模式识别
文章平均质量分 68
基础编程学习
GY—Monkey
这个作者很懒,什么都没留下…
展开
-
使用mmrotate训练 Dronevehicle 数据集
目前看到有很多教程讲述mmrotate训练自制数据集或者dota数据集,这里讲一下在visitdrone数据集上的训练过程。原创 2023-04-07 08:58:21 · 2749 阅读 · 13 评论 -
mmdetection 环境配置与简单测试(mmrotate同理)
其中,_base_中datasets是定义了数据集加载的格式(coco或者voc)与数据的路径。configs中的改进模型都继承于这几个基本模型框架,通过设置不同的层数和参数建立的新模型。这里用的win11进行的测试,后续也会补充Ubuntu的配置方法,几乎同理。这里采用的是基于conda的安装,30系列显卡要用cuda11以上的环境。core中存放了进行检测的主要机理过程,并封装函数,核心的计算原理过程。1、首先要安装pytorch,查看官网的教程的链接:pytorch。4、验证是否安装成功。原创 2023-04-04 17:12:15 · 931 阅读 · 0 评论 -
pytorch 网络参数显存计算
一、使用torchstatpip install torchstat from torchstat import statimport torchvision.models as modelsmodel = models.resnet152()stat(model, (3, 224, 224))关于stat函数的参数,第一个应该是模型,第二个则是输入尺寸,3为通道数。我没有调研该函数的详细参数,也不知道为什么使用的时候并不提示相应的参数。二、使用torchsummarypip inst原创 2022-05-03 15:54:35 · 612 阅读 · 0 评论 -
常见卷积尺寸计算
在搭配深度学习多个卷积层时我们经常要计算卷积层的输出张量的尺寸大小,可以用如下公式计算:1, 公式卷积层输出尺寸: o = ?(i + 2p - k) / s? + 1式中,i:输入尺寸;o:输出尺寸;p:padding;k: kernel_size;s: stride。?…?表示向下取整。2, 推导过程这个公式不用死记,下面我用非常便于理解的方法描述这个推导。卷积就是对相邻的一片数据进行加权求和得到一个数的一种“合并”操作,将此操作对输入张量进行滑动扫描以得到输出张量。循着这个过程,我们很容易推原创 2022-04-15 11:23:39 · 9974 阅读 · 0 评论 -
使用ps制作大型图片的分割数据集(遥感,sar)
文章目录前言一、photoshop二、使用步骤1.引入库2.读入数据总结前言使用传统的标注软件,labelme与百度ai智能分割软件eiseg,都无法打开遥感,sar图像的原图,会直接爆存储闪退,故出此教程来进行数据集的制作。一、photoshopps的强大二、使用步骤1.引入库代码如下(示例):import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimp原创 2022-03-01 10:50:47 · 1050 阅读 · 0 评论 -
agx 扩展m2的固态硬盘 挂载到/home中
agx 扩展m2的固态硬盘我用的是Intel M.2 nvme 512G固态,接到板子上的M.2 nvme 接口上。1.查看硬盘所有分区。指令: sudo fdisk -lu会有一个/dev/nvme0n1 就是你所接入的硬盘(477G = 477*1024 M = 512 * 1000 M)2、对硬盘进行分区。指令:sudo fdisk /dev/ nvme0n1在Command (m for help)提示符后面输入m,可以查看支持的命令。在Command (m for help)提示符转载 2021-10-21 10:27:58 · 1021 阅读 · 0 评论 -
2021-09-24
NVIDIA Jetson AGX Xavier 系统安装(草稿)一、安装系统agx的系统安装与nano系列的不一样,即不不能通过烧录内存卡的形式进行系统安装。agx、tx1、tx2系列,都得使用官方的sdkmanager软件,并通过主机电脑链接agx开发版进行系统的烧录。准备材料清单:1.准备一台装有16或者18ubuntu系统的主机电脑(不建议是使用虚拟机,使用inter处理器的主机会好一点,磁盘大小建议在100G以上);2. agx开发版以及usb转c的转界线(必须用原装,强烈建议加硬盘安装原创 2021-09-24 14:45:27 · 338 阅读 · 0 评论 -
yolox訓練coco
使用yolox训练coco数据集格式的模型yolox訓練cocococo数据集格式数据集准备数据训练修改yolo_s.py修改yolo_base.py修改coco.py修改coco_classes.py开始训练总结coco数据集格式标准格式:coco—annotations(存放json文件)——train2017.json——val2017.json—train2017 (存放训练图片)—val2017 (存放测试图片)修改合并格式:coco—annotations (存放jso原创 2021-09-02 22:08:58 · 844 阅读 · 1 评论