Python
文章平均质量分 72
qq_29750461
这个作者很懒,什么都没留下…
展开
-
【OWOD论文】开放世界中OD代码_3_评价指标
OWOD论文中的评价过程,影响实验结果的处理,这里主要记录源代码中提供的评价内容。熟悉下OWOD的评价过程。原创 2024-08-31 17:57:46 · 446 阅读 · 0 评论 -
【OWOD论文】开放世界中OD代码_2_模型部分
本文记录OWOD代码中的模型代码部分。数据部分可看我上一个博客【【OWOD论文】开放世界中OD代码_1_数据部分-CSDN博客。原创 2024-08-30 18:08:00 · 960 阅读 · 0 评论 -
【OWOD论文】开放世界中OD代码_1_数据部分
这里记录下开放世界目标检测论文 【Towards Open World Object Detection】的实验和代码细节。原创 2024-08-27 15:02:28 · 662 阅读 · 0 评论 -
【记录】快速下载VOC数据集脚本
最近实验需要用到VOC数据集,搜了下网上的VOC下载教程,貌似不太行,这里记录一下一个下载VOC2007的脚本,Linux下的 sh 文件。具体命令如下代码所示。原创 2024-08-26 10:28:05 · 158 阅读 · 0 评论 -
【解决】The detected CUDA version(12.2) mismatches version that was used to compile PyTorch(11.3)
最近集群系统升级了,CUDA的版本变为了12.2,而安装的Torch版本为11.3,明显出现了版本冲突。但是问题在于,Torch官网支持CUDA12以上的版本似乎都是Torch2.0及以上版本了。好在Torch2.x 完全兼容Torch1.x,所以安装Torch2.x也能适用于实验的相关配置。原创 2024-08-24 21:49:31 · 514 阅读 · 0 评论 -
【冷知识】torchvision.datasets.ImageFolder加载类标不正确
【冷知识】torchvision.datasets.ImageFolder加载类标不正确原创 2023-05-29 11:18:33 · 316 阅读 · 0 评论 -
【亲测】Centos7系统非管理(root)权限编译NCNN
【亲测】Centos7系统非管理(root)权限编译NCNN原创 2023-03-05 18:30:52 · 708 阅读 · 1 评论 -
【论文及代码详解】BEIT: BERT Pre-Training of Image Transformers
【论文及代码详解】BEIT: BERT Pre-Training of Image Transformers原创 2023-02-20 11:06:01 · 1514 阅读 · 2 评论 -
【实用】多GPU未占满情况下,使用Python指定GPU运行代码
【实用】多GPU未占满情况下,使用Python指定GPU运行代码原创 2023-02-11 17:29:49 · 1164 阅读 · 0 评论 -
【ROS自定义文件】自定义头文件及源文件的调用
【ROS自定义文件】自定义头文件及源文件的调用原创 2023-01-08 19:10:57 · 2251 阅读 · 0 评论 -
【亲测】ConvNext自定义数据集图像分类
【亲测】ConvNext自定义数据集图像分类原创 2023-01-05 13:28:51 · 1582 阅读 · 0 评论 -
【ROS通信机制实战练习四】通过参数服务器改变turtlesim小乌龟的颜色
【ROS通信机制实战练习四】通过参数服务器改变turtlesim小乌龟的颜色原创 2022-12-26 14:23:06 · 957 阅读 · 0 评论 -
【ROS通信机制实战练习三】通过服务实现turtlesim小乌龟的生成
【ROS通信机制实战练习三】通过服务实现turtlesim小乌龟的生成原创 2022-12-26 13:15:34 · 534 阅读 · 0 评论 -
【ROS通信机制实战练习二】通过话题订阅turtlesim小乌龟运动的位姿
【ROS通信机制实战练习二】通过话题订阅turtlesim小乌龟运动的位姿原创 2022-12-26 12:14:12 · 320 阅读 · 0 评论 -
【ROS服务通信】服务端和客户端
【ROS服务通信】服务端和客户端原创 2022-12-17 23:04:51 · 666 阅读 · 0 评论 -
【记录】Ubuntu20.04安装和配置Anaconda
【记录】Ubuntu20.04安装和配置Anaconda原创 2022-12-17 13:21:42 · 837 阅读 · 0 评论 -
【ROS解决】Unable to register with master node [http://ipaddress:11311/]: master may not be running yet
【ROS解决】Unable to register with master node [http://ipaddress:11311/]: master may not be running yet原创 2022-12-10 16:00:48 · 3649 阅读 · 0 评论 -
【SwinTransformer源码阅读一】build_loader部分代码
记录下SwinTranformer的阅读原创 2022-07-15 22:43:57 · 953 阅读 · 0 评论 -
YOLO5实现安卓APP目标检测
前言本文旨在记录本人将YOLO5训练好的模型转化为安卓 APP 的经历,使用的项目源码为,点击进入,下面开始分步骤进行讲解。项目目录项目的src文件夹下包含下面的文件夹,其中:1 asserts 里面存放的是 YOLO5s.bin和YOLO5s.param,2 java 中存放的是 java 源代码3 jni c存储的是 YOLO5s的C++版本4 res存放的android所需要的配置文件使用 Android studio 直接在该文件的根目录打开就行基础编译该项目首页展示了如何原创 2021-03-15 10:28:03 · 8144 阅读 · 24 评论 -
Centos7 NCNN 编译安装【亲测】
NCNN是什么ncnn 是腾讯开源的,一个为手机端极致优化的高性能神经网络前向计算框架。ncnn 从设计之初深刻考虑手机端的部署和使用。无第三方依赖,跨平台,手机端 cpu 的速度快于目前所有已知的开源框架。基于 ncnn,开发者能够将深度学习算法轻松移植到手机端高效执行。简单概括就是将 使用 GPU 训练好的模型 转为 手机移动端可以使用的模型。NCNN安装前的准备1) g++ 这个Centeos 一般都会默认装上,这里说一些题外话:什么是gcc / g++首先说明:gcc 和 GCC原创 2021-03-14 21:40:57 · 1401 阅读 · 0 评论 -
YOLOv5训练自己的数据集【较全面】
前言这里主要介绍 ultralytics/yolov5 即所谓的 U版YOLO v5,关于YOLO5的原理可以自行搜索相关知识,根据笔者自己测试,效果确实不错,所以这里记录下自己的调试经验。实验环境原创 2021-03-14 20:42:17 · 6716 阅读 · 7 评论 -
CenterNet网络模型代码_3-pose_dla_dcn.py
这里主要针对在CenterNet中表现还可以的改进过的 dla 网络进行分析,主要还是结合代码进行说明。下面就是代码:# BN 动量参数BN_MOMENTUM = 0.1# 获取打印日志对象logger = logging.getLogger(__name__)# 获取预训练网络def get_model_url(data='imagenet', name='dla34', hash='ba72cf86'): return join('http://dl.yf.io/dla/models原创 2020-11-24 11:47:44 · 1676 阅读 · 2 评论 -
CenterNet网络模型代码_2-resnet_dcn.py
本文件其实和msra_resnet.py类似,进入博文,这里只把两者的不同说下,不同的部分有以下几处,总体感觉作者在这里添加DCN模块很牵强(仅个人吐槽),可能对反卷积有帮助吧:# 反卷积操作的通道不同# used for deconv layers self.deconv_layers = self._make_deconv_layer( 3, [256, 128, 64], [4, 4, 4],原创 2020-11-22 10:30:40 · 1708 阅读 · 2 评论 -
CenterNet网络模型代码_1-msra_resnet.py
这里开始进行阅读CenterNet源码模型中的models\networks的部分的网络代码,从简单的 Resnet 模型开始,这里先给出卷积的输入输出的计算公式,以及反卷积的输入输出计算公式:1 2维卷积操作(Conv2d):nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True))参数解析:in_channel: 输入数据的通道数,例RGB图片原创 2020-11-21 12:23:29 · 1135 阅读 · 0 评论 -
BatchNorm的原理和计算实例
关于这个问题,其实很多同学都会有疑问,因为在论文中是一系列的公式展开,其实并不是很好理解。关于BN其实BN操作的目地是使一批feature map 进行归一化,避免数据过大而导致网络性能的不稳定。我记得网有一篇博文中对BN有较详细的介绍,大概意思就是,输入数据经过若干层的网络输出其实会让数据特征分布和初始分布不一致,降低模型的泛化性能,引入BN机制后,先将特征变为标准正态分布,然后再通过γ和β两个参数将标准正态分布适当拉回归一化前的分布,相当于在原分布和标准正态分布进行折中,以此增强模型的泛化性。原创 2020-11-20 21:11:53 · 4904 阅读 · 4 评论 -
【解决】QObject::moveToThread: Current thread is not the object`s thread. Cannot move to target thread
异常原因报错:Opencv无法显示图像,报错QObject::moveToThread: Current thread is not the object’s thread . Cannot move to target thread这个为缺少 qt 包的异常解决安装 pyqt : conda install pyqt,如果比较慢的话,可以借助 pip install -i https://pypi.tuna.tsinghua.edu.cn/sample pyqt5...原创 2020-11-16 16:26:45 · 12339 阅读 · 15 评论 -
【详细】CenterNet源码分析(Objects as Points)
CenterNet是一种Anchor Free的目标检测方法,其对应论文为《Objects as Points》,论文链接点击进入,本文主要针对CenterNet源码进行分析。具体的算法过程和代码的环境配置过程可以借鉴其他博客内容。源码链接点击进入源码中的模型存储在Google云盘里,不是很好下载,我搜集了一些预训练模型,网盘链接为链接:https://pan.baidu.com/s/1YBbJYbObcSKIRUr5U_0lyg提取码:lbnf(包含Res101、18 和 dla 34),如果有原创 2020-11-16 12:13:47 · 3303 阅读 · 10 评论 -
目标检测中Anchor如何映射到原图
Anchor在目标检测中是比较常见的,引入Anchor主要是为了让检测更精准,当然现在有很多Anchor Free的方法也达到了较好的结果,但是最近项目中用的是基于Anchor的方法,但是置于Anchor怎么映射到原图其实网上很多内容比较混乱,我这里把自己的理解记录下来,附加上一些代码用来解释说明。什么是Anchor?Anchor中文是锚框的意思...原创 2020-09-10 15:09:30 · 4239 阅读 · 3 评论 -
torch中nn.ReLU和F.ReLU的不同
可以看下面的代码其实TestNet_1和TestNet_2执行的结果是一样的,但是明显 Relu的位置是不一样的,一个是nn库内的,一个是nn.functional内的import torch.nn as nnimport torch.nn.functional as Fimport torch.nn as nn class TestNet_1(nn.Module): def __init__(self, num_classes=n): super(TestNet_1原创 2020-08-17 13:22:08 · 2891 阅读 · 3 评论 -
Pytorch常用代码段集锦
本实验内容基于Pytorch 1.51 导入包和版本查询# -*- coding:utf-8 -*-import torchimport torch.nn as nnimport torchvisionif __name__=="__main__": print(torch.__version__) # torch 版本号 print(torch.version.cuda)# torch cuda 版本号 print(torch.backends.cudnn.version())# cud原创 2020-07-09 19:16:41 · 327 阅读 · 0 评论 -
【python】两幅图像融合成一幅图像
完成的目标可以看以下的过程,比如有两张图像A和B,希望变为AB融合的图像:代码实现【代码里面可以实现为图像添加文本描述,如果是中文,可以参考我的博文】# -*- coding:utf-8 -*-from skimage import ioimport cv2from PIL import Image,ImageDraw,ImageFontdef blend_two_images(img_file1,img_file2,img_file3,text, left, top, text_co原创 2020-07-01 17:40:28 · 3119 阅读 · 0 评论 -
Shell脚本一次执行多条命令
Shell 是一个用 C 语言编写的程序,它是用户使用 Linux 的桥梁。Shell 既是一种命令语言,又是一种程序设计语言。Shell 是指一种应用程序,这个应用程序提供了一个界面,用户通过这个界面访问操作系统内核的服务。简要来讲,shell脚本就是 .sh 结尾的文件,在Linux系统中经常被用到。问题 如何使用 Shell 脚本执行多条命令呢?我们需要遵从以下三个原则:1.每个命令之间用 ; 隔开说明:各命令的执行给果,不会影响其它命令的执行。换句话说,各个命令都会执行,但不保证每.原创 2020-06-28 09:31:06 · 13791 阅读 · 0 评论 -
Detectron2训练自己的数据集(较详细)
上篇文章讲了如何在Centos7上配置Detectron2的环境查看,这里讲下如何训练自己的数据集,主要是针对目标检测。在GETTING_STARTED.md官方文档里写了,官方提供了一个教程去将如何训练自己的数据集,但是网址进入,我这边没有访问成功,所以只能自行百度了,好在有好心的博主。如何训练自己的数据集呢?1 需要将自己的数据集转为COCO格式,具体的转换代码,可以参考这个github很详细,足够让您的数据集进行转换了。2 将数据集注册到Detectron2中,说起来很高大上,其实就是将原创 2020-06-15 17:01:42 · 32371 阅读 · 211 评论 -
Centos7之Detectron2的环境配置
Detectron2为Facebook基于Detectron重构的目标检测和分割等视觉任务的代码库,代码链接进入笔者最近基于MMDetection的代码没有取得一个好的结果,打算再看一下Detectron2结果如何。以下是笔者的配置:GPU R2070SCentos7cpu i5需要先安装Anaconda3简要介绍下配置流程:1 创建detectron2的虚拟环境(尽量配置清华源可参照可以加速我们的安装)conda create -n detectron2 python=3.72原创 2020-06-14 08:53:51 · 1659 阅读 · 0 评论 -
【解决】MMDetection环境配置问题
MMDetection 环境配置点击这个开源库更新很快,我使用的是目前最新的一版,但是我没有用最新的 torch 1.5 去跑这个开源库,原因我之前博客里说过,torch1.5 跑这个库还有些 bug其实官方文档给的很详细了,一步步i操作即可,但是作为用户,我们在配置数据的时候,总是会有异常出现,所以这里要总结一下。Windows 系统需要注意,在代码运行时候可能出现临时文件不可读的异常,我正是因为这个bug 才直接改为 Centos7系统的。我的实验环境 显卡 RTX 2070S Centos7原创 2020-05-18 15:35:56 · 696 阅读 · 0 评论 -
【解决】 conda激活环境失败
错误信息解决方式1 首先终端输入 source activate2 然后终端输入 source deactivate3 输入你要激活的虚拟环境指令 conda activate your_virtual_name就可以使用了,注意此时您创建的环境可能不在原来安装的anaconda 下面,而是在用户文件夹下的某个位置,如下图:他不是在 Anaconda3的安装文件夹下,而是在用户的一个目录下,则该虚拟环境只能在该用户下使用,很不方便,所以如果不想出现以上情况,可以直接在root权限下进原创 2020-05-17 11:36:01 · 11444 阅读 · 0 评论 -
Centos7 安装Anaconda3
平时在安装Anaconda3时,如果直接在Anaconda官网下载,会发现很慢,所以我们一般采用国内镜像下载点击安装前,先安装 bzip2yum -y install bzip2不然会有异常Centos7 64位系统下,选择黑色标记那个root权限下的命令为:wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh会发现下载的很快,然后运行命令:[root@原创 2020-05-16 18:04:48 · 5564 阅读 · 0 评论 -
【全面】Centos7安装CUDA和cuDNN
本文讲解如何在centos7系统下下载安装CUDA和cuDNN,以下命令均在root权限下使用1 确认电脑上已安装了GPU和显卡驱动.检查GPU是否安装及型号lspci | grep nvidia检查Nvidia驱动版本nvidia-smi1 准备环境,一般来讲安装都需要GCC环境输入 gcc -v 查看是否已经安装过 gcc,或者使用命令 rpm -qa | grep “gcc*” 来检查,如果安装过,此命令一般是空的,不会报异常信息一般来讲Centos7,默认 gcc是 4.8.5原创 2020-05-15 16:47:29 · 2077 阅读 · 0 评论 -
【全面亲测】Centos7安装Nvidia驱动
本文是来介绍Centos7下如何进行Nvidia驱动的安装的。以下所有的操作在root权限下操作。先介绍下自己的环境:Nvidia显卡为RTX 2070S,系统信息为:cat /etc/centos-release #输出Centos 7 系统版本信息CentOS Linux release 7.8.2003 (Core)uname -r #输出系统内核信息3.10.0-1127.el7.x86_64一些准备工作1 引入 ELRepo 源,官网,这个是Linux系统一个著名的源,所谓原创 2020-05-14 22:58:57 · 1296 阅读 · 0 评论 -
【解决】Anaconda安装Pytorch较慢
前言在官网下载Pytorch时,所用的命令为:conda install pytorch torchvision cudatoolkit=10.1 -c pytorch但是发现这个下载却非常慢,所以可以借助清华源进行下载,可以利用Anaconda进行以下的配置conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/conda config --add channels htt原创 2020-05-09 23:39:17 · 1384 阅读 · 0 评论