆盖
计算机视觉系列 -OpenMMLab 之 MMRazor 模型轻量化瑞士军刀 蒸馏、剪枝、网络结构搜索全方向覆盖 MMRazor 深度学习模型轻量化算法策略包括：知识蒸馏、模型剪枝、模型量化和网络结构搜索等，在图片分类、语义分割、目标检测、图像超分等各种视觉任务中应用。 MMRazor 是 OpenMMLab 的模型轻量化工具箱， 是一个通用的算法库，支持各类任务上模型轻量化算法的研究与应
![[OpenMMLab] MMTools学习系列](https://img-blog.csdnimg.cn/6779ab73c3cd41c2bc61554ddf730e3e.png)
[OpenMMLab] MMTools学习系列
[OpenMMLab] MMTools学习-笔记1 子豪兄讲解视频 文章目录 [OpenMMLab] MMTools学习-笔记1OpenMMLab总体框架与现状REF OpenMMLab总体框架与现状 OpenMMLab是基于pytorch，支持主流CV算法框架，主要底层视觉库是MMCV和MMEngine，主要部署框架为MMDeploy OpenMMLab致力于构
openMMLab的mmcv和mmdet、mmdet3d、mmseg版本对应关系
openmmlab提供了MIM来统一安装其多个mm功能框架包https://github.com/open-mmlab/mim，但是需要不借助MIM安装时，这里怎么确定要安装什么版本的mmcv和mmdet、mmdet3d、mmseg，在openmmlab网站主页上没有一个容易能找到的完整表格页面来详细记录他们之间的版本对应关系，好不容易找到个Faq页面，里面却只记录了最新的mmcv2.x和其它组
OpenMMlab导出mobilenet-v2的onnx模型并推理
使用mmpretrain导出mobilenet-v2的onnx模型: import torchimport numpy as npfrom mmpretrain import get_modelmodel = get_model('mobilenet-v2_8xb32_in1k',pretrained='mobilenet_v2_batch256_imagenet_20200708-3b2d
OpenMMLab MMYOLO目标检测环境搭建（一）
基准和模型动物园概述 支持YOLOv5实例分割 支持基于mmposex的YOLOv5 - pose 添加15分钟实例分割教程 YOLOv5支持使用掩码注释来优化bbox Add多尺度训练和测试文档。 有关发布历史和更新细节，请参阅changelog。 所有模型均在 COCO train2017 数据集上进行训练，并在 val2017 数据集上进行评估。 TRT-FP16-GPU-Laten
计算机视觉框架OpenMMLab开源学习（五）：目标检测实战
👨💻作者简介： 大数据专业硕士在读，CSDN人工智能领域博客专家，阿里云专家博主，专注大数据与人工智能知识分享。公众号： GoAI的学习小屋，免费分享书籍、简历、导图等资料，更有交流群分享AI和大数据，加群方式公众号回复“加群”或➡️点击链接。 🎉专栏推荐： 目前在写一个CV方向专栏，后期会更新不限于目标检测、OCR、图像分类、图像分割等方向&#
OpenMMLab【超级视客营】——支持InverseForm Loss(MMSegmentation的第三个PR)
文章目录 1. 任务目标1.1 issue1.2 原理相关资料（论文讲解）InverseFormSTN(Spatial Transformer Networks) 1.3 实现相关资料（相关PR） 2. 理解原理3. 代码实现3.X checklist3.0 Issue中的有效内容3.1 MMSegmentation支持multiple loss3.2 北京超级云计算中心-环境配置3.3 创
AI 实战训练营（Class 1）OpenMMLab 概述
AI 实战训练营（Class 1）OpenMMLab 概述 OpenMMLab 概述 OpenMMLab各开源算法库详细介绍明星算法库:MMDetectionMMYOLOMMOCRMMDetection3DMMRotateMMSegmentationMMpretrainMMposeMMHuman3DMMAction2MMagicMMDeployPlayground OpenMMLab开源生态
计算机视觉框架OpenMMLab（一）：计算机视觉基础
👨💻作者简介： 大数据专业硕士在读，CSDN人工智能领域博客专家，阿里云专家博主，专注大数据与人工智能知识分享。公众号： GoAI的学习小屋，免费分享书籍、简历、导图等资料，更有交流群分享AI和大数据，加群方式公众号回复“加群”或➡️点击链接。 🎉专栏推荐： 目前在写一个CV方向专栏，后期会更新不限于目标检测、OCR、图像分类、图像分割等方向，目前活动仅19.9，虽然付费但会长期更新