qq_23123181的博客

【代码】1、sklearn模型保存。

通过分析可知，度数为正值，沿着对应轴逆时针进行，度数为负值，沿着对应轴顺时针进行。如代码所示中：（原位置先绕X轴旋转90度，再绕Y轴旋转90度）在2中给的角度值为90度，接下来测试的角度值为-90度。蓝色是先绕X轴旋转，再绕Y轴旋转。输出值: （角度是弧度）左乘是固定坐标系进行操作。1、旋转矩阵转旋转向量。绿色是绕X轴的数据。

2）relu单元在训练中将不可逆转的死亡，导致数据多样化的丢失。如果学习率设置的太高，可能会发现网络中40%的神经元都会死掉（在整个训练集中这些神经元都不会被激活）。在神经网络中，隐含层的激活函数，最好选择Relu。1）relu的导数在大于0时，梯度为常数，不会导致梯度弥散。在小于0时导数为0，当神经元激活值进入小于0，梯度为0，也就是说，这个神经元不会被训练，即稀疏性。Relu是将所有的负值都为零，相反，leakyRelu。绿色曲线为原函数，红色曲线为导函数。

str为局部变量，当传递给函数时，函数不能真正使用str，用的只是str的一个备份，str的值不变。此处str的值仍然为null，malloc分配的内存地址并没有赋给str。要输出某个值的地址写成printf("%x",&变量)；若变量为指针时，则应写成printf("%x",指针)指针变量存储的是地址，所以在函数调用的时候能否将指针变量传递给函数。C语言中要输出地址需要16进制的方式输出，需要用%x格式。1、printf()输出某个值的地址。2、C语言中指针变量如何向函数中传递。

target：这个选项只有在建立交叉编译环境的时候用到，正常编译和交叉编译都不会用到。他用build主机上的编译器，编译一个新的编译器（binutils, gcc,gdb等），这个新的编译器将来编译出来的其他程序将运行在target指定的系统上。程序所执行的主机，因为绝大多数是本机编译，本机执行，所以这个值就等于build。只有交叉编译的时候（也就是本机编译，其他系统机器执行）才会build和host不同。build: 执行代码编译的主机，一般指自己的主机系统。host: 编译出来的。

标签分配策略，是一个预定义的规则，能够分配每个anchor的正负，也就是一个gt会对应多个anchor。1、ATSS2、OTA: Optimal Transport Assignment for Object Detection3、Freeanchor、AutoAssign 等通过使用预测的 confidence score 来动态分配正负

时序动作检测：任务的输入是一个未经裁剪的视频，即在这个视频里有些帧是没有动作发生的，因此需要检测出动作开始和结束的区间，并判断区间内动作的类别。即输入未经裁剪的视频序列，得到动作出现的区间和对应的类别。时空动作检测：相比于时序动作检测略有不同，时空动作检测不仅需要识别动作出现的区间和对应的类别，还要在空间范围内用一个包围框标记出人物的空间位置。动作识别：是对每个输入视频进行分类，识别出视频中人物做出的动作。时序动作分割：任务的输入是一个未经裁剪的视频，输出是视频中每一帧的动作类别。

交叉编译aarch64下ncnn框架并进行模型转化

valgrind是一款用于内存调试、内存泄漏检测以及性能分析的软件开发工具。1、下载valgrind-3.17.02、交叉编译修改configure： armv7*) 改成 armv7*|arm)然后进行make -j8编译和安装make install。/gzy_mnt/valgrind目录下生成好的bin、include、lib、libexec、share目录3、运行/gzy_mnt是挂载在arm板子上的共享目录。我们对NanoDet的MNN进行内存泄露检测。在目录/gzy_mnt/valgrin

import torchimport numpy as np# int -> tensor -> inta = torch.Tensor(1)b = a.item() # list -> tensor(cpu)l0 = [1, 2, 3]t = torch.Tensor(l0) # tensor(cpu) -> numpy -> lista = t.numpy()l1 = t.numpy().tolist() # list -> numpy.

明明已经正常安装nvidia驱动，但是关闭屏幕后（例如挂起，或者重新启动后），出现nvidia lost。nvidia无法启动X的问题。1、使用dmesg可以查看到，使用nvidia-bug-report.sh进行得到日志2、在当前文件夹下获取日志，nvidia-bug-report.log[ 5.283] (II) LoadModule: "glxserver_nvidia"[ 5.283] (WW) Warning, couldn't open module glxser

1、在vscode界面，按"ctrl+"进行设置界面，搜索Format2、设置保存文件时，按格式对代码排版3、向下拉，在框内输入Google，按照谷歌代码格式排版4、 使用方式，打开c++代码文件当文件保存时，自动按照谷歌代码风格进行格式化代码。或者进行shift+ctrl+i进行保存。...

1、安装依赖sudo apt install ca-certificates curl openssh-server postfix对于postfix的安装，域名后续可以更改2、安装gitlabcd /tmpcurl -LO https://packages.gitlab.com/install/repositories/gitlab/gitlab-ce/script.deb.sh可以随意检查下载的脚本，执行下面可找到该脚本的托管脚本less /tmp/script.deb

损失函数可以分为三类：回归损失函数、分类损失函数和排序损失函数1、L1 loss计算实际值和预测值之间的绝对值之和的平均值。y表示标签，pred表示预测值。（回归问题），当目标变量的分布具有异常值时，即与平均值相差很大的值，它被认为对异常值具有很好的鲁棒性。import torchdef lossTest(): input=torch.randn(3,5,requires_grad=True) target=torch.randn(3,5) mae_loss=

1、基本概念量化就是将浮点型实数量化为整型数（FP32->INT8)反量化就是将整型数转化为浮点型实数（INT8->FP32）2、量化操作比如有一个FP32的浮点型数字x=5.234，将这个数变为整型。这个数字乘以一个量化系统s，比如s=100，那么量化后的值，然后对这个数字进行四舍五入(round操作)整型INT8的范围是[-128,127]，无符号INT8的范围也才[0,255]。所以需要进行截断，假设INT8范围是，那么上述可以变为：这样计算方式不对

C++中的虚函数作用主要是实现多态的机制。基类定义虚函数，子类可以重写该函数；在派生类中对基类定义的虚函数进行重写时，需要在派生类中声明该方法为虚方法。当子类重新定义了父类的虚函数后，当父类的指针指向子类对象的地址时，[即B b; A a=&b;]父类指针根据赋给它的不同子类指针，动态的调用子类的该函数，而不是父类的函数（如果不使用virtual，请看后面★*），且这样的函数调用发生在运行阶段，而不是发生在编译阶段，称为动态编译。而函数的重载可以认为是多态，只不过静态的。注意，非虚函数静态联编，效率

1、卷积算子 torch.nn.Conv2d（1）原理：假设输入图像input尺寸为4x4，元素矩阵为:卷积核kernel尺寸为3x3，元素矩阵为:步长strides =1,填充padding=0，即i=4,k=3,s=1,p=0,则按照卷积计算公式，输出图像output的尺寸为2x2。（2）代码import torchimport numpy as npimport cv2import os# convdef conv(): randed_data=np

1、版本选择建议使用yaml-cpp-0.6.0这个版本。它有以下特点：1）只需要c++112）去掉对boost等其他的依赖，干净下载链接：https://github.com/jbeder/yaml-cpp/releases/tag/yaml-cpp-0.6.02、编译和安装将yaml-cpp装在指定目录下，工程下有cmakelists.txt文件，新建build，然后cmakecmake .. -DBUILD_SHARED_LIBS=ON -DCMAKE_INSTALL_P

1、unsqueeze(增维度)和squeeze(减维度)函数分析import torchimport numpy as npimport matplotlib.pyplot as plta = torch.arange(0,6).view(2,3) #tensor([[0, 1, 2],[3, 4, 5]]) 维度：(2,3) print(a) #在第二维增加一个维度b= a.unsqueeze(1)#tensor([[[0, 1, 2]],[[3, 4

快捷键ctrl+p，在弹出的框框中，输入>select interpreter来选择相应的Anaconda环境。