![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
辅助工具
宇弦酒仙
这个作者很懒,什么都没留下…
展开
-
Pytorch同时迭代两个数据集
from __future__ import print_function, division, absolute_importimport argparseimport osimport shutilimport timeimport torchimport torch.nn as nnimport torch.nn.parallelimport torch.backends.cudnn as cudnnimport torch.optimimport torch.utils.dat原创 2021-03-19 16:46:29 · 1631 阅读 · 1 评论 -
伪彩色图生成 深度图(视差图)的伪彩色化(python-opencv)
import cv2import os.pathimport globimport numpy as npfrom PIL import Image def convertPNG(pngfile,outdir): # READ THE DEPTH im_depth = cv2.imread(pngfile) #apply colormap on deoth image(image must be converted to 8-bit per pixel first)原创 2021-01-24 10:14:07 · 2268 阅读 · 0 评论 -
【1】关于如何在C++中调用Python脚本,并在python中对话框选中文件传输问题
0 需求需求:在C++写的Qt界面中,调用Python程序实现图像信息统计,但是需要手动对话框选择文件,并传输路径。1 整体思路(1)、第一种方法是在Qt中调用对话框选择图片(QFileDialog::getOpenFileName),然后将路径做为参数传输至(QProcess::execute)。(2)、第二种方法是在Python中调用对话框选择图片的函数,获取路径字符串,在进行后续统计。2、先上结论(亲测好用)最终选用第二种方法,用tkinter调用GUI获取图片路径,然后再调用opencv原创 2020-08-05 15:35:52 · 253 阅读 · 0 评论 -
【wxPython学习】1 安装与HelloWorld
0 前言不定期学习wxPython,随学随写,不定期更新,争取一周至少一更。wxPython是一个经典的,基于Python的GUI界面。1 安装pip install wxPython2 Hello World# First things, first. Import the wxPython package.import wx# Next, create an application object.app = wx.App()# Then a frame.frm = wx.Fr原创 2020-07-04 15:51:28 · 2399 阅读 · 0 评论 -
【画图】Python绘制热力图方法以及保存不全问题(seaborn.heatmap)
0 前言鉴于Matlab画图已经被封,自此画图战线全部转移到Python上来,这篇博客描述了Python画热力图的方法以及我踩到的坑。1 程序1.1 导入包这里使用seaborn的heatmap函数绘制import matplotlib.pyplot as pltimport pandas as pdimport seaborn as sns1.2 载入CSV文件这里替换自己要画的矩阵,选择好index_col。及矩阵的每一行每一列是什么,要考虑好。df_2 = pd.read_csv原创 2020-06-21 15:25:38 · 13866 阅读 · 3 评论 -
阿里云服务器断开连接后程序在后台运行办法
0、前言因为阿里云服务器经常因为网络问题或者软件问题断开连接,导致训练过程中断,下次连接时,又要重新开始,非常伤,所以,找到以下解决办法。(Ubuntu)1、安装Screen工具sudo apt-get install screen2、创建Screen窗口screen -S [$Name]3、执行要执行的程序screen python a.py4、可以退出了ctrl+a 再按下d就可以了5、重新连接screen -r -d...原创 2020-06-01 08:13:09 · 3468 阅读 · 5 评论 -
衡量神经网络的常见参数 FLOPs与参数数量计算方法总结
FLOPs衡量神将网络中前向传播的运算次数,FLOPs越小,则计算速度越快。参数数量衡量神经网络中所包含参数的数量,参数数量越小,模型体积越小,更容易部署,二者计算方法如下所示:参数数量更容易计算,只需要衡量,神经网络中有多少个待定参数即可,以卷积神经网络为例,假设卷积核大小为k × k,输入通道为 i,输出通道为o,输出图像尺寸为t ×t,则:每进行一次卷积操作,或一个卷积层,需要的参数数量为:k×k×i×o + o 后面的加是加上bias,可看下图conv1为例:注意 conv1的卷积核大小原创 2020-05-12 16:23:37 · 5493 阅读 · 0 评论 -
一些小Trick(pip清华镜像之类)随时补充
Pip使用清华镜像可以在使用pip的时候加参数-i https://pypi.tuna.tsinghua.edu.cn/simple例如:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy,这样就会从清华这边的镜像去安装numpy库。...原创 2020-04-14 16:50:52 · 151 阅读 · 0 评论 -
关于样本采样的一些想法和代码
为了验证小样本的思想,先从数据量的更改出发,调整数据集的大小,验证数据量改变对性能改变到底有怎样的影响,这篇博客记录下调整数据量的方法。PyTorch中单独提供了一个sampler模块,用来对数据进行采样。常用的有随机采样器:RandomSampler,当dataloader的shuffle参数为True时,系统会自动调用这个采样器,实现打乱数据。默认的是采用SequentialSampler,...原创 2020-03-11 19:48:50 · 317 阅读 · 0 评论 -
简析CNN可视化方法——Grad-CAM
最近在应用中,发现Grad-CAM在验证神经网络知识表示有效性方面很好用,这篇文章总结以下该方法的原理以及实现代码。一、介绍卷积神经网络(CNN)和其他深度网络已经在多种计算机视觉任务中实现了前所未有的突破,从图像分类[24,16]到物体检测[15],语义分割[27],图像描述生成[43,6,12,21],以及最近的视觉问答[3,14,32,36]。虽然这些深度神经网络能够实现卓越的性能,但由...原创 2020-03-03 16:45:20 · 4629 阅读 · 0 评论 -
CNN-Visualization 卷积神经网络训练可视化
CNN可视化https://github.com/scutan90/CNN-Visualization/blob/master/CNN可视化.mdhttps://github.com/utkuozbulak/pytorch-cnn-visualizations参考文献:胡秀. 基于卷积神经网络的图像特征可视化研究[D].对 CNN 模型的可解释性问题,也称之为深度可视化问题[35]。目前...转载 2020-03-02 10:43:16 · 1348 阅读 · 0 评论