MCPcopy Create free account

hub / github.com/ddsggcs/cv_learning_resnet50 / functions

Functions210 in github.com/ddsggcs/cv_learning_resnet50

⨍ Functions 210◇ Types & classes 1
↓ 21 callersFunctionwrite
practice/cpp/5th_codegen/ops/common.h:10
↓ 21 callersFunctionwrite
practice/cpp/6th_mul_thread/ops/common.h:10
↓ 16 callersFunctionComputeBottleNeck
计算 ResNet50 中的一个 bottleneck 结构，包括残差连接。 参数: in_data (numpy.ndarray): 输入数据。 bottleneck_layer_name (str): bottleneck 结构的名称。 down_sa
practice/python/infer.py:250
↓ 16 callersFunctionComputeBottleNeck
practice/cpp/5th_codegen/resnet_codegen.cc:286
↓ 16 callersFunctionComputeBottleNeck
瓶颈层的计算函数
practice/cpp/3rd_preload/resnet_preload.cc:240
↓ 16 callersFunctionComputeBottleNeck
BottleNeck 计算
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:232
↓ 16 callersFunctionComputeBottleNeck
practice/cpp/6th_mul_thread/resnet_mt.cc:286
↓ 16 callersFunctionComputeBottleNeckPreLoad
practice/cpp/5th_codegen/resnet_codegen.cc:237
↓ 16 callersFunctionComputeBottleNeckPreLoad
瓶颈层的预加载函数
practice/cpp/3rd_preload/resnet_preload.cc:194
↓ 16 callersFunctionComputeBottleNeckPreLoad
预加载 BottleNeck 层函数，按照原有的 BottleNeck 结构直接调用相关层即可
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:183
↓ 16 callersFunctionComputeBottleNeckPreLoad
practice/cpp/6th_mul_thread/resnet_mt.cc:237
↓ 16 callersFunctioncompute_bottleneck
计算bottleneck层，bottleneck层通常由三到四个不同的conv + BN + RELU 结构组成，并且 bottleneck 结构可能包含下采样 bottleneck 结构参考本仓库 model/resnet50.onnx.png 文件
practice/cpp/2nd_avx2/resnet_avx2.cc:139
↓ 16 callersFunctioncompute_bottleneck
计算bottleneck层，bottleneck层通常由三到四个不同的conv + BN + RELU 结构组成，并且 bottleneck 结构可能包含下采样 bottleneck 结构参考本仓库 model/resnet50.onnx.png 文件
practice/cpp/1st_origin/resnet.cc:135
↓ 12 callersFunctionGetTime
静态内联函数，用于获取当前时间的毫秒数
practice/cpp/utils.h:117
↓ 11 callersFunctionsave
保存给定层的权重和偏置到文本文件中。 参数: data: 层对象，可以是卷积层、批归一化层或全连接层。 file (str): 保存权重和偏置的文件名的基础部分。
practice/model/resnet50_parser.py:68
↓ 8 callersFunctionLoadDataFromFile
从文件中加载数据。 参数: file_name (str): 要读取的文件的路径。 is_float (bool): 指示加载的数据是否应被解释为浮点数。默认为 True。 如果为 False，则数据将被解释为整数。
practice/python/infer.py:21
↓ 6 callersFunctionAdd
practice/cpp/6th_mul_thread/resnet_mt.cc:216
↓ 6 callersFunctionGetFileName
这个函数的主要功能是读取指定目录下的所有文件 并根据文件名给每个文件分配一个预定义的标签（例如，不同动物的图片分配不同的标签）。 函数最后返回一个包含文件名和对应标签的 map。
practice/cpp/utils.h:21
↓ 6 callersFunctionPreProcess
预处理函数 输入为图像的路径，函数内部会加载图像，进行预处理
practice/cpp/utils.h:126
↓ 6 callersFunctionShowResult
静态内联函数，用于显示模型预测结果
practice/cpp/utils.h:87
↓ 5 callersFunctionComputeBatchNormLayer
计算指定批归一化层的输出。 参数: in_data (numpy.ndarray): 批归一化层的输入数据。 layer_name (str): 批归一化层的名称，用于确定加载相关参数的文件。 返回: numpy.ndarray: 批归一化层的输
practice/python/infer.py:162
↓ 5 callersFunctionComputeConvLayer
计算指定卷积层的输出。 参数: in_data (numpy.ndarray): 输入数据，维度为 [h, w, c]，其中 h、w 和 c 分别表示高度、宽度和通道数。 layer_name (str): 卷积层的名称，用于从预存的文件中加载相应的权重和参数。
practice/python/infer.py:92
↓ 5 callersFunctionComputeLayerBatchNorm
practice/cpp/5th_codegen/resnet_codegen.cc:169
↓ 5 callersFunctionComputeLayerBatchNorm
批归一化层的计算函数
practice/cpp/3rd_preload/resnet_preload.cc:164
↓ 5 callersFunctionComputeLayerBatchNorm
计算批量归一化层
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:144
↓ 5 callersFunctionComputeLayerBatchNorm
practice/cpp/6th_mul_thread/resnet_mt.cc:169
↓ 5 callersFunctionComputeLayerBatchNormPreLoad
practice/cpp/5th_codegen/resnet_codegen.cc:156
↓ 5 callersFunctionComputeLayerBatchNormPreLoad
预加载批归一化层
practice/cpp/3rd_preload/resnet_preload.cc:150
↓ 5 callersFunctionComputeLayerBatchNormPreLoad
预加载批量归一化层的函数
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:131
↓ 5 callersFunctionComputeLayerBatchNormPreLoad
practice/cpp/6th_mul_thread/resnet_mt.cc:156
↓ 5 callersFunctionComputeLayerConv2d
practice/cpp/5th_codegen/resnet_codegen.cc:105
↓ 5 callersFunctionComputeLayerConv2d
推理时使用: 用于计算卷积层
practice/cpp/3rd_preload/resnet_preload.cc:106
↓ 5 callersFunctionComputeLayerConv2d
计算卷积层
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:100
↓ 5 callersFunctionComputeLayerConv2d
practice/cpp/6th_mul_thread/resnet_mt.cc:105
↓ 5 callersFunctionComputeLayerConv2dPreLoad
practice/cpp/5th_codegen/resnet_codegen.cc:82
↓ 5 callersFunctionComputeLayerConv2dPreLoad
预加载时使用：计算卷积层
practice/cpp/3rd_preload/resnet_preload.cc:87
↓ 5 callersFunctionComputeLayerConv2dPreLoad
预加载卷积层计算的函数，不执行任何操作
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:80
↓ 5 callersFunctionComputeLayerConv2dPreLoad
practice/cpp/6th_mul_thread/resnet_mt.cc:82
↓ 5 callersFunctionComputeLayerRelu
practice/cpp/5th_codegen/resnet_codegen.cc:66
↓ 5 callersFunctionComputeLayerRelu
用于ReLU层的计算
practice/cpp/3rd_preload/resnet_preload.cc:78
↓ 5 callersFunctionComputeLayerRelu
实现激活层（ReLU）的计算
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:72
↓ 5 callersFunctionComputeLayerRelu
practice/cpp/6th_mul_thread/resnet_mt.cc:66
↓ 5 callersFunctionComputeLayerReluPreLoad
practice/cpp/5th_codegen/resnet_codegen.cc:63
↓ 5 callersFunctionComputeLayerReluPreLoad
用于ReLU层的计算（预加载时直接返回原图像）
practice/cpp/3rd_preload/resnet_preload.cc:75
↓ 5 callersFunctionComputeLayerReluPreLoad
预加载激活层（ReLU）的函数，不执行任何操作
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:69
↓ 5 callersFunctionComputeLayerReluPreLoad
practice/cpp/6th_mul_thread/resnet_mt.cc:63
↓ 5 callersFunctioncompute_bn_layer
计算批量归一化层
practice/cpp/2nd_avx2/resnet_avx2.cc:108
↓ 5 callersFunctioncompute_bn_layer
计算批量归一化层
practice/cpp/1st_origin/resnet.cc:104
↓ 5 callersFunctioncompute_conv_layer
计算卷积层
practice/cpp/2nd_avx2/resnet_avx2.cc:65
↓ 5 callersFunctioncompute_conv_layer
计算卷积层
practice/cpp/1st_origin/resnet.cc:65
↓ 5 callersFunctioncompute_relu_layer
实现 ReLU 激活函数
practice/cpp/2nd_avx2/resnet_avx2.cc:55
↓ 5 callersFunctioncompute_relu_layer
实现 ReLU 激活函数
practice/cpp/1st_origin/resnet.cc:55
↓ 4 callersFunctionComputeReluLayer
对输入数据应用 ReLU 激活函数。 参数: img (numpy.ndarray): 输入数据，可以是神经网络中任意层的输出。 返回: numpy.ndarray: 经过 ReLU 激活函数处理后的结果。
practice/python/infer.py:231
↓ 4 callersFunctionsave_bottle_neck
保存指定残差块中的所有层的权重和参数。 参数: layer: ResNet50 中的一个残差块。 layer_index (int): 残差块的索引，用于文件命名。
practice/model/resnet50_parser.py:119
↓ 2 callersFunctionAdd
practice/cpp/5th_codegen/resnet_codegen.cc:216
↓ 2 callersFunctionAdd
实现加法运算
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:168
↓ 2 callersFunctionAddPreLoad
practice/cpp/5th_codegen/resnet_codegen.cc:213
↓ 2 callersFunctionAddPreLoad
预加载加法运算的函数（不执行任何操作）
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:165
↓ 2 callersFunctionAddPreLoad
practice/cpp/6th_mul_thread/resnet_mt.cc:213
↓ 2 callersFunctionMyConv2d
practice/cpp/5th_codegen/ops/conv2d.cc:33
↓ 2 callersFunctionMyConv2d
该函数使能了利用 avx2 向量指令集的优化。
practice/cpp/3rd_preload/ops/conv2d.cc:36
↓ 2 callersFunctionMyConv2d
定义 MyConv2d 函数，执行实际的卷积运算
practice/cpp/4th_no_malloc/ops/conv2d.cc:47
↓ 2 callersFunctionMyConv2d
practice/cpp/6th_mul_thread/ops/conv2d.cc:33
↓ 2 callersFunctionMyConv2dPreLoad
practice/cpp/5th_codegen/ops/conv2d.cc:15
↓ 2 callersFunctionMyConv2dPreLoad
practice/cpp/6th_mul_thread/ops/conv2d.cc:15
↓ 2 callersFunctionmy_conv2d
该函数使能了利用 avx2 向量指令集的优化。
practice/cpp/2nd_avx2/ops/conv2d.cc:19
↓ 1 callersFunctionCodeGen
practice/cpp/5th_codegen/resnet_codegen.cc:397
↓ 1 callersFunctionCodeGen
practice/cpp/6th_mul_thread/resnet_mt.cc:397
↓ 1 callersFunctionCompileModule
practice/cpp/5th_codegen/resnet_codegen.cc:504
↓ 1 callersFunctionCompileModule
practice/cpp/6th_mul_thread/resnet_mt.cc:504
↓ 1 callersFunctionComputeAvgPoolLayer
执行平均池化操作。 参数: in_data (numpy.ndarray): 需要进行平均池化的输入数据。 返回: numpy.ndarray: 平均池化后的结果。
practice/python/infer.py:211
↓ 1 callersFunctionComputeFcLayer
计算指定全连接层的输出。 参数: in_data (numpy.ndarray): 全连接层的输入数据。 layer_name (str): 全连接层的名称，用于确定加载权重和偏置的文件。 返回: numpy.ndarray: 全连接层的输出数据
practice/python/infer.py:127
↓ 1 callersFunctionComputeLayerAvgPool
practice/cpp/5th_codegen/resnet_codegen.cc:202
↓ 1 callersFunctionComputeLayerAvgPool
平均池化层的计算函数
practice/cpp/3rd_preload/resnet_preload.cc:191
↓ 1 callersFunctionComputeLayerAvgPool
计算平均池化层
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:162
↓ 1 callersFunctionComputeLayerAvgPool
practice/cpp/6th_mul_thread/resnet_mt.cc:202
↓ 1 callersFunctionComputeLayerAvgPoolPreLoad
practice/cpp/5th_codegen/resnet_codegen.cc:200
↓ 1 callersFunctionComputeLayerAvgPoolPreLoad
平均池化层的预加载函数（空实现，不做任何处理）
practice/cpp/3rd_preload/resnet_preload.cc:188
↓ 1 callersFunctionComputeLayerAvgPoolPreLoad
预加载平均池化层的函数（不执行任何操作）
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:159
↓ 1 callersFunctionComputeLayerAvgPoolPreLoad
practice/cpp/6th_mul_thread/resnet_mt.cc:200
↓ 1 callersFunctionComputeLayerFC
practice/cpp/5th_codegen/resnet_codegen.cc:138
↓ 1 callersFunctionComputeLayerFC
推理时计算全连接层
practice/cpp/3rd_preload/resnet_preload.cc:140
↓ 1 callersFunctionComputeLayerFC
计算全连接层
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:124
↓ 1 callersFunctionComputeLayerFC
practice/cpp/6th_mul_thread/resnet_mt.cc:138
↓ 1 callersFunctionComputeLayerFCPreLoad
practice/cpp/5th_codegen/resnet_codegen.cc:130
↓ 1 callersFunctionComputeLayerFCPreLoad
预加载全连接层参数
practice/cpp/3rd_preload/resnet_preload.cc:130
↓ 1 callersFunctionComputeLayerFCPreLoad
预加载全连接层的函数
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:116
↓ 1 callersFunctionComputeLayerFCPreLoad
practice/cpp/6th_mul_thread/resnet_mt.cc:130
↓ 1 callersFunctionComputeLayerMaxPool
practice/cpp/5th_codegen/resnet_codegen.cc:189
↓ 1 callersFunctionComputeLayerMaxPool
最大池化层的计算函数
practice/cpp/3rd_preload/resnet_preload.cc:185
↓ 1 callersFunctionComputeLayerMaxPool
计算最大池化层
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:156
↓ 1 callersFunctionComputeLayerMaxPool
practice/cpp/6th_mul_thread/resnet_mt.cc:189
↓ 1 callersFunctionComputeLayerMaxPoolPreLoad
practice/cpp/5th_codegen/resnet_codegen.cc:187
↓ 1 callersFunctionComputeLayerMaxPoolPreLoad
最大池化层的预加载函数（空实现，不做任何处理）
practice/cpp/3rd_preload/resnet_preload.cc:182
↓ 1 callersFunctionComputeLayerMaxPoolPreLoad
预加载最大池化层的函数（不执行任何操作）
practice/cpp/4th_no_malloc/resnet_no_malloc.cc:153
↓ 1 callersFunctionComputeLayerMaxPoolPreLoad
practice/cpp/6th_mul_thread/resnet_mt.cc:187
↓ 1 callersFunctionComputeMaxPoolLayer
执行最大池化操作。 参数: in_data (numpy.ndarray): 需要进行最大池化的输入数据。 返回: numpy.ndarray: 最大池化后的结果。
practice/python/infer.py:194
↓ 1 callersFunctionGetPicList
从指定目录中获取图片文件列表。 返回: list: 包含图片文件路径的列表。
practice/python/infer.py:296
↓ 1 callersFunctionLoadCon2dParam
practice/cpp/5th_codegen/resnet_codegen.cc:61
↓ 1 callersFunctionLoadCon2dParam
用于从全局map中获取卷积层的参数
practice/cpp/3rd_preload/resnet_preload.cc:69
next →1–100 of 210, ranked by callers