语义分割实践思考记录(个人备忘录)

一、任务管理器、NVDIA的GPU利用率显示[1][2]

若需要在任务管理器中查看基于Pytorch框架的GPU利用率,那么,我们需要将监控面板监测内容调整为cuda。图一(左)即为英伟达命令行工具面板。
图一 英伟达GPU使用率监控

二、基于混淆矩阵的语义分割评价指标计算

在语义分割数据集标签制作的过程中,我们通常根据分类类别数N来以0 --- (N-1)的整型数字标记不同的分类目标。通过图二可以看出,在相同预测模型且相同数据量的情况下,方法二评价指标计算效率高(较方法一节约了一半时间),同时,充分有效地利用了上述标签标记的机制。

方法二的混淆矩阵代码编写简述:首先,根据语义分割任务分类类别数N创建N×N(N行N列)的零矩阵,然后利用pytorch中的view()函数将单幅预测结果图及标签图分别展平为一行,再者利用Python的zip()函数组合对应像素的混淆矩阵坐标,最后根据混淆矩阵坐标不断循环加一即可。若混淆矩阵坐标为(预测值,标签值),则行号为预测结果,列号为真值。
图二 混淆矩阵生成与精度指标计算

参考资料:

1\][NVIDIA查看CPU、内存、GPU、DLA使用情况_宗而研之的博客-CSDN博客](https://blog.csdn.net/zong596568821xp/article/details/80268034 "NVIDIA查看CPU、内存、GPU、DLA使用情况_宗而研之的博客-CSDN博客") \[2\][Tensorflow模型GPU使用率低的问题_模流分析软件不占gpu_CooL截击的博客-CSDN博客](https://blog.csdn.net/weixin_50767274/article/details/127173198 "Tensorflow模型GPU使用率低的问题_模流分析软件不占gpu_CooL截击的博客-CSDN博客")

相关推荐
l12345sy15 小时前
Day24_【深度学习—广播机制】
人工智能·pytorch·深度学习·广播机制
蒋星熠1 天前
如何在Anaconda中配置你的CUDA & Pytorch & cuNN环境(2025最新教程)
开发语言·人工智能·pytorch·python·深度学习·机器学习·ai
weiwei228441 天前
Torch核心数据结构Tensor(张量)
pytorch·tensor
wL魔法师2 天前
【LLM】大模型训练中的稳定性问题
人工智能·pytorch·深度学习·llm
技术小黑2 天前
Transformer系列 | Pytorch复现Transformer
pytorch·深度学习·transformer
DogDaoDao2 天前
神经网络稀疏化设计构架方法和原理深度解析
人工智能·pytorch·深度学习·神经网络·大模型·剪枝·网络稀疏
西猫雷婶2 天前
pytorch基本运算-Python控制流梯度运算
人工智能·pytorch·python·深度学习·神经网络·机器学习
ACEEE12223 天前
Stanford CS336 | Assignment 2 - FlashAttention-v2 Pytorch & Triotn实现
人工智能·pytorch·python·深度学习·机器学习·nlp·transformer
深耕AI3 天前
【PyTorch训练】准确率计算(代码片段拆解)
人工智能·pytorch·python
nuczzz3 天前
pytorch非线性回归
人工智能·pytorch·机器学习·ai