微网站建设哪家便宜,内蒙古市最新新闻,wordpress产品展示放大镜,做商城网站要什么手续一、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#xff0c;那么#xff0c;我们需要将监控面板监测内容调整为cuda。图一#xff08;左#xff09;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…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
[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
