JYliangliang的博客

Pytorch代码及命令总结

configs文件配置，包括网路就哦模型、数据集及处理、优化器和epoch、日志保存

报错1：AttributeError: Can‘t get attribute ‘SPPF‘ on ＜module ‘models.common‘ from ......解决方案：model/common.py里面去找到这个SPPF的类,把它拷过来到你这个Tags5的model/common.py里面,这样你的代码就也有这个类了,还要引入一个warnings包import warningsclass SPPF(nn.Module): # Spatial Pyramid Pooling

内容

ConvNeXt论文地址：https://arxiv.org/abs/2201.03545一、改进点随着技术的不断发展，各种新的架构及优化策略促使Transformer拥有更好的效果相同策略训练卷积神经网络以ResNet-50为基准1、Macro design（1）Swin-T的比例是1：1：3：1 Swin-L的比例是1：1：9：1堆叠次数由(3, 4, 6, 3)调整为(3, 3, 9, 3)（2）最初的下采样模块为stem，例如ResNet中stem是7×7卷积核3×3.

一、Transformer二、ViT网络

一、简介ResNet在2015年微软实验室提出，斩获当年ImageNet竞赛中分类任务第一名，目标检测第一名。获得COCO数据集中目标检测第一名，图像分割第一名。Deep Residual Learning for Image Recognition网络亮点：超深的网络结构（突破1000层） 提出residual模块 使用Batch Normalization加速训练（丢弃dropout）问题：梯度消失或梯度爆炸 梯度消失： 梯度爆炸： 退化问题（degradation

一、神经网络1、根据architecture图，记录通道数变化引入import torch.nn as nn创建通用卷积块方法2、定义类，继承(nn.Module):de __init__中初始化每个卷积块或设定的结构块注意：此处需要注意级联后图像通道数的变化def forward(定义参数)参数：如果是单通道输入，则可设定为x；如是双通道输入，则为两个图，设定为x_1，x_2forward方法中，根据结构图，源图像依次传入卷积块或设定的结构块中注意：此处需要注意级联

主要使用库numpy：提供数组支持，以及相应高效的处理函数scipy：提供矩阵支持，以及矩阵相关的数值计算模块matplotlib：强大的数据可视化工具，作图库pandas：强大、灵活的数据分析和搜索工具StateModels：统计建模和计量经济学，包括描述统计、统计模型估计和推断Scikit-Learn：支持回归、分类、聚类等强大的机器学习库Keras：深度学习库，用于建立神经网络以及深度学习模型Gensim：用来做文本主题模型的库，文本挖掘可能用到图片处理用Pillow 视频处理O.

一、什么是Qt DesignerQt Designer，即Qt设计师，是一个强大、灵活的可视化GUI设计工具，可帮助我们加快开发PyQt程序的速度。Qt Designer是专门用来制作PyQt程序中UI界面的工具，生成的UI界面是一个后缀.ui的文件，可通过命令将.ui文件转换成.py格式的文件，并被其他python文件引用。二、位置及配置1、Pycharm中启动Qt Designer安装Anaconda后，Qt Designer也安装成功可在PyCharm的Settings → Too

一、坐标点显示import matplot.pyplot as pltimport matplotlib.pyplot as pltif __name__ = '__main__': y = np.zeros(5) x1 = np.linspace(0, 10, 5) x2 = np.linspace(0, 10, 5) plt.plot(x1, y, 'o') plt.plot(x2, y + 0.5, 'o')

一、网络结构图网络亮点：引入Inception（融合不同尺寸） 使用1×1的卷积核进行降维以及映射处理 添加两个辅助分类器帮助训练 丢弃全连接层，使用平均池化层（大大减少模型参数）二、网络代码（1）网络层（2）训练层（3）验证层...

一、网络结构1、DenseNet网络结构2、密集块及卷积层数据二、代码详情1、网络代码import numpy as npimport torchimport torch.nn as nnimport torch.nn.functional as Fimport fusion_strategy# 卷积层class ConvLayer(torch.nn.Module): def __init__(self, in_channels, out..

VGGNet网络结构分类数据：将数据集中10%的图像为验证集Validation，其他为训练集Trainimport osfrom shutil import copy, rmtreeimport randomdef mk_file(file_path: str): if os.path.exists(file_path): # 如果文件夹存在，则先删除原文件夹在重新创建 rmtree(file_path) os.makedirs.

CNN（Convolutional Neural Network）1、雏形：LeCun的LeNet(1998)网络结构Pytorch Tensor的通道顺序：[batch，channel，height，wight]LeNetimport torchimport torch.nn as nnimport torch.nn.functional as Fclass LeNet(nn.Module): def __init__(self): super(LeN

RNNRNN（循环神经网络）是一种以序列数据为输入来进行建模的深度学习模型，可用于股价预测、天气温度预测、文本生成、网络评论情感分析、机器翻译等场景缺点：1、计算速度慢 2、短期记忆保存，不适合保存长期信息（对短期信息敏感，缺乏长期信息的依赖）优势：1、能处理任意长度的输入 2、模型大小不随输入长度影响 3、计算过往的历史数据 4、权重共享LSTMLSTM：Long Short Term Memory 长短期记忆cell state单元状态 传送带上的状态信息由遗忘门和输入门控制...

一、什么是tensor？scalar（标量）：一个数值 2vector（向量）：一个数组 [2],[3]matrix（矩阵）：二维数组 [[2,3], [4,5]]tensor（张量）：大于二维的数组，即多维数组tensor的类型numpy.float64、numpy.float32、numpy.float16、numpy.int64、numpy.int32numpy.int16、numpy.int8、numpy.uint8、numpy.bool备注：pip 安装时使用清华源-.

专业名词参数和超参数参数：模型f(x,θ)中θ称为模型的参数，可以通过优化算法进行学习超参数：用来定义模型结构或优化策略batch_size 批处理每次处理的数据数量epoch 轮次把一个数据集，循环运行几轮transforms变换主要将图片转换为tensor，旋转图片，以及正则化normalize 正则化模型出现过拟合现象时，降低模型复杂度卷积层：由卷积核构建，卷积核简称为卷积，也称为滤波器，卷积的大小可以在实际需要时自定义其长和宽（1×1、3×3、5×

下载anaconda，并安装在Anaconda目录中，打开Anaconda Prompt分别输入python 及 conda进入anaconda安装文件夹，同时按住shift和右键，打开Powershell窗口输入jupyter notebook，如打不开，则需要复制 or copy and paste one of these URLs下的网址链接new——> Python3 shift+enter键可运行代码安装pytorch环境conda create -n...

TensorFlow环境安装完成，GPU安装完成后新建项目，环境选择TensorFlow安装环境分别使用CPU 和 GPU进行测试，代码如下import tensorflow as tfimport timeit# print("GPU", tf.test.is_gpu_available())with tf.device('/cpu:0'): cpu_a = tf.random.normal([10000, 1000]) cpu_b = tf.random.nor.

PlatformWindows 10 or Ubuntu 16.04/18.04 Anaconda，Python 3.7 CUDA 10.0 NVIDIA CUDA cuDNN TensorFlow 2.0 PyCharm1、安装ANACONDA安装后，cmd→控制台→conda list2、安装CUDANVIDIA显卡 CUDA安装 驱动 CUPIT cuDNN安装 动态库 https://developer.nvidia.com/rdp/cu..

2015年Scikit-learn Machine learning，No GPU Caffee 2013，第一个面向深度学习的框架；No auto-grad，C++ Keras 底层实现并不是由自己完成，wrapper Theano 开发难，调试难；加拿大 Torch Lua语言 新加坡国立大学 NUS SINGA apache下项目TensorFlowCaffee Facebook，Caffee→Pytorch Torch→PyTorch Theano...

pytorch，torchvision，python 版本对应pytorch，torchvision，python 三者的对应关系来源于 pytorch 官方 github，链接：https://github.com/pytorch/vision#installation创建并进入虚拟环境创建一个虚拟环境，其中 pt 是自定义虚拟环境名称，另外根据踩坑经验 python 3.6.5 版本可以适配所有版本的 pytorch，建议创建环境时 python 解释器版本选择 3.6.5 版本。

目录一、输出函数print二、转义字符与原字符三、二进制与字符编码四、Python中标识符与保留字五、变量的定义与使用六、变量的多次赋值七、数据类型八、Python中的注释一、输出函数print#输出数字print(500)print(98.5)#输出字符串print('hello world')print("hello world")#含有运算符的表达式print(5 + 2)#将数据输出到文件中 1、所制定盘符需存在 2、使用fil.

一、Python方向1、Web全栈开发方向：前端技术、数据库管理、后台框架技术Web前端：HTML5、CSS样式、JavaScript、JQuery数据库：MYSQL、MongoDBWeb后端：Flask框架、Django框架、Tomado框架、大型电商项目职业方向：Web全栈开发工程师2、数据科学方向：数据库管理、数据分析、数据可视化、能够制作数据看板、实现数据指标监控职业方向：数据产品经理、量化交易、初级BI商业分析师3、人工智能-机器学习：掌握机器学习常用算法思想、能够

simpleui 赋能Django后台建设，兼容原生Django Admin官方网站https://simpleui.72wo.com/simpleui/一、介绍：快速创建项目，支持风格切换，满足个性化需求；轻松操作页面管理，自定义按钮自由搭配，页面组合可视化操作更得心应手；开发调试一体化，集成运行环境零配置运行，开箱即用。Element+Django Admin的Simpleui二、使用1、创建Django项目，运行成功2、Mysql数据库配置使用安装...

一、Template 模版MTV中的Template 充当数据展示的角色 在Django中使用的就是Django模版 模版组成 1、静态HTML 2、模版语法 变量 {{ var }} 变量名遵循命名规范 来源 视图中传递过来的 标签中，逻辑创建出来的 标签 {{ % exp % }} 将标签分为单标签和双标签 双标签必须闭合 结构标签 block 块、坑 用于规划，填充页面 ...

一、MTV流程组成 model、view、template、urls Django中流程 客户端 --- > urls urls ---> views views ---> models models ---> views views ---> template template ---> 客户端 二、Models模型 Django 数据操作封装 定义数据表结构 模型类、表、属性、字段 定义模型 继承自M

Model 模型 创建数据库表数据操作封装 定义数据表结构：模型类、表、属性、字段 定义模型 继承自Model class Meta 源信息 db_table 表名 定义字段 字段类型：CharField、TextField、IntegerField、FloatField、BooleanField、DecimalField、NullBooleanField、AutoField、FailField、ImageField 字段y约束：max_length、defaul..

http://baijiahao.baidu.com/s?id=1600605386796024602&wfr=spider&for=pc

Mysql系统默认数据库information_schema mysql performance_schema sys5.6前系统默认数据库有：information_schema、mysql、performance_schema、test一、information_schema（信息概要）information_schema是一个信息数据库，它保存着关于MySQL服务器所维护的所有其他数据库的信息。(如数据库名，数据库的表，表栏的数据类型与访问权限等。) 在INFOR...

Viewsviews模块为MVC中的C——Controller，逻辑处理，是连接MTV中model（数据库数据）与Template（视图模块）的结合，将数据库中的数据显示到视图中Urls路由按照列表的书写顺序进行匹配，从上到下匹配，没有最优匹配的概念 路由规则编写：通常直接指定，在结尾添加斜杠 /URL组成：http://www.xxx.com/xx/index/?u_toke...

Template等同于MVC中View层，为视图层结构标签block块 用来规划我们的布局（挖坑） 首次出现，代表规划 第二次出现，代表填充以前的规划 第三次出现，代表填充以前的规划，默认动作是覆盖 如果不想覆盖，可以添加{{ block.super }} 这样就实现了增量式操作 extends继承 可以获取父模版中的所有结构block + extends...

CS/BS——客户端和服务器的交互模型client--Browser server--Web后端--python（django、flask）、java、php、goMVC软件架构风格--不是标准 将数据操作，业务处理，界面展示进行了拆分 核心思想：解耦合 松耦合 Model：模型--封装数据的交互操作（CRUD） View：视图--是用来将数据呈现给用户的 Contro...

def test(num): print(str(id(num))+" >>> 2") num = 100 print(str(id(num))+" >>> 3")num = 200print(str(id(num))+" >>> 1")test(num)print(str(id(n...

一、Django中数据迁移错误No changes detected执行python manage.py makemigrations，报错No changes detected执行python manage.py makemigrations --empty 子应用名称，出现问题：App '子应用名称' could not be found.Is it in INSTALLED_AP......

一、terminal 命令行指定项目文件夹tree：文件夹PATH列表dir：项目的目录文件夹python manage.py start.app Myapp：生成Myapp文件夹python manage.py runserver：启动服务器，在浏览器中输入http://127.0.0.1:8000/ 可以在浏览器中查看网页 ctrl+c退出python mana...

一、配置并准备你的环境1、首先，在设置里面选择好环境,这里我们使用python3.7（Ps：打开pycharm后—>File—>settings—>键入 Project Interpreter），点击如下图所示的齿轮后出现Add。2、添加设置你自己安装的 python 后点击 OK3、我们会看到现在都有什么东西，然后点击加号，下载django包。...

一、进程进程 包含 线程 包含 协程打开一个程序，产生一个进程，进程是程序的实体一个任务就是一个进程进程优点：稳定性高，一个进程崩溃了，不会影响其它进程进程缺点：1、创建进程开销巨大2、操作系统能同时运行进程数目有限from multiprocessing import Processprocess = Process(target=函数, name=进程的名字, ...

一、正则表达式简介1、正则表达式的定义正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是对字符串（包括普通字符（例如，a 到 z之间的字母）和特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符及这些字符的组合，组成...