- 博客(667)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 docker默认存储地址 var/lib/docker 满了，换个存储地址操作流程
当涉及到大文件或需要节省带宽时，考虑使用rsync。在进行敏感数据传输时，选择rsync并配置加密选项。如果只需在本地进行简单的文件复制，可以使用cp。
2024-07-18 14:07:19
326
原创 docker build 建立镜像，多出很多 none 的中间层镜像
实际上，这些镜像也没必要删除，在docker中，相同的层只会存一遍，而这些镜像是别的镜像的依赖，因此并不会因为它们被列出来而多存了一份，无论如何你也会需要它们。只要删除那些依赖它们的镜像后，这些依赖的中间层镜像也会被连带删除。当新版本发布后重新pull，旧的镜像名会被新镜像所占用，旧镜像的名字会变成。仓库名、标签均为的镜像被称为虚悬镜像，一般来说，虚悬镜像已经失去了存在的价值，是可以随意删除的。这些事 docker build 构建时候的中间层镜像不用删除，删除镜像会自动删除。
2024-07-15 14:35:42
270
原创 加载多个trt 文件，路径，环境没变，报错recommend and is likely to arrect performance or even caus
【代码】加载多个trt 文件，路径，环境没变，报错recommend and is likely to arrect performance or even caus。
2024-07-12 11:37:24
134
原创 docker import ，load 区别试用场景
③docker export 导出的镜像是不带历史记录的，如果原本的镜像有3层，export 之后只会有1层，这一层为从镜像运行到export之间对文件系统的修改。docker commit保存镜像文件系统的历史层，docker export保存从镜像运行到export之间对文件系统的修改的最新一层。生产环境没有外网，在本机将镜像打包成tar。比 docker save的包要小，原因是save的是一个分层的文件系统，export导出的只是一层文件系统。主要作用是将配置好的一些容器复用，再生成新的镜像。
2024-07-10 15:37:20
356
原创 查找文件夹是否存在，查找文件夹下的某个前缀的图片名字是否存在python
【代码】查找文件夹是否存在，查找文件夹下的某个前缀的图片名字是否存在python。
2024-06-28 13:50:59
97
1原创 Ai新功能使用,
LangChain 提供了对向量数据库的支持，能够把超长的 txt、pdf 等通过大模型转换为 embedding 的形式，存到向量数据库中，然后利用数据库进行检索。这样就可以支持更多长度的输入，解放了 LLM 的优势。
2024-06-25 10:51:30
105
原创 vncsever ，window 远程ubuntu远程界面安装方式，VNC Viewer安装教程+ linux配置server 操作
gdm3 和 lightdm 是两种不同的显示管理器 (DisplayManager)，它们用于管理用户登录和会话启动。你可以根据以下描述选择适合你的显示管理器：默认的显示管理器用于 GNOME 桌面环境。提供更现代和全面的功能。具有较高的资源消耗（相对于 lightdm）。如果你喜欢GNOME 桌面环境并且不介意较高的资源使用，可以选择 GDM3。LightDM:轻量级显示管理器，适用于资源受限的系统。默认用于 Xfce、LXDE 和其他轻量级桌面环境。提供较快的启动时间和较低的资源消耗。
2024-06-25 10:38:08
391
原创 dvc 更新加载模型版本控制
dvc即data version control, 是一种针对人工智能项目（机器学习或者深度学习）的数据版本管理工具。DVC的操作和GIT类似，可以认为为GIT的二次开发封装。结合GIT，DVC可以有效的管理人工智能项目的整个流程，包括代码，数据，训练配置，模型。dvc：负责数据和模型等大文件的存储、下载等管理，同时生成元数据（.dvc文件）描述这些数据和模型， 并且串联整个人工智能项目工作流。git：负责代码和dvc生成的元数据文件的版本管理。
2024-06-13 16:35:03
365
原创 conda虚拟环境，安装pytorch cuda cudnn版本一致，最简单方式
1、pytorch版本安装（卸载也会有问题）（1）版本如何选择参考和卸载（2）对应版本如何安装命令。
2024-06-12 10:43:01
401
原创 medsam ,数入xml +img, 根据检测框，原图显示分割效果，加上点的减少处理
【代码】medsam ,数入xml +img, 根据检测框，原图显示分割效果，加上点的减少处理。
2024-05-29 17:24:18
500
原创 多标签分割
https://github.com/PaddlePaddle/PaddleSeg/blob/release/2.9/configs/multilabelseg/README_cn.md
2024-05-10 17:45:01
206
原创 transformer 最简单学习3， 训练文本数据输入的形式
文本数据，是每个单词对应的索引，需要对数据进行切分成整块的batch, （n行，batch列）， 变成竖着的，横着看，每一位 AGMS 对应 BHNT， AB， GH， MN， ST， 是相邻的两个字。然后，横着一个一个 切分成一个个batch数据，下移一个索引获取目标数据，1、输入数据中，源数据和目标数据的定义。（batch行，n列）
2024-04-25 14:14:00
367
原创 yolov5 的几个问题，讲的比较清楚
(3)Diou 也是 -1,1 之间，多了2个线段的比值，（两个框中线点的线段）^2 / (S3的对角线)^2,当没有交集的框很远的时候，这个比值接近1，完全重叠时为0, ，目前已经很好了，考虑了重叠面积，考虑了中心点的距离，但是还少了一个宽高比的相似度， 为了进一步提升训练的稳定性和收敛速度，在DIOU的基础上CIOU又被提了出来，它将重叠面积、中心点距离、宽高比同时加入了计算。每个框的 标签label 是0-1， 利用BCE 损失，预测一个0-1 的值， 得到了置信度。
2024-04-20 17:26:05
1059
原创 多个分割对象，读取jsons 文件夹，然后先分割大目标再分割小目标分割，一张图多个分割目标mask
【代码】多个分割对象，读取jsons 文件夹，然后先分割大目标再分割小目标分割，一张图多个分割目标mask。
2024-04-12 16:23:28
340
原创 pytorch2 onnx 2tensorrt,代码参考
Pytorch导出onnx模型，C++转化为TensorRT并实现推理过程tensorRT部署之 代码实现 onnx转engine/trt模型ONNX模型转TRT部署推理c++
2024-03-26 11:25:22
131
原创 大模型的学习 LLaMa和ChatGLM，minichatgpt4
prompt-tune, 包括p-tuning、lora、prompt-tuning、adaLoRA等delta tuning方法，部分模型参数参与微调，训练快，显存占用少，效果可能跟FT（fine-tune）比会稍有效果损失，但一般效果能打平。ChatGLM-6B, LLaMA-7B模型分别是60亿参数量和70亿参数量的大模型，基本可以处理所有NLP任务，效果好，但大模型部署成本高，需要大显存的GPU，并且预测速度慢，V100都需要1秒一条。LLaMa和ChatGLM，minichatgpt4。
2024-03-26 09:42:19
872
原创 vscode不能远程了该怎么办，win 远程ubuntu18
今天发现vscode无法远程连接了，我刚刚才弄好，一个很恶心的小问题：vscode自动更新到了1.86版本，我们的ubuntu18.04，属于旧的版本，要想远程连接，windows上的vscode必须是1.85及以下。
2024-02-22 15:44:26
353
原创 二分类中auc ,应该是什么y_score 是指正例的概率也就是1的概率进行计算auc 的
y_score：目标分数。形状(n_samples，)或(n_samples, n_classes)。举个例子:模型输入的得分是一个数组[0.98361117 0.01638886]，索引是其类别，这里“较大标签类的分数”，指的是索引为1的分数：0.01638886，也就是正例的预测得分。y_true：真实的标签。形状(n_samples，)或(n_samples, n_classes)。二分类的形状(n_samples，1)，而多标签情况的形状(n_samples, n_classes)。
2024-02-22 13:54:23
205
原创 transformer,视觉模型改进论文的讨论
5、如何理解 Swin Transformer 和 Vision Transformer不同任务上的差异？- 猛猿的回答 - 知乎。3、近两年有哪些ViT(Vision Transformer)的改进算法？- ZOMI酱的回答 - 知乎。4、为啥Transformer在遥感上效果差？- yan的回答 - 知乎。6、vit 模型和 swim transformer 的区别。
2024-02-21 15:49:05
313
原创 transformer 最简单学习1 输入层embeddings layer，词向量的生成和位置编码
具体到代码中的示例，self.lut(x) 可以理解为嵌入层，它接收一个词的索引作为输入，然后从词向量矩阵中检索对应的词向量。这样，每个单词都被映射为一个固定长度的密集向量，而这些向量通常包含了单词的语义信息。嵌入层是神经网络中的一种常用层，用于将离散的词索引转换为密集的词向量。将索引映射为512维的向量：通过嵌入层，将单词的索引映射为一个固定维度的向量，通常这个向量的维度是预先指定的，比如512维。找到单词在词表中对应的索引：首先，根据单词在词汇表中的位置或唯一标识，找到该单词在词表中的索引位置。
2024-02-18 18:27:19
557
原创 gitclone 代码上传到另一个仓库中
4、 git remote add origin 新的远程git仓库的地址 ----关联到新的远程库的地址。由于当前本地的代码也是从其他的git仓库上clone下来的，所以就不需要执行sudo git init命令了。2.sudo git commit -m “一些说明” ----把添加的文件提交到仓库。1.sudo git add . ----将当前目录下的所有文件添加到版本库。5、git remote -v 命令查看是否关联到了新的git仓库地址。git commit -m “提交”
2024-01-10 16:51:28
583
原创 c++ new新建对象原因
堆内存的分配是动态的，这意味着我们可以在运行时决定何时以及如何创建和销毁对象。这为大程序中内存管理的灵活性提供了帮助。由于堆内存需要手动管理，使用new分配的内存必须显式地使用delete来释放，否则可能会导致内存泄漏。在C++中，使用new和不使用*来创建对象的主要区别在于内存分配的位置和对象的控制性。使用new会在堆上分配内存，而不使用的new（即直接创建对象）则在栈上分配内存。对于小程序，由于内存管理相对简单，通常不需要使用new来创建对象。
2023-11-17 16:33:41
205
原创 win搜索文件搜不到含有括号的的图片，例如(2).png 搜索不到括号，解决，System.FileName:~=“（”
System.FileName:~=“（” 这样就行。括号上加个引号windows。win7搜索文件怎么搜索文件名中带圆括号的文件。如下搜索的时候加下面一整串。~< 是以什么为开头，~= 是包含的意思，
2023-11-08 10:02:43
425
原创 SAM 微调在医学上的尝试
ICCV 2023 Oral | 超越SAM！EntitySeg：更少的数据，更高的分割质量！本文提出 SonoSAM：一种用于分割超声图像上感兴趣对象的快速基础模型。SAM-Med2D 医学图像分割来了！绿色是预测的， 蓝色是真实标注，
2023-11-06 14:49:29
448
原创 c++比较字符串是否相等常用的方法compare或者==， 一个字符串在另一个数组中出现的次数，find或者count
c++中如果两个字符串打印相等，但是比较确不相等，可能有隐藏换行符空格等。打印十六进制，看一下，多了一个d，
2023-10-23 09:55:15
1242
原创 c++ json 库的调用报错 “value, object or array expected“
表示输入的json 文件，写的格式有点不正确例如。aa.json 出现了一些问题，不是代码问题。
2023-10-23 09:39:58
274
原创 std::vector遍历元素和std::map 遍历元素
在第一个循环中，我们使用 dets.size() 来确定循环的次数，并使用索引来访问容器中的元素。这种方式适用于随机访问容器（如 std::vector）。在第二个循环中，我们使用 dets.begin() 获取迭代器，然后使用迭代器来遍历容器中的元素。这种方式适用于所有容器类型。用于获取容器的起始迭代器。你可以根据具体的需求和容器类型选择适合的遍历方式。总之，dets.size() 用于获取容器的大小，dets.begin()
2023-10-16 10:34:32
296
原创 c++ vector 添加结构体元素，检测结果坐标的几个写法
/ std::map中的一个键值对。键值对由键和值组成，通过it->first可以访问键，通过it->second可以访问值float prob;std::string label = "猫";//xywh// 查找是否已存在相同标签的元素if (it!// 如果已存在，比较置信度并更新} else {// 如果不存在，添加新元素。
2023-10-11 14:17:22
434
FDDB,测试自己训练的模型，如何生成FDDB 文件，详细细节
2018-09-18
opencv3.1,cmake,ippicv包下载
2018-07-09
Ubuntu16.04+显卡GTX1060+cudn8.0+opencv3.1+caffe,
2018-07-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人