qq_35661896的博客

原创 windows下wsl ubuntu 搭建深度学习环境

删除之前安装的ubuntu;查看都安装了哪些版本：wsl -l -v删除想要删除的版本：wsl --unregister ${名字}删除之后 ubuntu.exe的安装包还在c盘中， 找到它， 并将 ubuntu.exe的所在文件夹的所有文件都复制到你想要安装的新的路径下，比如我在E盘新创建一个文件夹： E:\wsl_ubuntu_20.04，复制过去后如下：然后卸载c盘的ubuntu；

原创 mmdect之config

文章目录保存最好的模型怎么确定参数总结参考文档：我的环境 版本信息：配置文件就在configs里面找主要包括： model，data，optimizer等的设置总之一切参数都可以在这里面设置。保存最好的模型例如想要保存最好的模型时：我用的mmdect是 默认 保存最后一个模型，并且每个epoch都会保存一次，很占用内存。怎么样保存最好的模型呢？首先google了一下，找到一个答案：https://github.com/open-mmlab/mmclassification/issues/1

原创 mmdection

mmdection训练源码解析构建数据构建训练器训练源码解析mmdection通过读取configs配置文件，创建各个模块。def parse_args(): ''' not show here '''def main(): args = parse_args() #1、各种配置参数读取，详细参数见下图所示，列出来都包含哪些参数，想要修改哪些参数就从这里面找到对应的配置文件修改一下 cfg = Config.fromfile(args.config) if ar

原创 mmdection（二）

模型的创建接上面一篇，由于在一篇里面讲不完，所以把具体的模型的创建过程单独拿出来讲了。这里以FasterRCNN为例。知道一个就懂其他的模型创建过程了。假如前面的你已经知道了，现在进入到了创建模型的函数：def build_from_cfg(cfg, registry, default_args=None): """Build a module from config dict. 通过registry类得到注册器，然后从注册器中根据key取出相应的类，得到该类后可以正常创建创建实例；

原创 我的Latex学习之路——初识Latex

下载和安装Texlive 和 texstudio,过程也很好安装。完了之后就开始学习Latex了。这里有个可以将截屏上的公式转换成word的以及latex的公式的软件Mathpix，非常好用，准确率也很高，以后做PPT,写文章遇到的不想直接敲公式浪费时间的，可以直接截屏，形成公式，非常方便。Mathpix官网地址：https://mathpix.com/Mathpix官方测试PDF：htt...

原创 conda创建python虚拟环境

参考的博客conda list 查看安装了哪些包。conda env list 或 conda info -e 查看当前存在哪些虚拟环境conda update conda 检查更新当前conda参考上面的链接建立新的环境之后，打开pycharm，进行以下操作：pip install -r requirements.txt...

原创 python 内置函数 filter

链接filter作用：过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。该接收两个参数，第一个为函数，第二个为序列，序列的每个元素作为参数传递给函数进行判断，然后返回 True 或 False，最后将返回 True 的元素放到新列表中。Pyhton2.7 返回列表，Python3.x 返回迭代器对象，具体内容可以查看：Python3 filter() 函数...

原创 matlab之find函数

find很有用！参考博客

原创 python中numpy数组操作

参考博客取前10行：a = b[0:9,:]

原创 python加载mat文件，并转换为txt格式

from scipy.io import loadmatimport numpy as npdef load_mat_data(filename): data = loadmat(filename) data_name = data.keys() a = list(data_name) data_name = a[-1] data = data[data_name] return dataimport osimport dataiopath =

原创 最优化牛顿法全局收敛性质证明

最优化理论课程的作业，证明line search Newton下的全局收敛性质利用gradient related的性质，通过反证法得出结论，资源正在上传中

原创 Matlab扩展一行/列，成一个矩阵

repmat（）函数 A = [1,2,3] repmat(A,[5,1]); #把A看作一个整体，形成5行1列的A,结果为：1 2 31 2 31 2 31 2 31 2 3

原创 python内置函数——enumerate()和call()

enumerate（）seq = ['a','b','c','d']i = 0#普通的for循环for element in seq: print(element) i= i+1 #用enumerate的for循环for i,element in enumerate(seq): print(element)说白了就是用enumerate可以自动...

原创 win10+vs2017(64位)+pcl1.8.1 总结

自己安装了一下，并且配置成功啦~棒！下面主要是总结一下以后配置的思路。假设已经安装完了一 、配置环境路径D:\APPs\pcl\PCL1.8.1\binD:\APPs\pcl\PCL1.8.1\3rdParty\FLANN\binD:\APPs\pcl\PCL1.8.1\3rdParty\VTK\binD:\APPs\pcl\PCL1.8.1\3rdParty\Qhull\binD...

原创 SSM_2.2——高斯过程

学习一下高斯过程YouTube视频链接看到了16分43，明天继续看吧。Gaussian Processes: from random vectors to random functions用此账号注册了smir :3283105364@qq.com

原创 python——生成器和迭代器

迭代器：迭代器是访问集合元素的一种方式；迭代器是一个可以记住便利的位置的对象；迭代器有两个基本的方法：iter()和next()。字符串，列表，元组对象均可以用于创建迭代器。创建一个迭代器...

原创 Beta分布的归一化证明以及期望方差的计算

参考链接：【理解】Beta贝塔分布Beta 分布归一化的证明（系数是怎么来的），期望和方差的计算β分布也是很重要的一个分布，其性质的探讨会继续更新~...

原创 多元正太分布下贝叶斯估计法的参数估计

模式识别作业，书上只有一维正太变量的贝叶斯估计法的推导过程；这里给出多元正太分布下的贝叶斯估计的推导过程。（本人比较懒，直接上图趴。。。）至此推导出了均值与协方差矩阵测估计量；可以与一元正太分布的结果做对比，发现有很高的相似性！数学之美就在于此嘿嘿嘿~（如推导过程中有错误欢迎广大网友指出！）...

原创 膝关节配准相关论文

医学图像2D/3D配准及可视化研究 http://www.docin.com/p-1460877939.html

原创 超级详细的膝盖关节结构讲解

https://m.wang1314.com/doc/webapp/topic/20873397.html膝关节的表面组成：（1）软骨：如半月板，灵活运动不会疼痛。（2）韧带：将关节的骨端连接在一起，起到运动中稳定膝关节的作用；（3）肌肉：提供动力...

原创 FSL使用教程

https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslInstallation/Linux#Prerequisites官方安装文档https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslOverview官方使用文档

原创 python怎么读取特定路径文件夹下的图片

首先路径如下图：train:首先导入plt和osimport osimport matplotlib.pyplot as plt找到训练图片文件夹所在路径train_dir = os.path.join("F:/暑假机器学习内容下载/暑假算法代码下载_杂/Unet/unet-master/data/membrane/train/image")label_dir = os.pat...

翻译 知乎讲解tensorflow2.0之regression详解

首先导入需要的库import pandas as pdimport tensorflow as tfimport tensorflow.keras as kerasimport numpy as npimport seaborn as snsimport tensorflow.keras.layers as layers#import tensorflow.keras.model a...

原创 如何初始化权重（三种方式）

一、初始化为0import numpy as nplayers_dim = [10,5,2,1]def initialize_zeros(layers_dim): ''' 参数： 输入：lays_dims 列表，存储的是每层的节点数量，layers_dim[0]是输入x的数量，layers_dim[1]是第一层的节点数量 W1 ：(layer...

转载 python中的行和列操作

https://www.cnblogs.com/rrttp/p/8028421.html

原创 李沐《动手学习深度学习》课程资源

http://zh.gluon.ai/http://zh.gluon.ai/

原创 李航统计学习方法总结

转载 一文搞懂BP算法（上）

超级详细的过程https://mp.weixin.qq.com/s?__biz=MzAxMjMwODMyMQ==&mid=308852635&idx=2&sn=23ed62275f06a3de962f0b80cf630095&chksm=0c2fcd953b5844836c994f683ceeb2296a1797d5867d29cc864348ccc52e1d945...