- 博客(54)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 R语言学习笔记（二）词云图绘制
运用wordcloud函数一、wordcloud函数介绍函数帮助：通过help("wordcloud")查看wordcloud(words,freq,scale=c(4,.5),min.freq=3,max.words=Inf,random.order=TRUE, random.color=FALSE, rot.per=.1,colors="black",ordered.col
2018-01-10 12:35:41
5367
1
转载 OTSU算法实现 Python Opencv
https://www.cnblogs.com/gezhuangzhuang/p/10295181.html
2020-09-02 16:24:16
905
原创 OSError: libcurand.so.10: cannot open shared object file: No such file or director
先看看自己的/usr/local/cuda-10.2和/u虽然/礼拜/aarch_linux_gnu里有没有，有就链接过来。没有就执行命令sudo apt-get updatesudo apt-get install cuda-toolkit-10-2
2020-08-29 11:30:34
7747
6
转载 TX2安装torchvision0.5.0（实测有效）
https://blog.csdn.net/qq_37144530/article/details/106412551
2020-08-25 09:45:13
618
转载 TX2安装pytorch
https://forums.developer.nvidia.com/t/pytorch-for-jetson-nano-version-1-6-0-now-available/72048
2020-08-25 09:43:10
371
原创 yolov4(六)
Bag of Specials (BoS) for detectorYOLOv4检测器的BoS特性包括：Mish activation modified SPP-block modified SAM-block modified PAN path-aggregation block DIoU-NMSDIoU-NMSNMS过滤掉预测相同对象的其他边界框，并保留具有最高可信度的边界框。DIoU(前面讨论过的)被用作非最大抑制(NMS)的一个因素。该方法在抑制冗余盒的同时，采用Io.
2020-07-19 18:37:06
291
原创 yolov4(五)
Bag of Freebies (BoF) for detectorYOLOv4检测器的BoF特性包括:CIoU-loss CmBN DropBlock regularization Mosaic data augmentation Self-Adversarial Training, Eliminate grid sensitivity, Using multiple anchors for a single ground truth Cosine annealing schedul
2020-07-19 17:16:44
577
原创 YOLOv4(四)
Bag of Specials (BoS) for backboneMish Activation Cross-stage partial connections (CSP), and Multi-input weighted residual connections (MiWRC)Mish activation我们假设激活函数是（如下图）对于一元或二元运算符有不同的候选函数(如余弦函数)。我们可以根据不同的任务(如分类)和数据集对这些函数进行随机猜测，并评估相应的模型性能。最后，我们
2020-07-13 17:22:14
759
原创 YOLOv4(三)
Bag of Freebies (BoF) for backboneThe BoF features for YOLOv4 backbone include:CutMix and Mosaic data augmentation, DropBlock regularization, and Class label smoothingCutMix data augmentation剪切数据增强去除图像的一个区域(见下图)。这迫使模型在进行分类时不能对特定的特征过于自信。然而，图像的一部分充满
2020-07-11 20:22:03
247
原创 YOLOv4(二)
Path Aggression Network(PAN)在早期DL中，模型设计相对简单。每一层从前一层获取输入。早期层提取局部纹理和模式信息，建立后期层所需的语义信息。然而，当我们向右移动时，微调预测所需的局部信息可能会丢失。在之后的DL开发中，层之间的互连变得越来越复杂。在DenseNet中，它走到了极端。每一层都与之前的所有层相连。在FPN中，自底向上和自顶向下的流将相邻层的信息组合在一起。层之间的信息流成为模型设计中的另一个关键决策。下图是用于对象检测的路径聚合网.
2020-07-11 14:19:14
291
原创 Yolov4（一）
即使目标检测在过去几年开始成熟，竞争依然很激烈。如下图所示，YOLOv4声称拥有最先进的精度，同时保持高处理速度。在TeslaV100上，Yolov4在MS CoCo实现了43.5%的准确率（65.7% AP50）,并且在该精度下达到了约65FPS的速度。在目标检测中，检测精度不再是“圣杯”，我们希望模型能够平稳的在边缘设备上运行。如何用低成本的硬件对输入视频进行实时处理也变得非常重要。...
2020-07-11 12:16:59
1156
转载 Python随记（一）列表和元组
Python中最基本的数据结构就是序列了。Python一共包含6种内建序列：列表、元组、字符串、Unicode字符串、xrange对象、buffer对象。序列都可以进行的操作包括索引，切片，加，乘，检查成员。本篇随记先讲两个最基础的序列：列表和元组。其实这两个很像C++中的数组结构，但是有其本身的特点，各位学习的过程中可以自己联想其中的共通性，但是不要搞混淆。一、列表（List）列表是最常用的Python数据类型，它可以作为一个方括号内的逗号分隔值出现。创建一个列表，只要把逗号分隔的不.
2020-07-03 21:01:34
156
转载 python按顺序读取目录下的所有文件
把某个目录下的所有文件的路径名放到txt文件中import os f = open("./test_name.txt",'w') #先创建一个空的文本path ="./Test_data/" #指定需要读取文件的目录files =os.listdir(path) #采用listdir来读取所有文件files.sort() #排序s= [] #创建一个空列表for file_ in files: #循环读取每个文件名#
2020-07-03 20:12:25
2081
1
原创 Pytorch学习（七）跨设备保存和加载模型
在某些情况下，您可能需要在不同的设备上保存和加载您的神经网络。介绍使用PyTorch在不同设备之间保存和加载模型相对简单。在本菜谱中，我们将尝试跨cpu和gpu保存和加载模型。步骤1. 导入包2. 定义和初始化神经网络3. 在GPU上保存，在CPU上加载4. 在GPU上保存，在GPU上加载5. 在CPU上保存，在GPU上加载6. 保存和加载DataParallel模型1. Import necessary libraries for loading our data
2020-07-03 18:00:33
1026
1
原创 Pytorch学习（六）在PyTorch中使用不同模型的参数来预热启动模型
在迁移学习或训练一个新的复杂模型时，部分加载模型或部分加载模型是常见的场景。利用训练过的参数，即使只有少数是可用的，也将有助于热身训练过程，并有望帮助您的模型比从头开始训练更快地收敛。介绍无论您是从缺少一些keys的部分state_dict加载的，还是加载比您加载的模型keys更多的state_dict，都可以在load_state_dict()函数中设置严格参数为False，以忽略不匹配的key。在这个食谱中，我们将实验使用不同模型的参数来预热一个模型。步骤1. 导入包2. 定义和初始
2020-07-03 17:18:15
953
2
原创 Pytorch学习（五）在一个文件中保存和加载多个模型
保存和加载多个模型有助于重用您之前训练过的模型。介绍在保存由多个torch.nn.Modules组成的模型时。如GAN、sequence-sequence模型或模型集合，必须保存每个模型的state_dict和相应的优化器的字典。您还可以保存其他可能帮助您恢复培训的项目，只需将它们附加到字典中即可。要加载模型，首先要初始化模型和优化器，然后使用torch.load()本地加载字典。在这里，只需像预期的那样查询字典，就可以轻松地访问保存的项。在这个食谱中，我们将演示如何使用PyTorch将多个模型保存
2020-07-03 15:25:49
6423
原创 Pytorch学习（四）保存和加载模型
在PyTorch中有两种保存和加载用于推理的模型的方法。第一个是保存和加载state_dict，第二个是保存和加载整个模型介绍使用torch.save()函数保存模型的state_dict将为以后恢复模型提供最大的灵活性。这是保存模型的推荐方法，因为只有真正有必要保存训练过的模型学习过的参数。在保存和加载整个模型时，使用Python的pickle模块保存整个模块。使用这种方法可以产生最直观的语法，所涉及的代码也最少。这种方法的缺点是序列化的数据被绑定到保存模型时使用的特定类和确切的目录结构。这是因为
2020-07-03 14:06:25
332
原创 Pytorch学习（三）static_dict
在PyTorch中，一个torch.nn.Module可学习参数(即权重和偏差)。模型包含在model的参数中(使用model.parameters()访问)。state_dict只是一个Python字典对象，它将每一层映射到其参数张量。介绍如果您对从PyTorch保存或加载模型感兴趣，那么state_dict是一个完整的实体。因为state_dict对象是Python字典，所以可以很容易地保存、更新、修改和恢复它们，从而为PyTorch模型和优化器增加了大量的模块化。注意，只有具有可学习参数的层(
2020-07-02 20:18:46
1163
原创 Pytorch学习（二）定义神经网络
Pytorch中定义神经网络深度学习使用人工神经网络(模型)，它是由许多层相互连接的单元组成的计算系统。通过将数据传递给这些相互连接的单元，神经网络能够学习如何近似计算将输入转换成输出。在PyTorch中，神经网络能够使用torch.nn包来构建。介绍Pytorch提供了优雅设计的模块和类，包括torch.nn，帮助我们创建和训练神经网络。一个nn.Module 包括layers，和forward(input)方法,然后返回一个输出。步骤1. 导入包2. 定义和初始化神经网络3.
2020-07-02 16:41:42
1419
1
原创 Pytorch学习（一）加载数据
在Pytorch中加载数据pytorch具有广泛的神经网络构建模块和一个简单、直观、稳定的API。Pytorch包括为您的模型准备和加载通用数据集的包。介绍Pytorch加载数据的核心是torch.utils.data.DataLoader类。它表示一个在数据集上的一个Python可迭代对象。Pytorch库为我们提供了内置的高质量数据集，去在torch.utils.data.Dataset中使用。数据集可从tochvision、torchaudio、torchtext中获得。我们使用来自t
2020-07-02 14:21:30
617
1
原创 TX2在python3安装opencv-python
执行命令sudo apt-get install python-opencv这会默认给python2.7安装。我们要在python3中安装先从github下载两个包opencv-master和opencv_extra-master分别用unzip命令解压再重命名为opencv和opencv_extra（为了和bash脚本对应）新建buildOpenCV.sh脚本文件,其内容为#!/bin/bash# License: MIT. See license file in roo
2020-05-16 10:52:11
1632
4
原创 Ubuntu16.04 出现“GLIBC_2.27”not found
试过安装GLIBC_2.27,解决了一些安装失败问题，最后../configure --profix=/opt/glibc-2.27 sudo makesudo make install成功了。但是执行strings /lib/x86_64-linux-gnu/libc.so.6 | grep GLIBC_还是没有显示GLIBC_2.27承认确实Ubuntu16.04不...
2020-05-08 11:44:20
14159
9
原创 Ubuntu更换下载源解决下载速度慢
一、更换/etc/apt/sources.list文件里的源1. 备份源列表Ubuntu配置的默认源并不是国内的服务器，下载更新软件都比较慢。首先备份源列表文件sources.list：# 首先备份源列表sudo cp /etc/apt/sources.list /etc/apt/sources.list_backup2. 打开sources.list文件修改选择合适的源，...
2020-05-08 11:35:49
1238
原创 TX2 zed 卸载安装CUDA
1.显示CUDA_ERROR_INVAL_ID_CONTEXT,或者被Killed.原因：显存不足解决方法：释放显存
2020-05-02 12:00:27
1407
原创 Python中的字符串方法
方法名 使用方法 解释 center astring.center(w) 返回一个字符串， w 长度，原字符串居中 count astring.count(item) 返回原字符串中出现item 的次数 ljust astring.ljust(w) 返回一个字符串， w 长度，原字符串居左 lower astring.lower...
2020-04-15 17:40:11
92
原创 Python列表中存在的方法
方法名 用法 解释 append alist.append(item) 在列表末尾添加一个新项 insert alist.insert(i,item) 在列表的某个位置插入一个项 pop alist.pop() 移除并返回列表的最后一项 pop alist.pop(i) 移除并返回列表的第i 项 sort ali...
2020-04-15 17:08:39
574
转载 目标检测中的正负样本
以人脸识别为例，如果你的任务是识别教室中的人脸，那么负样本的选取应该是教室中的窗户、椅子、墙、人的身体、衣服颜色等等，而不是天空、月亮这些对本任务没有帮助的场景。当然，如果不确定应用环境，那么应该选取尽可能有不同光照不同环境的自然图像作为负样本。 个人理解的正样本就是任务所要检测的目标物，比如在人脸识别中不同种族年龄的人脸、不同表情的人脸、戴不同...
2020-04-10 16:49:23
2567
5
转载 CNN中1X1卷积核的作用
最初应用 1x1 卷积核的神经网络是 Network In Network，然后 GoogLeNet 和 VGG 也不约而同的更正了。他们在论文中解释，大概有下面 2 个意义。1.增加网络的深度这个就比较好理解了，1x1 的卷积核虽小，但也是卷积核，加 1 层卷积，网络深度自然会增加。其实问题往下挖掘，应该是增加网络深度有什么好处？为什么非要用 1x1 来增加深度呢？其它的不可以吗？其...
2020-04-09 14:06:29
548
转载 选择性搜索（Select Search）
候选区域（Region Proposal）算法滑窗法的问题可以使用候选区域产生算法解决。这些算法输入整张图片，然后输出可能有物体的候选区域位置，这些候选区域可以有噪声或者重叠，或者和物体的重合度不是很好，这都不要紧，只要这些区域里有一个和实际物体的位置足够接近就行。因为不好的候选区域会被物体识别算法过滤掉。候选区域算法用分割不同区域的办法来识别潜在的物体。在分割的时候，我们要合并那些...
2020-04-04 18:27:54
3171
原创 单层感知机
什么是感知机感知机由Rosenblatt在1957年提出,是一种二类线性分类模型。输入一个实数值的n维向量（特征向量），经过线性组合，如果结果大于某个数，则输出1，否则输出-1.具体地：其中的w0,w1,....wn权重，W向量称为权向量（本文中粗体代表向量）。权重决定每个输入分类对最终输出的贡献率。为了更简洁地表示，我们加入一个x0=1，则可以将上面的式子写成符号函数（输入大于零的时...
2020-04-02 15:34:12
1364
转载 详解keras的model.summary()输出参数Param计算过程
https://blog.csdn.net/ybdesire/article/details/85217688
2019-12-01 13:51:17
1227
转载 Keras vs PyTorch：谁是「第一」深度学习框架？
https://www.jiqizhixin.com/articles/keras-or-pytorch
2019-11-30 18:45:42
357
原创 IMDB影评数据集一直下不下来
一、IMDB数据集百度网盘下载：链接：点击下载提取码：mnwy二、下载之后放到哪：放到.keras/datasets文件夹下，先找到你的keras安装目录,这是我的安装目录D:\software\anaconda\envs\tf\Lib\site-packages\keras\datasets三、修改imdb.py文件把从网站下载的相关代码注释掉保存即可。四...
2019-11-27 22:43:37
1371
4
转载 YOLO论文阅读
yolo1: Unified, Real-Time Object Detection参考：http://blog.csdn.net/u011534057/article/details/51244354https://zhuanlan.zhihu.com/p/24916786论文下载：http://arxiv.org/abs/1506.02640da...
2019-11-17 11:25:47
153
原创 one-hot编码
是什么？one hot编码是将类别变量转换为机器学习算法易于利用的一种形式的过程。对于分类变量，先对其进行特征转换，通常直接转换为数字；转化成数字后，再对数字列表进行one-hot编码，将其转化为0和1组成的向量。 使用one hot编码器对类别进行“二进制化”操作，然后将其作为模型训练的特征 举个例子：假设“花”的特征取值为daffodil（水仙）、lily（百合）、rose（玫瑰...
2019-11-10 16:04:51
235
原创 VMware WorkStation 安装32位Win系统
一、下载安装VMware下载VMware WorkStation最新版VMware WorkStations 15.5 双击下载文件点击下一步 接受许可协议点击下一步 更改安装位置，点击下一步 是否加入客户体验计划，随意，点击下一步 点击下一步 点击安装，开始安装 安装完成...
2019-11-09 13:28:42
14932
2
转载 YOLO - YOLOV3 .cfg 配置文件 参数含义
https://blog.csdn.net/qq_35872456/article/details/84216129
2019-10-05 19:06:02
584
北航软件工程991复试资料.zip
2019-05-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人