Dylan_zhang7788-CSDN博客

原创 Python 直接赋值、浅拷贝和深度拷贝

1、b = a:赋值引用，a 和 b 都指向同一个对象。2、b = a.copy():浅拷贝, a 和 b 是一个独立的对象，但他们的子对象还是指向统一对象（是引用）。3、b = copy.deepcopy(a):深度拷贝, a 和 b 完全拷贝了父对象及其子对象，两者是完全独立的。参考下面这段代码：import copya = [1, 2, 3, 4, ['a', 'b']] #原始对象 b = a #赋值，传对象的引...

2022-05-13 22:21:29 251

原创 Python 数组的dtype属性

总共有以下的属性： bool_ 布尔型数据类型（True 或者 False） int8 整数（-128 to 127） int16 整数（-32768 to 32767） int32 整数（-2^32 to 2^32） int64 整数（-2^64 to 2^64） uint8

2022-05-12 12:50:00 750

原创解决pytorch打印Tensor时有省略号的问题

torch.set_printoptions(threshold=np.inf)一句话搞定

2022-04-22 14:10:55 2741

原创神经网络的深度、宽度

看到的一个很好的解释，记录一下，原博客：神经网络的深度、宽度和分辨率_王拾三的博客-CSDN博客_神经网络的宽度深度——神经网络的层数宽度——每层的通道数分辨率——是指网络中特征图的分辨率深度和宽度是深度神经网络的两个基本维度，分辨率不仅取决于网络，也与输入图片的尺寸有关。简单总结就是：1.更深的网络，有更好的非线性表达能力，可以学习更复杂的变换，从而可以拟合更加复杂的特征，更深的网络可以更简单地学习复杂特征。网络加深会带来梯度不稳定、网络退化的问题，过深的网络会使浅层学习能力下降

2022-04-13 16:04:24 3858 2

原创 OpenCV操作整理

获取图中轮廓：contours,hierarchy=cv2.findContours(Img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)画出轮廓：cv2.drawContours(frame,contours,-1,(0,0,255),2)多边形拟合：approx = cv2.approxPolyDP(cnt,5,True)参数：approx：输出的多边形的数目cnt：输入的连续的点（findContours可以获得）5：阈值

2022-04-12 20:25:25 3480

原创 Git 的相关操作

本地仓库的操作：安装Git，指定用户名和邮箱：sudo apt-get install gitgit config --global user.name "Your Name"git config --global user.email "email@example.com"初始化本地仓库：# 需要在文件夹下git init添加文件到暂存区：# 添加单个文件git add file1.txt# 添加工作区所有文件git add .将暂存区的代码提交到本地仓库

2022-04-10 13:22:41 130

原创 docker 操作

查看容器：sudo docker ps -a删除容器：sudo docker rm NAMES(容器的名字)下载镜像：sudo docker pull rmus2022/server:v1.2.0新建容器（create_container_client.sh）:sudo docker run -id --gpus all --name j_client --network host \ --cpus=9.73913 -m 8192M \ --privile

2022-04-06 16:17:50 1072

原创 YOLO v2论文笔记

YOLOv2相对于v1的改进：1. Batch Normalization ，mAP 增加2%2. High Resolution Classifier 增加训练图片分辨率为448 * 448 ， mAP增加4%3. Anchor Boxes + Dimension Clusters ，重新引入了Anchor box， box的宽度基于训练获得，goodnotes 的笔记有写4. Direct location prediction（直接位置预测），限制了训练后的选框与Anchor bo

2022-03-12 15:21:52 2180

原创 mAP评价指标

机器学习：mAP评价指标_JacksonKim的博客-CSDN博客_机器学习map一、前言mAP是目标检测模型中常用的评价指标，它的英文全称是(Mean Average Precision)，翻译过来就是平均精确率的平均。首先我们需要知道精确率(Precision)和召回率(Recall)，也称为查准率和查全率的定义Precision衡量你的预测有多准确。也就是说，你的预测正确的百分比。Recall衡量您发现所有正例的能力。例如，我们可以在前K个预测中找到80％的正例。下面是它们的数学定义：如果对此不太清

2022-03-11 11:05:45 587

原创基于FCN实现语义分割（pytorch版本）

data_prepare_funtion.pyimport numpy as npimport matplotlib.pyplot as pltfrom PIL import Imagefrom skimage.io import imreadimport torchimport torch.utils.data as Datafrom torchvision import transformsimport torchdef read_image(root = "./data/V..

2022-03-09 19:07:02 1211 1

原创 Jupyter 内核错误

报错：The kernel failed to start as the module 'secure_write' could not be imported. View Jupyter log for further details.解决方法：pip install --upgrade ipykernel搞定

2022-03-04 10:55:52 2139

原创基于VGG16 实现分类问题的训练与预测（pytorch版本）

MyVGG.pyimport torchfrom torchvision import modelsimport torch.nn as nnvgg16 = models.vgg16(pretrained=True)vgg = vgg16.featuresfor param in vgg.parameters(): param.requires_grad_(False)class MyVggModel(nn.Module): def __init__(self):

2022-02-26 10:56:26 2168 1

原创 Python 读取文件夹内的所有文件并写入txt

import osdef ListFilesToTxt(dir, file, wildcard, recursion): exts = wildcard.split(" ") files = os.listdir(dir) for name in files: fullname = os.path.join(dir, name) if(os.path.isdir(fullname) & recursion): Li.

2022-01-27 21:10:27 1569

原创乌班图清空显存

首先查看下有哪些东西在占用显存fuser -v /dev/nvidia*比如我这里：然后 kill python的进程kill -9 5118

2022-01-26 17:25:12 1723

原创 pytorch中expand_as()和expand()函数

expand() 的作用：对张量的维度进行扩张，从而对张量的形状大小进行修改换种说法：把维数为1的维度进行扩张或者增加维度举个例子：x = torch.tensor([[1], [2], [3]])print(x.shape)y = x.expand(3, 4)print(y)print(y.shape)y = x.expand(2, -1, -1)print(y)print(y.shape)'输出'torch.Size([3, 1])tensor([[1, 1, 1

2022-01-20 22:00:52 1411

原创 pytorch 中 squeeze 和unsqueeze函数

1. torch.squeeze() 函数 :作用：移除指定或所有维数为1的维度，从而得到维度减少的张量解释一下：x=torch.zeros(5,1,1,1)print(x)'输出'tensor([[[[0.]]], [[[0.]]], [[[0.]]], [[[0.]]], [[[0.]]]])举个极端点的例子，这是一个4维的数组，除了第0个维度之外每个维度的维数均为1也就是说，每一个0都被4个

2022-01-19 19:27:13 3091 1

原创 Pytorch 操作整理

1. 创建张量 a = torch.tensor([1.5, 3.5]) 创建张量 a = torch.normal( mean=torch.tensor([[1.0, 2.0], [3.0, 4.0]]), std=torch.tensor([[0.1, 0.2], [0.3, 0.4]])) 生成服从正态分布的张量，std必须为tensor，二者形状均能决定生成张量的形状 mean与std的类型必须为浮点数

2022-01-18 20:54:17 360

原创 FCN 论文笔记

论文翻译（凑合看）：Fully Convolutional Networks for Semantic Segmentation(FCN)论文翻译_jieshaoxiansen的博客-CSDN博客_fcn论文翻译实现全卷积网络主要基于三种技术：全卷积化（Fully Convolutional），反卷积（Deconvolution）跃层结构（Skip Layer）1. 全卷积化：为什么可以转化：全连接层与全卷积层的转换_m0_63095029的博客-CSDN博客FCN前面的网络是在VGG网

2022-01-13 10:50:54 1579

原创 VGG 论文笔记

1. 网络结构：除去大小为1×1的卷积核，其他卷积核都是3×3 ，步长为1，填充为2；池化层都是2×2，步长为2，填充为0也就是说，卷积层都不改变图像的尺寸，池化层会让图的尺寸缩小一半2. VGGNet改进点总结1. 使用了更小的3*3卷积核，和更深的网络。两个3*3卷积核的堆叠相对于5*5卷积核的视野，三个3*3卷积核的堆叠相当于7*7卷积核的视野。这样一方面可以有更少的参数（3个堆叠的3*3结构只有7*7结构参数数量的(3*3*3)/(7*7)=55%）；另一方面.

2022-01-12 14:54:59 1685

原创 ZF-net 论文笔记

1. 网络结构

2022-01-12 10:02:30 1704

原创 Alexnet 论文笔记

原文链接：https://proceedings.neurips.cc/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf论文翻译：Alexnet论文翻译 - 知乎1. Alexnet的整体结构8层神经网络，前五层为卷积层与池化层，最后三层为全连接层（0）输入图像：224×224×3（1）经历第一次卷积（C1）：55×55×96C1的基本结构为：卷积–>ReLU–>池化使用 96个1..

2022-01-09 22:08:33 743

原创全连接层与全卷积层的转换

如图所示，X 是一个2*2*1的feature map，通过一个全连接层W 输出 4维向量 Y计算的方法是：将X展平成一个1维列向量，再与W做矩阵乘法：y1 = W的第一行与X的所有元素相乘再相加这种运算还可以写作：W第一行与X所有元素的互相关运算，如下图，即对应位置的元素相乘再相加（实际操作时，卷积与互相关等价）：对于每一个yi，都是由权重矩阵的第i行与X'对应元素相乘，这个相乘的过程和用权重矩阵的第i行所构成的卷积核去卷积X会产生一样的结果：那么将X通过..

2022-01-06 16:23:11 1526

原创乌班图20.04 安装 TensorFlow-gpu=1.15.0

cuda=10.0 cudann=7.4这两个要单独从官网下载安装，不然大概率出问题conda install tensorflow-gpu==1.15.0#或者：pip install tensorflow-gpu==2.2.0如果不能挂代理，需要换源的话：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --add channel

2022-01-03 21:19:36 1069

原创 Faster-RCNN参考文章

详细解读（写的非常非常好的一篇，看这个就够了）：一文读懂Faster RCNN - 知乎经过R-CNN和Fast RCNN的积淀，Ross B. Girshick在2016年提出了新的Faster RCNN，在结构上，Faster RCNN已经将特征抽取(feature extraction)，proposal提取，bounding box regression(rect refine)，classification…https://zhuanlan.zhihu.com/p/31426458三代RC

2022-01-03 20:20:44 1008

原创 Fast-RCNN参考文章

空间金字塔池化（SPP）：（1）简略一些的版本【目标检测】SPPnet论文详解（Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition） - 简书SPPnet是目标检测领域不可忽略的一篇论文，中国人何恺明大神的作品，阅读起来感觉亲（简）切（单）多了。在我看来，SPPnet主要有两处亮点：1.它解决了深度卷积神经网络（C...https://www.jianshu.com/p/90f9d41c6436（

2022-01-02 21:39:56 824

原创 RCNN 参考文章

图像分割（Graph-Based Image Segmentation）：图像分割—基于图的图像分割（Graph-BasedImageSegmentation）_小新识图的博客-CSDN博客_felzenszwalb算法图像分割—基于图的图像分割（Graph-Based Image Segmentation） Reference: Efficient Graph-Based Image Segmentation,IJCV 2004,MIT CodeGraph-Based Segmentation 是

2022-01-02 21:31:08 854

m0_63095029的博客