m0_37192554的博客

原创 容器打包部署流程+代码自启动 细节步骤（一）

docker部署

原创 查看linux 系统cpu gpu 型号,查看系统centoos还是ubuntu

gpu

原创 读取voxxml计算iou

python

转载 对残差网络resnet shortcut的解释

resnetvd shortcut

转载 右击文件夹没有pycharm打开解决

右击文件夹pycharm打开

原创 分割入门学习

分割

原创 linux 挂载 win网络共享盘

ccc

原创 docker容器找到挂载的目录，以及服务器对应物理地址

docker 容器物理地址

原创 python flask gunnicorn多进程服务器部署

flask服务器部署

原创 类似的物体检测检测优化方向

检测

原创 paddle开发框架学习

paddle

原创 nvidia docker安装和驱动安装

docker

原创 docker容器打包成镜像，在新的服务器上部署环境

docker

原创 鸟瞰图仿射变换，坐标图示

鸟瞰图坐标转换图形变化

原创 鸟瞰图透视变换python

鸟瞰图

原创 道路标识检测模型更新

道路检测

原创 flask+gunicorn，python服务器端部署深度学习模型 postman高并发测试

flask postman

原创 视频数据使用 iter next读取帧图片，送入模型输出数据yield返回输出结果

视频数据读取，送入模型

原创 道路标牌检测记录

道路标牌检测

转载 voc2007和2012目标检测数据集在训练中使用

voc2007和2012如何训练使用

原创 windows + paddlex安装，第一步Microsoft Visual C++Build Tools安装包丢失或损坏

win paddlex安装

原创 docker从镜像到使用常用的一些命令

容器使用记录

原创 检测用到的环境工具算法以及优化整理

检测工作

原创 安装tensorRT

cd 到容器内的 tensorrt 路径下解压刚才下载的 tar 包：tar -zxvf TensorRT-8.2.1.8.Linux.x86_64-gnu.cuda-11.4.cudnn8.2.tar.gz解压之后可以 ls 看一下，应该多了一个叫 TensorRT-8.2.1.8 的文件夹；1、安装 vim2、添加环境变量把 解压 TensorRT的路径 替换成刚才的 tensorrtexport LD_LIBRARY_PATH=/tensorrt/TensorRT-8.2.1.8/lib:$L

原创 2021 Principled Synthetic-to-Real Dehazing Guided by Physical Priors oral解读

2021 Principled Synthetic-to-Real Dehazing Guided by PhysicalPriors, CVPR2021https://github.com/zychen-ustc/PSD-Principled-Synthetic-to-Real-Dehazing-Guided-by-Physical-Priors2、训练细节1、论文训练数据，RESIDE数据中的户外合成数据，OTS_ALPHA，数据有313590个图片+ RESIDE数据的无标注真实图片，Un

原创 onnxruntime统计onnx模型gpu运行时间

import torchimport numpy as npimport onnximport onnxruntimefrom onnxruntime.datasets import get_exampleimport osimport cv2import timeos.environ["CUDA_VISIBLE_DEVICES"] = "0"def onnx_out(onnx_path,img): sess = onnxruntime.InferenceSession(onn

原创 去雨去雾的研究和可用方法

一、基本概念目前已知的方案有两种。第一种是基于图像增强的方法，这类方法是对被降质的图像进行增强，改善图像的质量。但是，这种方法可能会造成图像部分信息的损失，使图像失真。第二类是基于物理模型的方法，这种方法通过研究大气悬浮颗粒对光的散射作用，建立大气散射模型，了解图像退化的物理机理，并反演复原出未降质前的图像。这是一类专门针对雾天图像的图像复原的方法，复原出来的图像效果真实，贴近降质前景物原景，对复杂场景的图像处理效果较好，图像信息得到较完整的保存。1、神经网络的方法，和数据关系最大，学习的规则（模

原创 输入关键点得到对齐人脸opencv align face

import cv2import numpy as npfrom skimage import transform as trans# 1、输入 关键点人脸+原图 # 2、输出 对齐后的人脸### input img is resize square or 112 96,输入只需要关键点坐标就可以了def process(img,landmark, align_img_size=(112,112)): M = None image_size = [] src =

原创 python 解析网页html,提取需要的页面信息

爬虫网络请求方式：urllib、 requests， scrapy(框架）、 pyspider(框架)爬虫数据提取方式：正则表达式, bs4, lxml, xpath, cssPython网络爬虫四大选择器（正则表达式、BS4、Xpath、CSS）总结如果你的爬虫瓶颈是下载网页，而不是抽取数据的话，那么使用较慢的方法（如BeautifulSoup） 也不成问题。如果只需抓取少量数据，并且想要避免额外依赖的话，那么正则表达式可能更加适合。通常情况下，lxml(该模块可以实现xpath和css)是抓取数

原创 pytorch模型最后添加新层add_module

model.fc.add_module('5', nn.Sigmoid()) #add sigmoid在 fc 后面添加新的层 (5): Sigmoid() out add sigmoid layer (fc): Sequential( (0): Linear(in_features=2048, out_features=1024, bias=True) (1): ReLU() (2): BatchNorm1d(1024, eps=1e-05, momentum=0

转载 pycahrm编辑代码不能全选，不能backespace删除，进入到插入状态解决办法

原创 onnx测试简化

if img_path is None: img = np.random.randint(0, 255, size=(112, 112, 3), dtype=np.uint8) else: img = cv2.imread(img_path) #img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img = cv2.resize(img,(112,112)) ...

转载 惠普打印机公司网络连接过程，安装驱动

不会下载/安装打印机驱动！我教你

转载 Gitlab&Pycharm交互(拉取Get&更新Commit)

Gitlab&Pycharm交互(拉取Get&更新Commit) LittleWhite123 2020-08-21 22:15:06 ...

原创 人脸前后帧匹配问题，去重

①视频帧图片 retinaface人脸检测对齐：得到多个对齐的人脸，得到每个人脸质量分数，同时记录人脸信息d②进行特征提取，下一帧的时候重复1的过程，得到第二批特征人脸③两帧图片得到 mn矩阵相似度，排序找到最相似的人，比较质量分数进行更新，没有id，作为新的id添加，④对两张人脸图像的特征向量进行对比，计算相似度。...

原创 onnx tensorRT insightface 实践

一、环境问题1、查看自己的电脑版本cuda 版本cat /usr/local/cuda/version.txtcudnn 版本cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2不显示 运行如下命令cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2CUDA Version 11.0.207#define CUDNN_MAJOR 8#def

转载 （转）深度学习PyTorch，TensorFlow中GPU利用率较低，CPU利用率很低，且模型训练速度很慢的问题总结与分析

深度学习PyTorch，TensorFlow中GPU利用率较低，CPU利用率很低，且模型训练速度很慢的问题总结与分析 置顶 是否龙磊磊真的一无所有 ...

转载 查看ubuntu cpu 核数 和线程数

查看线程数grep ‘processor’ /proc/cpuinfo | sort -u | wc -l查看每个物理CPU中core的个数(即核数)cat /proc/cpuinfo| grep “cpu cores”| uniq查看逻辑CPU的个数cat /proc/cpuinfo| grep “processor”| wc -l

原创 人脸质量评估SER-FIQ (Quality estimation，CVPR 2020)代码解读

SER-FIQ (Quality estimation，CVPR 2020)https://zhuanlan.zhihu.com/p/348813783github地址def get_embedding_quality(img_input, insightface_model : InsightFace, ser_fiq : SERFIQ, T:int

原创 np.triu_indices 返回右上三角函数

>>> a = np.arange(16).reshape(4, 4)>>> aarray([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14, 15]])>>> iu1 = np.triu_indices(4)>>> iu1(array([0, 0, 0, 0, 1, 1, 1, 2, 2, 3]).