笔记
文章平均质量分 66
blgpb
E-mail: windu.yu@qq.com
展开
-
Windows10安装rdkit
之前我尝试使用WIndows10从源码编译安装rdkit,但是尝试了很久都失败了。于是,我又重新尝试使用conda安装。最终,我换了个思路,终于顺利安装成功rdkit和pyg了。我的python版本是3.8.13,亲测可以成功安装。最后,我们再安装PyG。参考下面的命令就可以顺利安装。安装torch后测试,可以使用GPU运算。安装完之后,再安装torch,可以参考。创建一个新的conda环境,然后运行。...原创 2022-08-02 13:22:08 · 663 阅读 · 0 评论 -
Windows10源码编译安装RDKit
RDKit是一个非常重要的库,可是它的安装却非常不友好。我尝试了使用conda安装,但是按照博客上写的方法,都无法安装。因此,我只好硬着头皮按照RDKit官网上提供的方法安装。RDKit是由C++语言编写的,因此在WIndows下的安装需要从源代码进行编译,困难重重。下面是我的安装教程。......原创 2022-08-01 23:06:31 · 754 阅读 · 1 评论 -
docker更换为国内的镜像源
为了提高镜像的下载速度,我们需要将docker的镜像更换为国内的源,方法很简单cat > /etc/docker/daemon.json << EOF{ "registry-mirrors": ["https://b9pmyelo.mirror.aliyuncs.com"]}EOF然后systemctl restart docker可以通过docker info查看是否成功更换源...原创 2020-12-27 18:11:04 · 1533 阅读 · 1 评论 -
对python的package进行修改
很多时候,python提供的大量的package极大地方便了我们的编程。但是,当我们想要修改部分代码的时候,该怎么办呢?本文以mmcv为例,介绍修改代码的过程。# 找到package所在的路径在此之前,我是通过...原创 2020-11-08 21:38:51 · 7040 阅读 · 1 评论 -
unable to access device Ubuntu下无法打开硬盘
我的4TB希捷移动硬盘在Windows下能够正常读写,虽然比平时稍显卡顿一些,但是在Ubuntu下无法打开,提示“unable to access Seagate device”。硬盘没有被晒过,可以排除物理损坏。出现这个问题的原因可能是我几次,没有退出硬盘就直接拔掉了USB接口有关。一开始我用了Windows自带的硬盘修复工具,非常慢,而且没啥用。后来,我在网上看到了一个命令,非常简单,非常好用。在Windows操作系统下,打开cmd,进入命令行,输入CHKDSK /F *:*为移动磁盘盘符例原创 2020-11-05 23:20:23 · 1034 阅读 · 1 评论 -
Pytorch nn.Linear() 使用示例
由于我之前一直用Keras,感觉Keras中的Dense()层非常好用,可以非常方便地进行全连接操作。这次需要用到Pytorch中的全连接层,一开始还不太会用,但是仔细研究后发现,其实两者殊途同归,方法很相似。当我们需要将形如[batch_size, 18, 1, 1]的张量全连接操作后分别得到[batch_size, 18, 16]和[batch_size,1]的张量,该如何操作呢?[batch_size, 18, 16]class my_network(nn.Module): def __原创 2020-11-04 09:51:45 · 1302 阅读 · 1 评论 -
调用mmdetection框架代码进行COCO数据集加载
mmdetection目标检测框架提供了非常方便的数据集加载接口,只需要简单地修改几个参数,就可以配置不同的数据预处理方式。如果我们需要用COCO数据集进行除目标检测之外其他的计算机视觉方法研究,需要使用到COCO数据集,如何进行数据集加载呢?为了避免重复造轮子,本文提供了一种利用mmdetection框架代码的方法,只需要简单几行代码就可以实现数据加载。from mmdet.datasets.coco import CocoDatasetfrom functools import partialfr原创 2020-11-03 22:24:38 · 914 阅读 · 1 评论 -
COCO数据集的加载过程
在mmdetection框架中,数据集的加载是一个非常重要的过程。 在之前的博客中,我主要讲解了pipeline,本文将更进一步,向更底层深入,讲解COCO数据集在进行pipeline处理之前的加载过程。在mmdet/datasets/coco.py中,定义了CocoDataset这个类,这个类是继承自CustomDataset(我的博客中介绍分析了这个类)。我将这个类的部分代码展示在下面@DATASETS.register_moduleclass CocoDataset(CustomDataset)原创 2020-10-31 22:43:26 · 1678 阅读 · 0 评论 -
pycocotools的COCOeval的stats实例属性
pycocotools提供的COCOeval非常方便,可以让我们计算目标检测结果的mAP.一般常见的代码是cocoEval.evaluate()cocoEval.accumulate()cocoEval.summarize()会将最终的计算结果在终端输出,如下图所示如果我们想将最终的结果返回,该怎么做呢?我在认真阅读了pycocotools/cocoeval.py的源代码,发现在COCOeval类中定义了stats实例属性,cocoEval.summarize()函数中给stats原创 2020-10-28 17:53:40 · 2606 阅读 · 2 评论 -
在python程序被终止的“弥留之际”再执行最后一段代码
对于深度学习训练或者验证过程,由于数据太多,很多时候我们等不及程序执行完毕就直接“Control+C”终止了程序运行。但是,我们还想程序在结束运行之前,清理一下环境,删除一些文件。于是,我们可以用下面的方法完成,非常简单。无论按了多少次“Control+C”,都不用担心,下面的代码都能成功执行。import atexitimport glob@atexit.registerdef clean(): print('-'*100) print('clean up the envir原创 2020-10-28 16:22:35 · 1208 阅读 · 0 评论 -
COCOeval 计算一张图像的mAP 目标检测
pycocotools提供了COCOeval,可以让我们方便地计算coco数据集的mAP。然而,如果我们只想计算少量图像的mAP,该如何做呢?coco2017数据集由训练集、验证集、测试集组成。训练集中一共拥有118287张图像,验证集中有5000张图像,测试集中有40670张图像。训练集的annotations文件的大小为469.8MB,验证集的annotations文件的大小为20MB,测试集的annotations文件没有提供。如果我们手动分割训练集或者验证集,需要额外的处理,很不方便。因此,本文提原创 2020-10-27 22:15:20 · 2703 阅读 · 2 评论 -
mmdetection中的pipeline
首先,我们要明确2个不同的对象。在train.py中,先进行的是build_dataset然后是build_dataloader。需要注意的是输入图像resize等图像预处理工作和pipeline都是在build_dataset阶段完成的,相反build_dataloader阶段做的事儿很少(mmdet/datasets/loader/build_loader.py)\在研究pipeline之前,需要先研究mmdet/datasets/coco.py,我之前就是漏了这一个部分,直接去研究pipeline原创 2020-10-24 17:47:19 · 2485 阅读 · 1 评论