- 博客(135)
- 资源 (1)
- 问答 (1)
- 收藏
- 关注
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
原创 人工智能学习07--pytorch08--小汇总(newProject、(pytorch)、tensorboard、opencv-python、scipy、matplotlib、tqdm)
1、file-settings-Tools-terminal-shell path改成cmd那个。2、或者:在local旁边的下箭头选择command prompt 但是这个我没试过。要在(pytorch)里面下载。,然后pip list就能看到。重启pycharm就好了。
2023-02-25 20:08:32
103
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
原创 人工智能学习01--errors
解决:https://blog.csdn.net/qq_52159080/article/details/124921786。
2022-08-28 20:59:32
320
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
原创 奇怪errors合集
1、不知道怎么回事,我这些程序包都在,而且都是我一个字一个字敲上去的。。。待解决!2、每次都在代码上点右键,出来,remove BOM还不知道怎么默认解决,以后再说
2022-01-23 17:11:08
389
原创 人工智能学习07--pytorch23--目标检测:Deformable-DETR训练自己的数据集
主要是MultiScaleDeformableAttention包,如果中途换了torch版本,需要重新编译cuda,得到一个新的这个包,不然报错。下载链接:https://download.csdn.net/download/u010826850/21980492。deformable-detr 也是需要一个背景类,num_class+1。python test.py (我没运行这一步)r50上coco数据集训练结果文件。参考其他博主博文里的。
2023-08-04 14:55:24
3230
1
原创 人工智能学习07--pytorch22--目标检测:YOLO V3 SPP
up在yolo3代码的基础上进行修改,并简化了训练过程(移除了一些效果不大的trick)原作者文档中写了如何去训练自己的数据集:1.首先将数据标注成Darknet format(yolo格式)每个txt文件就对应一张图片的信息,每一行表示一个目标。第一个数字:目标索引(如0:人类)后四个数字:目标边界框的相对坐标2.创建txt文件:train.txt文件和test.txt文件。txt文件中存储的是所有训练/验证时使用到的图片的路径。3.以.names结尾的标签文件。
2023-07-04 15:49:20
945
原创 人工智能学习07--pytorch21--目标检测:YOLO系列理论合集(YOLOv1~v3)
x 5(采用5个anchor)5(5个参数)+20(每个anchor分别对应20个类别的概率分数)=25之前是直接预测,这里是基于anchor的偏移预测。
2023-06-06 22:09:11
1490
原创 人工智能学习07--pytorch20--目标检测:COCO数据集介绍+pycocotools简单使用
如:天空coco包含pascal voc 的所有类别,并且对每个类别的标注目标个数也比pascal voc的多。一般使用coco数据集预训练好的权重来迁移学习。如果仅仅针对目标检测object80类而言,有些图片并没有标注信息,或者有错误标注信息。所以在实际的训练过程中,需要对这些数据进行简单筛选。为什么之前那些都没在测试集上测试?自己去训练自己数据的话,只需要训练集和验证集测试就行,并不需要单独划分一个测试集。
2023-05-29 14:30:24
4059
5
原创 人工智能学习07--pytorch19--目标检测:常见指标(mAP计算+coco评价标准)
若一个 GT 有多个预测边框,则认为 IOU 最大且大于等于 0.5 的预测框标记为 TP,其他的标记为 FP,即一个 GT 只能有一个预测框标记为 TP。FN就是 把检测对象检测为背景的 那些检测框 的数量,也就是一些被检测错误(F)为负样本(N)的样本,它们本来应该被检测为正样本。因为预测的两个边界框预测的目标都是第一只猫,所以ID都是1,预测给出的数值是置信度,不是IOU,IOU是预测框与真实框的交并比。如果这两个差距很小的话,可以减少检测的目标个数,可以提高一些目标检测的效率。
2023-05-28 19:53:49
1386
原创 人工智能学习07--pytorch18--目标检测:Faster RCNN源码解析(pytorch)
先略,等我听懂之后再写参考pytorch样例。
2023-05-22 16:38:59
1449
原创 人工智能学习07--pytorch17--Transformer中Self-Attention以及Multi-Head Self-Attention&Vision Transformer(vit)
关于transformer与图像分类的文章参考:https://blog.csdn.net/qq_40688292/article/details/112540486关于transformer更具体的学习:(bilibili霹雳吧啦Wz):Transformer原论文:Attention is all you needTransformer:最开始是针对NLP自然语言处理领域。RNN记忆长度有限,所以后面有人提出LSTM,但它无法并行化(必须计算t0才能计算t0+1时刻的数据)。而Transforme
2023-05-16 21:56:19
335
2
原创 人工智能学习07--pytorch16--MobileNet网络详解
又因为每个卷积核与输入特征矩阵的一个channel进行卷积之后,得到一个输出特征矩阵的channel,则输出特征矩阵的深度与卷积核的个数相同,进一步与输入特征矩阵的深度相同。因为每个卷积核只负责一个channel,则采用的特征矩阵的深度就应该与输入特征矩阵的深度相同,这样即可确保每一个卷积核负责一个channel。由上图可以看出,每个卷积核的深度与输入特征矩阵的深度相同,输出特征矩阵的深度与卷积核的个数相同。1x1的卷积层:采用降维操作,所采用的卷积核个数为k’,所以将特征矩阵的深度变为k’。
2023-05-09 17:58:28
923
原创 人工智能学习07--pytorch15(前接pytorch10)--目标检测:FPN结构详解
faster rcnn:在预测特征图上通过rpn网络生成得到一系列proposal,把proposal映射到特征图上,再将映射的这部分特征输入fast rcnn,得到最终的预测结果。针对每一个backbone的特征图都会先用1x1的卷积层处理 ----> 调整backbone上不同特征图的channel统一。将一张图片输入给backbone,在backbone镜像传播中得到不同的特征图上分别进行预测。将图片通过backbone得到最终的特征图,在最终的特征图上进行预测。不同的特征图都是有一定要求的。
2023-04-11 20:40:22
547
原创 人工智能学习07--pytorch14--ResNet网络/BN/迁移学习详解+pytorch搭建
比较通用的信息,在本网络中适用,在其他网络中也适用。将浅层网络中的一些参数迁移到新的网络中来,则新网络也有了识别底层特征的能力。则新网络可以更加快速地学习数据集的高维特征。
2023-04-10 20:23:05
543
原创 人工智能学习07--pytorch13--GoogleNet网络详解+pytorch搭建
像AlexNet、VGG这种网络,都是串行结构。将一系列卷积层和池化下采样层进行串联。在上一层输出之后,将所得到的特征矩阵同时输入四个分支当中进行处理。将所得到的四个分支的特征矩阵按照深度进行拼接,得到输出特征矩阵。第一个分支:卷积核大小为1x1的卷积核第二个分支:……3x3……第三个分支:……5x5……第四个分支:池化核为3x3的最大池化下采样每个分支得到不同尺度的特征矩阵,矩阵高维度、宽维度相同,否则无法沿深度方向拼接。多了三个1x1的卷积层,均起到降维的作用。
2023-04-01 22:13:58
298
原创 人工智能学习07--pytorch13--VGG网络详解及感受野的计算+pytorch实现
采用多个小的卷积核进行堆叠,得到的感受野大小相同,这可以去替代一个大的卷积核,可以节省网络的训练参数的个数。如果是基于迁移学习的方式使用再训练的话,则就要减去这三个值。因为预训练的模型是基于ImageNet训练的。模型比较大,但是这里的flowers数据集比较小,没法充分训练,这里不运行了。但此处的网络没有这么操作,因为是从头开始训练的。跟之前的AlexNet网络的预测过程是一样的。其余的跟AlexNet里面的训练方法一样。1、全连接层前:提取特征网络的结构。使用时用的是D的配置,十六层。
2023-03-26 20:47:25
1041
原创 人工智能学习07--pytorch12--AlexNet+花数据集+pytorch
padding[1,2]是左边1右边2Sequential:之前每使用一个层结构,都要self.模块名称=……,如果每个模块都这么定义,那么工作量太大。对网络层次比较多的网络,可以使用Sequential函数来精简代码Conv2d关于padding:①整数:如1,则会在矩阵上下左右补一行/列0;②tuple:③:nn.ZeroPad2d 精确补0在卷积过程中,如果按照公式计算得到的不是整数:ReLUinplace:pytorch中增加计算量,但能减小内存容量的方法。
2023-03-21 20:37:56
497
原创 人工智能学习06--pytorch07--完整的模型训练、测试套路(CIFAR10)
inchannel32,outchannel64,大小没有变所以padding2。可以在每一轮训练后进行测试,在测试集上跑一边,利用在测试集输出的正确率来衡量。原来文件开头不能用数字打头,重新建了一个文件就好了。但是前面写的代码都没用这种模式,依旧可以训练、测试。预测错了,哈哈哈哈,但是总体思路就是这样。3,32,5,1(默认),(输入32。32,经计算此处padding为2)分别是把模型设置成训练模式、测试模式。这里就不调优了,就利用现有的模型来。210,而上面模型的输入是32。把64个4*4的展平。
2023-03-19 13:24:16
539
原创 人工智能学习07--pytorch12--深度学习在图像处理汇总的应用&卷积神经网络基础知识
目标检测和图像分割挺像。有人把这两个结合,做出了不错的效果。pytorch.org 但是中文文档版本比较老所需环境。
2023-03-18 20:46:25
592
原创 人工智能学习07--pytorch11--分类网络:使用pytorch和tensorflow计算分类模型的混淆矩阵
师兄说学目标检测之前先学分类坏了,内容好多!学学学感谢up主,好人一生平安什么是混淆矩阵:横坐标:每一列属于该类的所有验证样本。每一列所有元素对应真实类别。纵坐标:网络的预测类别。每一行对应预测结果属于该类的所有样本。对角线:预测正确的样本个数。预测值在对角线上分布的越密集,模型的性能就越好。还能通过混淆矩阵看到这个网络对哪些类别更容易分类出错。混淆矩阵的指标:精确率precision不等于准确率accuracy!!准确率:所有预测正确的样本个数 / 所有用于验证的样本个数(
2023-03-17 21:33:32
1513
原创 人工智能学习07--pytorch10--目标检测:RCNN、Fast RCNN、Faster RCNN
Two Stage检测过程分两步走前景:需要检测的目标背景:不感兴趣的生成候选框:将感兴趣目标框选出来,但是没有进行分类具体使用哪一种,根据项目需求自己写一个dataset,而不是使用pytorch提供的一些方法读取图像文件候选框坐标参数。最终预测框坐标参数d:通过全连接层输出的边界框回归参数通过公式看出,dx、dy是调整候选边界框中心坐标的回归参数。橙色框 --> 红色框绿色框:ground-truth框?用来计算损失?
2023-03-06 21:26:16
534
原创 人工智能学习06--pytorch06--神经网络骨架nn.Module & scipy下载 & 现有网络模型的使用及修改(VGG16)
可以加一个线性层,让in_feature=1000,out_feature=10。很多框架都利用VGG16提取特征,然后再VGG16后面再加一些网络结构。这种做法只适合前后部分的修改,想要跳层或者跨层连接的话,就只能自己写。pretrained为True时需要下载,在imageNet上训练。当前目标:将VGG16改成10中,利用CFAR10训练。(0.15之后改成weights了)或者直接在里面那个Linear里面改。保存了网络模型中的网络结构和参数。恢复成网络模型:新建网络模型结构。
2023-01-27 21:37:50
365
原创 人工智能学习06--pytorch05--torchvision中的数据集使用&DataLoader的使用
target不是标签,是标签存放的位置,标签列表是calsses,真正的标签是classes[target]将drop_last设置为True,可以看到把数据集最后的部分进行舍去。(一定要给add.images里面改名!把数据集每一部分都变成tensor类型。现在输出的就是tensor数据类型了。剩余的数据集只有16张,不足64张。第几次取数据的时候,数据长什么样。一般把imgs作为神经网络的输入。把shuffle改为False。把shuffle改为True。可以看到取的都是一样的。
2023-01-24 14:56:40
398
原创 人工智能学习07--pytorch03--tensorboard(下载tensorboard、opencv)
transform 主要是对input图像进行变换(统一尺寸、对图像中的数据进行类的转换)TensorBoard,虽然他是TensorFlow 的一部分,但是可以独立安装,并且服务于Pytorch等其他的框架。安装tensorboard但是这里tensorboard版本太低了,以下方法解决↓在pip list查看将tensorboard的事件文件放在logs文件夹里面。
2023-01-14 20:10:35
868
原创 人工智能学习07--pytorch02--数据集取图片+以图片名为文件名的txt文档(label)
假设这个train文件夹里面只有ants_image和bees_image。用图片名字命名txt文件,内容是这个图片的分类。可以看到这段代码成功地从数据集里面取出了图片。只以ant为例,bee的就是把这个改改。因为图片太多了,所以用代码自动添加。
2023-01-04 11:27:12
425
1
原创 人工智能学习06--matplotlib3.6.2改动
https://blog.csdn.net/qq_41757980/article/details/127846263受启发可能是版本问题,于是上网搜,加上了2里面的就好了(ax.set也要加上,不然不显示图片)一开始用的1里面的,结果三维散点图画不出来,只有一个空白框。
2022-11-29 19:44:37
600
原创 Latex论文排版
label标识的是它看到的上一个计数器,所以要放在想要标识的那个计数器后面(如 ↓ subsession)这里可以看到,是caption指令生成的Fig1计数,所以就必须把label放在caption后面。先用\label{}写上标签,再用\ref{}交叉引用这些标签。但如果就是想让这个浮动体出现在这个地方,可以加上[hbt!显示的几点几点几可以随着label的位置自动变化。只写这个的话,图片有多大,插入进来就有多大。有一些期刊规定,浮动体只能出现在页面中上方。(↑截图里居中了,不居中的话就靠左)
2022-11-05 16:16:09
2145
4
原创 人工智能学习04--OpenCV
把绿色放进去,能跟红色完全重合的,中间那块就是1(像与运算)把绿色的放到A里面,只要有一个红色的块能跟B的绿色重合,那中间那个块就是1(像或运算)1)、椒盐噪声2)、高斯噪声各种颜色的噪声都有,符合高斯分布。
2022-09-10 10:15:40
947
原创 python学习15--数据分析(matplotlib、numpy)
us_data拼接一列全为0的数据、uk_data拼接一列全为1的数据。两个shape[0]分别代表us、uk数据第一维的长度,即行数。一般不用numpy读取,一般使用pandas。小于10的赋值为0,大于10的赋值为10。1)、因为不确定nan到底是什么。...
2022-08-20 20:08:41
268
原创 人工智能学习03--mnist手写数字实战
读取自己的这个图片,经过预处理之后把它作为输入加载到模型中,得到预测结果。读取图片两个参数:(图片名,读取图片的方式(0 灰度;把自己画好的图片保存在与程序相同的文件夹中。给图片增加维度:数量(前),几层(后)看看这个概率对应哪个数字。.........
2022-08-07 09:28:56
289
原创 人工智能学习02--入门
通过增加对输入更多的抽象维度,产生更多的解读而实现更加复杂的分类效果。隐藏层——中间这些新添加的神经元节点正是隐藏层的存在,才让神经网络能在复杂情况下继续生效隐藏层神经元的数量越多,皆可以产生越复杂的组合,解决越复杂的问题,计算量也随之越来越大深度——一个神经网络中纵向的隐藏层比较多(很深)深度神经网络——隐藏层超过三层拉链式法则——通过反向传播把误差传播(或者说分配)到每个权重参数w和偏置项b上把误差e传递到第二层的神经元两个权重参数上偏置项第一层第一个输入的权重w11_............
2022-07-24 10:25:18
612
转载 python学习12--print输出
转载自https://m.php.cn/article/461800.htmlPython中 ""与’'是完全一样的print(“Hello World!”)对于python,单引号也可以表示字符串自定义变量,弱类型,不同于C++等强类型自动匹配相当于C++的int型打印变量的内容字符串可以跟其他类型相连可用加号连接逗号连接会自动在连接串之间加上空格也可直接连接带格式输出,{0}是指输出的第0个元素,同理{1}为第1个元素,{2}为第2个…类似于C++的格式输出,同理%
2022-06-30 19:53:34
588
原创 python学习11--面向对象
不同于java等语言,在python中要把属性写在_init_方法中每实例化一个对象,都去调用构造函数,来完成这个对象的初始化。实例方法中必须有self(也可以写成aa之类的)
2022-06-30 19:46:17
196
原创 python学习10--工程结构(包、模块)&命名空间&导入模块与变量&_init_.py&_all_&_name_
区分目录与包:如果有这个文件,就是一个包;若没有,那就是目录。模块:xxxx.py文件函数里与全局变量同名的变量会变成局部变量若要引用全局变量,则要对函数作出修改局部命名空间:全局命名空间:locals()只读globals()可读写1)2)想要引入的模块名太长了起别名还有另一种导入方法(动态导入)也可以:from package import moudule当这个package是层级包的时候,要写出父包。导入另外一个模块的某个变量,也可以起别名也同
2022-06-28 22:52:49
451
原创 python学习08--闭包&装饰
闭包:可以在一个函数里将另一个函数作为这个函数的返回值。是闭包:不是闭包:没有将函数所携带的环境变量n返回装饰器:把想要添加的功能写在里面在要修饰的函数前面加个@加上装饰器的名字实现对my_fun的装饰、增强好处:使用装饰器可以不改变原有的一些调用休眠完成后打印出它花费的时间...
2022-06-28 10:31:24
138
res10_300x300_ssd_iter_140000_fp16.caffemodel、opencv_face_detector_uint8.pb
2020-06-07
使用keras画出模型准确率评估的执行结果时出现:
2019-10-17
TA创建的收藏夹 TA关注的收藏夹
TA关注的人