Windows使用腾讯云GPU跑深度学习 纯小白文章，不是最优解；将Windows这边电脑的休眠时间设置为。最近正好腾讯云GPU有活动，购买了GN10X实例，32G的V100，选择的环境是Pytorch。不同自己再重新安装CUDA、Pytorch了很划算~记住和。本文是使用WinSCP将数据集、预训练模型上传到云服务器，然后SSH连接远程控制...
Pycharm 社区版plt不能正常显示图片 专业版好像可以通过setting→tools→python scientific →关闭 show plots in tool window来完成，但是我在社区版没有找到。在开头加下面两句代码就可以啦：import matplotlibmatplotlib.use('TkAgg')
【Python】 初始化（二维）列表常见的错误 文中更多细节待补充~快速初始化一维列表快速初始化一维列表，一般使用data = [0]*n来创建具有n个0的列表——所有元素都指向同一个整数实例。初始化二维列表data = ([0]*c)*r ： ：([0]*c)确实创建了一张有c个0的列表，但是将此列表乘r，只会创建一张长度为r*c的一维列表。data = [[0]*c]*r :会得到一个二维列表，但是data列表的 r个元素都指向了同一个实例——一个含有c个0的列表。如果改变data[0][0]的值，很有可能同时改变data[2]
【Python】生成器(generator)、yield含义 如有问题欢迎指出！参考链接：1.https://blog.csdn.net/mieleizhi0522/article/details/821428562.https://blog.csdn.net/mieleizhi0522/article/details/82142856)定义Python中生成器是迭代器(Iterator) 的一种，每次遇到 yield时函数会暂停并保存当前所有的运行信息，返回 yield 后的值, 并在下一次执行 next()方法时从当前位置继续运行。列表一次生成一组值，占
【CNN】卷积神经网络的计算量 如果有问题请指教！首先你要知道卷积神经网络的计算过程，这里不再赘述，下面的图分别来自邱锡鹏老师的书（https://nndl.github.io/）和李沐大神的直播课，最重要的是这句：每个输入通道有独立的二维卷积核，所有输入通道结果相加得到一个输出通道结果；每个输出通道有独立的三维卷积核。相关变量：输入(B,Cin,H,W)(B,C_{in},H,W)(B,Cin,H,W)卷积核(Co,Cin,K,stride=S,padding=P)(C_o,C_{in},K,stride=S,paddin
【Loss】Center loss代码详解（pytorch） **注：**全部代码在最后，此代码不知来自哪位大神。m:batch size n:class size d:feat dimx=(x0x1...xm−1)=(x00x01...x0(d−1)x10x11...x1(d−1).............x(m−1)0x(m−1)1...x(m−1)(d−1))∈Rm×dx=\begin{pmatrix}x_0 \\ x_1\\ ...\\x_{m-1}\end{pmatrix}=\begin{pmatrix}x_{00}&x_{01}&am
【论文笔记】TransReID: Transformer-based Object Re-Identification TransReID论文地址：https://arxiv.org/abs/2102.04378代码：https://github.com/damo-cv/TransReID这篇笔记是按照自己本人的习惯写的（一些词语喜欢用英语表示）；在看这篇论文之前，最好了解下ViT。感谢指教:)论文阅读Abstractone of the key challenges in ReID:Extracting robust feature representation.CNN：（缺点）一次只处理一个局部邻域，由于卷
Batch Normalization 添加位置全连接层：添加在每一个全连接和激活函数之间；卷积神经：卷积计算之后、激活函数之前；计算公式对于一个拥有ddd维的输入xxx，我们将对它的每一个维度进行标准化处理。对于一个RGB图像，这里的ddd指的是channels=3 x=(x(1),x(2),x(3))x=(x^{(1)},x^{(2)},x^{(3)})x=(x(1),x(2),x(3))BN分别对每个channel进行Normalization。下标1,2,3…,m表示样本维度，上标(1),(2)…,(c )表示channe
python神奇/灵活的赋值 最近在看李沐的动手学习深度学习https://zh-v2.d2l.ai/chapter_computer-vision/fcn.html再这样产生了疑惑。举例说明w1_tensor = w2_tensor = w3_tensor = torch.zeros((2, 2, 3, 3))a_tensor = torch.arange(9.0).reshape(3,3)w1_tensor[range(2),range(2), :, :] = a_tensor我以为输出的w1_tens..
【Pytorch】torch. zeros 继续（机器）翻译，如有错误，感谢指正:)https://pytorch.org/docs/stable/generated/torch.zeros.html#torch.zerostorch.zeros(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)→Tensor返回一个值全为0的张量，其形状由size决定。参数：size (int...)：一系列整数，定义了输
【Pytorch】torch.normal 继续（机器）翻译:)https://pytorch.org/docs/stable/generated/torch.normal.html?highlight=normal#torch.normaltorch.normal(mean, std, *, generator=None, out=None) → Tensor返回一个从独立的正态分布中抽取的随机数的张量，正态分布的平均值为mean、标准差为std。mean是一个张量，包含每个输出元素的正态分布的平均值。std是一个张量，包含每个
【Pytorch】torch.nn.MSELoss CLASS:torch.nn.MSELoss(size_average=None, reduce=None, reduction='mean')https://pytorch.org/docs/stable/generated/torch.nn.MSELoss.html?highlight=mseloss#torch.nn.MSELoss测量y 和目标y 中每个元素之间的均方误差。（注：英文文档是x 和y ，为避免歧义我这用y 和y ）如果reduction='none', （向量形式）.
jupyter不能使用pytorch的解决方案 在pycharm中可以正常使用pytorch，在jupyter找不到pytorch没有关联Jupyter Notebook和conda的环境和包解决方法：conda install nb_conda
Opencv 图像合成 逐步递增生成动画效果 这里 α按步长0.001递增。import cv2import numpy as npimport timeimg1=cv2.imread('stitch.jpg')img2=cv2.imread('pikachu.jpg')# 当进行图像融合时，被叠加的两张图片的大小、类型（高度/宽度/通道数）必须相同##获取两个的高度、宽度rows1, cols1 = img1.shape[:2]rows2, cols2 = img2.shape[:2]print(img1.shape[:2])#.
关注
