- 博客(223)
- 资源 (28)
- 收藏
- 关注
RSS订阅原创 「解析」Jetson 安装 Jtop
Jtop 是Jetson系列开发板上，实时监控 CPU，GPU，内存 等硬件设备使用情况，同时方便开启风扇以及更改风扇的转数的一款库。
2023-04-03 17:57:51
1554
1
原创 「解析」Jetson Orin NX 安装 CUDA/cuDNN
自从JetPack 升级到 5.0版本之后，可以，官方教程提供了三种方法：SD卡、SDK Manager 以及 apt安装Jetpack。前两种主要用于Orin系列之前的 Jetson开发板，主要针对还没有烧录系统的空机。而从 Jetson Orin系列开始，便支持 apt 安装 Jetpack。
2023-04-03 17:55:16
7837
22
原创 「解析」Jetson安装Anaconda
注意 Jetson 采用的不是 x86_64，而是因为Jetson 系列开发板采用的 ARM64 架构，不是 x86_64架构，因此无法直接安装成功，会提示如下错误因此需要下载形式的安装包，推荐使用下载安装，我选择的是 Anaconda3-2023.03-Linux-aarch64.sh。然后一路 yes即可！
2023-04-03 17:46:56
1739
2
原创 「解析」Jetson orin NX烧录系统
Jetson 的系统需要通过 SDK Manager软件进行烧录，但是 SDK Manager 仅支持Linux系统，因此需要提前安装好Linux系统，个人推荐虚拟机。安装 SDK Manager 采用的Ubuntu系统烧录，因此选择 .deb Ubuntu选项，其他系统请选择对应版本的 SDK Manager 然后在下载文件夹下打开 Terminal输入以下命令 sudo dpkg -i sdkmanager_1.9.2-10884_amd64.deb 然后执行以下命令，安装
2023-04-03 17:42:34
2449
原创 「解析」牛客网-华为机考企业真题 81-108
又是一年春招时，有幸收到华为自动驾驶算法岗，之前刷题不多，在此汇总下牛客网的真题，主要采用Python编写，个人觉得语言只是实现工具而已，并不是很关键，Python简洁易懂，更加适合算法工程师快速验证idear，避免重复造轮子的繁琐，希望对看合集的你有些许帮助！
2023-03-27 18:18:17
799
原创 「解析」牛客网-华为机考企业真题61-80
又是一年春招时，有幸收到华为自动驾驶算法岗，之前刷题不多，在此汇总下牛客网的真题，主要采用Python编写，个人觉得语言只是实现工具而已，并不是很关键，Python简洁易懂，更加适合算法工程师快速验证idear，避免重复造轮子的繁琐，希望对看合集的你有些许帮助！
2023-03-27 18:14:29
1162
原创 「解析」牛客网-华为机考企业真题 41-60
又是一年春招时，有幸收到华为自动驾驶算法岗，之前刷题不多，在此汇总下牛客网的真题，主要采用Python编写，个人觉得语言只是实现工具而已，并不是很关键，Python简洁易懂，更加适合算法工程师快速验证idear，避免重复造轮子的繁琐，希望对看合集的你有些许帮助！
2023-03-27 18:12:31
1044
原创 「解析」牛客网-华为机考企业真题 21-40
又是一年春招时，有幸收到华为自动驾驶算法岗，之前刷题不多，在此汇总下牛客网的真题，主要采用Python编写，个人觉得语言只是实现工具而已，并不是很关键，Python简洁易懂，更加适合算法工程师快速验证idear，避免重复造轮子的繁琐，希望对看合集的你有些许帮助！
2023-03-27 18:00:08
923
原创 「解析」牛客网-华为机考企业真题 1-20
又是一年春招时，有幸收到华为自动驾驶算法岗，之前刷题不多，在此汇总下牛客网的真题，主要采用Python编写，个人觉得语言只是实现工具而已，并不是很关键，Python简洁易懂，更加适合算法工程师快速验证idear，避免重复造轮子的繁琐，希望对看合集的你有些许帮助！
2023-03-24 07:00:00
2604
原创 「解析」Linux使用Screen挂起线程
Screen是一个全屏窗口管理器，它在多个进程（通常是交互式shell）之间多路传输物理终端。每个虚拟终端提供DEC VT100终端的功能，以及ANSI X3的几个控制功能。64（ISO 6429）和ISO 2022标准（例如，插入/删除行和支持多个字符集）。每个虚拟终端都有一个回滚历史缓冲区和一个复制粘贴机制，允许用户在窗口之间移动文本区域。当调用screen时，它会创建一个包含shell（或指定命令）的窗口，然后避开您的方式，以便您可以正常使用该程序。
2023-03-22 16:47:54
570
原创 ubuntu关闭自动休眠的方法
1、执行下面的命令查看休眠模式的情况。查看上图所示：如果 sleep 状态是 loaded，表示自动休眠模式是处于开启状态。2、执行下面的命令来关闭ubuntu的自动休眠。3、再次使用第一行命令进行查看休眠模式的状态。查看下面图示：sleep 的状态如果变成了 masked，则表示ubuntu的自动休眠模式被关闭了。
2023-03-17 15:50:55
5980
原创 「详解」imgaug 图像增强方法
imgaug 是一个比torchvision更强大的数据增强工具包，这不仅体现在数据增强类别上，也包括数据增强方法的使用。比如，imgaug不仅提供了一些常见的shape增强方法和color增强方法，例如旋转、对比度等，也提供了加雨、加雾这些增强方法。此外，imgaug也可以设置keypoint等，对比数据增强前后关键点未知的变化。
2023-03-15 15:06:46
2815
1
原创 「颜控」联想NAS T1故宫联名款
不得不说，联想的这款故宫联名款 NAS T1颜值是真的高，作为普通的文件存储NAS是够用的，因为是入门款的NAS，因此并没有太多的应用支持，冲着颜值入手的。最多支持2*5TB。1、硬盘安装后会进行格式化，请提前备份好硬盘数据资料。3、禁止直接插拔电源，先使用APP进行关机后再断电。2、禁止带电热插拔硬盘，避免数据丢失或硬盘损坏。，选择对应的版本下载。
2023-02-22 21:40:40
258
原创 「日志」记录显卡GPU日志信息
但是以上方式都只能查看，并不能调取其中的显卡信息，因此，在做日志记录的时候并不是十分方便。在查阅过其他大神的方式后，发现 pynvml 库可以满足要求。最近踩坑比较多，很大原因就是日志记录不是很完整，因此，最近一直在学习日志的内容。其中有一点就是显卡的信息内容，虽然不是很重要的信息，但是也是有必要的。对于使用 logger 记录的小伙伴，可以直接将以下代码添加到 logger中，其中。可以获取主机名称，便于更好的记录日志。是必须的，否则无法使用。
2022-11-10 13:29:56
3520
原创 「炼丹」AutoDL炼丹日记
讲下博主为啥选择 AutoDL，其实最开始的时候，博主有一台2070和3080Ti，但是 显存都略小，一个8G一个12G，对于稍微大点的模型，Batchsize都很小，复现论文效果很都难，特别是在自己小论文需要的时候，就真的很缺设备。没办法，老师没钱，自己也买不起，只能将目光转移至云服务，对比了阿里云、腾讯云、百度云、华为云等，价格都贵的离谱，一小时动辄20+，一天下来就400+了，太贵太贵，一篇论文下来，都可以买两台显卡了。此外还有Colab 等云服务，不过没怎么体验过。当然了，如果小伙伴们用的是。
2022-10-24 00:00:00
11932
15
原创 维辰思便携显示器17.3英寸 2K 144Hz 色域配置
由于还没毕业，不考虑太大尺寸的，不希望毕业时拿着不方便，而且颜色要正，不能差太多，再者就是尺寸要合适，不能为了方便，搞得特别小，那就没意思了。逛了好几天JD，发现了国货维辰思，没怎么听说过，应该是个中厂吧，看了显示器的参数，京东方的液晶屏，显示器支持2k、144Hz刷新，一个TypeC信号线、一个HDMI信号线，外加TypeC电源线 和 USB扩展口，配置也还行，该有的都有。此外，显示器是有支脚的，收合时，一整块屏，也算不错，就拿下了。
2022-10-18 20:13:36
1830
原创 「云服务」腾讯云服务器配置
博主使用服务器的次数不是很多，但是将来大部分的工作可能基于Linux环境的，因此，趁着活动，购买了一年的腾讯云，貌似才几十RMB，还是挺实惠的，在此，记录下配置工作，仅供参考博主使用的是 Core Shell，个人感觉还不错，全文以Core Shell为默认软件，其他Shell工具大致相仿，不再专门介绍，如有问题，请留言。
2022-10-17 22:58:02
802
2
原创 「解析」 SOLOv2：backbone + FPN
SOLO & SOLOv2 是实例分割领域优秀的模型之一，特别是作者提出的思想，将实例分割引入了一阶的快车道，而且降低了门槛，可惜的是，并没有太多人参与，社区较小。博主在学习的时候就费了很多力气才略有成效，因此打算将自己的见解整理供小伙伴们参考交流。
2022-10-06 19:00:00
728
原创 「日志」测试显卡 TFLOPS
对于深度学习而言，显卡的计算能力还是非常重要的，以下代码参考 沐神的分享，用于查看显卡的 TFLOPS性能，经作者测试，结果仅供参考，最开始测的是 30+，过了一会再测就成22+了，玄学，这绝对是玄学！...
2022-08-17 02:05:58
2109
18
原创 「解析」COCO 数据读取与模型结果解析
最近在学习实例分割，使用的 COCO数据集训练，但是在Github上看到的代码，问题太多了，跑出来的结果简直惨不忍睹，其中模型存在一些问题，但是这次也让我意识到了 辅助代码的重要性，特别是COCO数据集的读取与测试时的解析，真的是一点都不容出错，否则，你会怀疑人生的！......
2022-08-16 23:08:27
1621
原创 「日志」深度学习 CUDA环境配置
简单的汇总下CUDA安装配置的网站，便于直接进入下载，除了cuDNN需要注册登录nvidia账号之外，其他直接下载即可。
2022-07-30 23:23:59
699
原创 「记录」MMDetection入门篇
OpenMMLab是一个深度学习高级库，通过OpenMMLab软件栈可以看出来，低层依旧使用的Pytorch，因此用户并不是在学一个全新的库，而是更加高级，更加方便的Pytorch库，OpenMMLab可以给用户带来更高的效率，使得用户只关注核心算法即可，不用再在配置文件上浪费更多时间MMdet主要由4个部分组成，datasets、models、core和apis另外，MMCV是面向整个OpenMMLab所有开源库的，里面都是通用类和工具类，方便下游各个codebase复用。...
2022-07-27 23:24:25
468
原创 「硬核」labelme 图片中显示标签
这是一篇小众的博客，大部分小伙伴可能使用不到，但是对需要的小伙伴绝对是一剂良药！希望对有需要的小伙伴有用！labelme虽然主要用于数据的标注，但是标注完的数据集在检查的时候，，此工作随不常用，但是用到时却十分不方便，每张图片都需要一个一个框的点击，然后查看对应的标签是否正确，十分耗时耗力。在此，博主在labelme的基础上，将对应的标签一并显示出来，此举使得不再需要一一点击查看，而是直接扫描一眼即可，十分方便，至少可以提高10倍共需要修改两个文件，具体操作如下。.........
2022-07-25 20:25:31
2578
1
原创 「解析」FPN: Feature Pyramid Network 及优化
图像金字塔是常用的特征层，在目标检测中，因为需要检测出大小不同的物体，因此需要关注不同尺寸的特征层，在此记录下图像金字塔的获取，以及优化方法论文：feature pyramid networks for object detection论文链接：https://arxiv.org/abs/1612.03144首先在backbone的过程中，将所需的 feature map提取保存下来以便后续需要。在此以 resnet为例，保存维度如下一般情况下，提取出图像金字塔后，还是需要稍微处理下，如下，低阶特征由于
2022-07-09 22:52:24
601
原创 「解析」netron 模型可视化
Netron是神经网络、深度学习和机器学习模型的一款可视化工具Netron支持ONNX、TensorFlow Lite、Caffe、Keras、Darknet、飞浆、ncnn、MNN、Core ML、RKNN、MXNet、MindSpore Lite、TNN、Barracuda、Tengine, CNTK, TensorFlow.js, Caffe2 and UFF.Netron对PyTorch、TensorFlow、TorchScript、OpenVINO、Torch、Vitis AI、kmodel、Ar
2022-07-09 14:15:23
1369
原创 「解析」FocalLoss 解决数据不平衡问题
FocalLoss 的出现，主要是为了解决 anchor-based (one-stage) 目标检测网络的分类问题。后面实例分割也常使用。正常的 的标签，是用一个K长度的向量作为标签，用one-hot（或者+smooth，这里先不考虑）来进行编码，最终的标签是一个形如[1,…, 0, …, 0]这样的。那么如果想要将背景分离出，自然可以想到增加一个1维，如果目标检测任务有K类，这里只要用K+1维来表示分类，其中1维代表无目标即可。对于分类任务而言，最后一般使用 softmax 来归一，使得所有类别的输出
2022-07-06 20:12:40
1482
1
原创 计算模型 FPS
无论是图像分类也好，目标检测/实例分割也罢，检测速度都是一个重要指标。计算模型FPS过程：只需要在模型运行前后各添加一个 time记录时间即可，然后通过时间差计算出模型 FPS
2022-07-06 16:02:02
3881
7
原创 Markdown 并排显示图片
在编写 Markdown 的时候少不了配图，但是有时候需要并排显示，Markdown本身并不支持该功能，在此就需要借助 HTML 等方法了，实现方法有许多，经过测试过后以下方法能够成功实现注意：并排显示需要各个 之间不要有空格/换行。并且需要调试图像尺寸，否则由于图片过大，依旧会多行显示。...
2022-07-06 14:53:39
2721
3
原创 SEAttention 通道注意力机制
基于通道的注意力机制 源自于 CVPR2018: Squeeze-and-Excitation Networks官方代码：https://github.com/hujie-frank/SENet
2022-06-26 18:37:02
1546
原创 「Bug」问题分析 RuntimeError: CUDA error: device-side assert triggered
最近在训练模型的时候，跑着跑着会莫名其妙的报 并且提示 ，更甚者第一个 minibatch 就会出错，而且没有指出具体问题所在，这就比较困扰在网上查找大神们的解决方案的时候，发现给出的建议是 标签溢出 造成的，也有 NLP大神指出在 NLP 领域有可能是因为句柄长度溢出造成的问题分析 是因为维度范围溢出了，从而造成的 CUDA error 错误对于 CV 领域而言，大概率是 标签溢出，因此可以在标签读取的时候/loss 计算的时候，将 labels/pred 的 min()/max() 输出，查看是否
2022-06-10 19:35:59
1614
8
原创 「Bug」问题分析 RuntimeError：which is output 0 of ReluBackward0
对于使用Pytorch 的小伙伴，可能在复现模型时候出现了以下报错，这个错误是因为出现了 inplace operation 造成的，以下尝试了几种解决方案，方案4⃣️/5⃣️ 可行，希望对有同样问题的小伙伴有帮助！首先我们将错误定位到 [torch.FloatTensor [1, 128, 104, 160]] 位置，维度信息 有助于我们分析错误大概出现在哪一个分支上，然后再不断的缩小错误我也在往常查找了一些解决办法，例如：......
2022-06-06 17:20:01
4873
20
原创 「解析」图像分割-mask的读取与保存
Pillow 图像常见属性im.width # 宽度im.height # 高度im.size # 尺寸(宽和高)，是一个元组im.mode # 模式，如RGB, RGBA, P, L等im.format # 格式，如.jpg .png等im.readonly # 是否只读，值为0或1im.category # 类别im.info # 图片的信息，是一个字典三、图片的模式1位像素的范围是0-1，0表示黑1表示白，中间表示灰。8位像素的范围是
2022-06-01 23:45:01
2257
原创 COCO数据集格式解析
COCO数据集是我们经常使用的一个数据集，并且 COCO数据集格式也很受大家欢迎，但不同于 VOC数据格式，COCO是将所有的标注数据存放在一个json文件中，使得查看的时候云里雾里，最近也在用COCO数据集做实例分割，顺道整理下，为自己扫清一些盲区，如有解释不清的地方，欢迎留言官网地址: https://cocodataset.org/标注文件的格式说明: https://cocodataset.org/#format-dataMC COCO2017年主要包含以下四个任务：目标检测与分割、图像描述、
2022-05-20 14:18:01
24500
4
原创 「解析」双线性插值
在介绍双线性插值之前，我们先解释下 插值：百科的定义是插值是离散函数逼近的重要方法，利用函数通过的有限点的取值状况，估算出函数在临近处的近似值。在图像领域，插值就是用来填充 图像变换时像素之间的空隙。插值算法有许多种，双线性插值只是其中一种。
2022-05-01 07:00:00
2836
2
原创 「解析」DeepLabv3+ 模型搭建
经过最近一段时间的学习DeepLabv3+ 也基本吃透，在此整理成博客，供自己日后查看，同时也分享给各位小伙伴，不足之处还望大家多多指点完整版代码地址：https://github.com/ViatorSun/DeepLabV3Plus-Pytorch文章目录1、模型分析优化器损失函数性能指标2、构建 DeepLab 模型IntermediateLayerGetterDeepLabHeadV3PlusBuildSegmentationModel1、模型分析经过近两年的学习，特别是对于相对简单的.
2022-04-19 16:03:42
3790
8
原创 「解析」语义分割性能指标 附代码
图像分割与其他任务不同，其性能指标采用的混淆矩阵，然后在混淆矩阵的基础上再计算各项性能指标，其比直接计算 像素级的IoU要方便且更加高效，完整版的代码在博客结尾。添加 掩码mask 的目的是为了保证 标签都为非负数 且 在类别之内，预防其他情况，如果有个例不在此范围，则输出 False；则在label_true[mask] 时将对应位置 置0⃣️，label_pred[mask] 同理；astype(int) 将label_true 转换成整数，则小数部分将会被截断。注意小数点不是四舍五入，而是直接干掉；
2022-04-15 21:35:00
4405
1
原创 「解析」Pytorch 池化层的反向传播 附代码
在深度学习中卷积计算可能是较为头痛的地方，池化层应该是最简单的一种运算，但是当看到池化层反向传播时，整个人都是懵的，之前从没涉及过，在学习的过程中，搜集资料也发现寥寥无几，一方面为了自我学习，另一方面希望给有需求的小伙伴分享下，不要再走弯路，因此整理了这篇文章，希望对大家有帮助！1、最大池化层 反向传播nn.MaxPool2d(kernel_size,stride=None, padding=0, dilation=1, return_indices=False, ceil_.
2022-04-12 17:19:59
2304
2
原创 「解析」labelme 的json文件批量转化
相信大家在使用 labelme 标注数据之后，都需要将 json文件 转换为对应的标签图，但是每次一张一张转换，费时又费力，特别是转换后还需要再将 标签图修改名字，然后再移动到特定的文件夹，就又增添了不少工作量，作者也是深受其累。作为一名开发人员，怎么可以让这点问题难住呢，自然是让程序自动处理，而我们应该是 在旁刷抖音才对 🤓️🤓️🤓️此外，对于labelme 每次标注的时候，需要加载 图片文件地址，设置自动保存等等操作，作者已经在 labelme 如何硬核加载 labels.txt 中教大家如何一次性
2022-04-08 22:00:00
4095
23
labelme 修改后的项目代码，可显示标签与标注数量
2022-07-25
Google Chrome插件 chajianmi
2021-07-08
cudnn64_7.dll & cudart64_101.dll
2021-03-27
软件常用英语词汇汇总
2020-12-25
SSD：Single Shot MultiBox Detector 英文原文和中文翻译版
2020-12-11
numpy 中文数据手册
2020-06-14
Unlocker V3.0
2020-05-13
ucosIII官方英文资料+中文翻译
2020-04-14
论文：Stanford Doggo: An Open-Source, Quasi-Direct-Drive Quadruped
2019-11-17
系统建模与仿真（第二版）张晓华 清华大学出版社
2018-11-21
30多种中英文ttf字体包，包含几个手写字体
2018-10-26
ApoeerREC 1.0.8录屏软件
2018-05-03
C#+EmguCV车牌识别
2018-04-18
SoundPi 开发板外壳
2018-02-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人