qq_39697468的博客

本文详细介绍了在Windows 11的WSL（Windows Subsystem for Linux）环境中安装Anaconda、CUDA、CUDNN和TensorRT的步骤。首先，确保电脑已安装NVIDIA驱动，并通过WSL安装Ubuntu。接着，依次安装Anaconda、CUDA 12.4、CUDNN 8.9.7和TensorRT 9.1.0及以上版本。每个步骤包括下载、安装、设置环境变量和验证安装的详细命令。此外，还提供了NVIDIA驱动的卸载方法。通过本文，用户可以在WSL环境中成功配置深度学习开发

本文详细介绍了如何将 WSL 上的 Ubuntu 22.04 LTS 从 C 盘迁移到 D 盘，以及如何卸载 Ubuntu 20.04 WSL。迁移步骤包括查看 WSL 状态、停止 WSL 运行、导出备份、注销现有 WSL、导入备份到新位置以及恢复默认用户。卸载步骤则通过 Windows 设置或 Windows 终端进行，包括查看已安装的 WSL 发行版、注销并确认卸载成功。这些操作可根据实际情况调整命令和路径。

Ruff 是一个用 Rust 编写的高效 Python 代码检查与格式化工具，能够替代 Flake8、Black 等工具，并提供更快的执行速度。本文详细介绍了如何在 Visual Studio Code 中配置 Ruff 扩展。首先，通过 VS Code 扩展商店安装 Ruff 扩展，并使用 pip install ruff 命令安装 Ruff 工具。接着，通过 pyproject.toml 或 .ruff.toml 文件配置 Ruff 的规则，如行长度、启用规则集等。然后，在 VS Code 的 sett

【代码】用opencv校正图片的方向。

反向传播算法通过计算损失函数对网络参数的梯度，并利用梯度下降法更新参数，从而最小化损失函数。这个过程包括前向传播、计算梯度、反向传播梯度和更新参数。通过不断迭代这个过程，神经网络可以逐渐学习到数据中的模式，从而提高模型的性能。

最小二乘法（Least Squares Method）是一种数学优化技术，它通过最小化误差的平方和来寻找一组数据的最佳函数匹配。这种方法常用于线性回归分析中，用于估计线性模型的参数。最小二乘法的基本思想是：找到一个函数，使得所有数据点到这个函数的垂直距离的平方和最小。

导数：描述单变量函数在某一点的变化率，是函数在该点的切线斜率。梯度：描述多变量函数在某一点的变化率，是一个向量，其方向是函数增加最快的方向，大小表示变化率。关系：单变量函数的导数是梯度的特例，多变量函数的梯度是偏导数的集合。应用：在优化问题中，通过求导（单变量）或梯度（多变量）并令其为零，可以找到函数的极值点。

离线安装pytorch

vscode中python代码格式化

通过这种方式，标注区域将显示为白色，其他区域显示为黑色，并且不包含任何标签文本。

提取coco数据集中特定的类别

为了使用 RKNPU，需要先在电脑上运行 RKNN-Toolkit2 工具，将训练好的模型转换为 RKNN 格式的模型，然后在开发板上使用 RKNN C API 或 Python API 进行推理。然后再利用rknn-toolkit2//rknpu2/examples/rknn_yolov5_demo/convert_rknn_demo/yolov5做转化，转成rknn进行部署。下载之后安装相应的环境：yolov5的环境安装就不在此过多赘述了。模型做一些修改，主要是将官方的模型的box decode删除。

网络实际学习的目标是tx、ty、tw、th这四个偏移量（offsets），通过这些偏移量可以求得真正需要的bx、by、bw、bh四个坐标。通过学习偏移量，可以对网络原始给定的锚框坐标进行线性回归微调，使其逐渐靠近真实边界框（groundtruth）。在YOLO算法中，bx、by、bw和bh与tx、ty、tw和th是预测边界框时使用的两组不同的参数，它们之间有直接的转换关系。其中，σ：表示sigmoid函数，cx和cy是网格单元左上角的坐标， pw和ph是锚框的宽度和高度。

RKNN-Toolkit-Lite2 为 Rockchip NPU 平台提供 Python 编程接口，帮助用户部署 RKNN 模型，加速 AI 应用的落地。RKNN Runtime 为 Rockchip NPU 平台提供 C/C++ 编程接口，帮助用户部署 RKNN 模型，加速 AI 应用的落地。RKNN-Toolkit2 是一款软件开发套件，供用户在 PC 和 Rockchip NPU 平台上进行模型转换、推理和性能评估。RKNN 软件栈可以帮助用户快速将 AI 模型部署到 Rockchip 芯片上。

​OpenCV下载:https://opencv.org/releases/​编译与安装CMAKE_BUILD_TYPE=RELEASE：表示编译发布版本CMAKE_INSTALL_PREFIX：表示生成动态库的安装路径，可以自定义WITH_GTK=ON：这个配置是为了防止GTK配置失败：即安装了libgtk2.0-dev依赖，还是报错未安装OPENCV_GENERATE_PKGCONFIG=YES：表示自动生成OpenCV的pkgconfig文件，否则需要自己手动生成。

解决方法：遇到的 FutureWarning 确实与 PyTorch 2.4.0 中的更改有关。要解决此问题，请确保您使用的是最新版本的 Ultralytics 软件包，因为更新可能包括与较新的 PyTorch 版本兼容的修复程序。

函数定义：change_photo_format函数接受两个参数，directory是包含照片的目录路径，new_extension是新的文件扩展名，默认为.jpg。分割文件名：使用os.path.splitext()分离文件名和扩展名。构建文件路径：使用os.path.join()构建每个文件的完整路径。检查文件类型：使用os.path.isfile()检查路径是否为文件。遍历文件：使用os.listdir()遍历指定目录中的所有文件。构建新文件名：使用新的扩展名构建新的文件名。

确保将image_path、annotation_path和output_path变量替换为实际的文件路径。运行脚本后，将在输出路径生成一张带有边界框和类别名称的图片。

确保将directory变量设置为包含你想要重命名的文件和文件夹的目录路径，并将prefix设置为你想要添加的前缀。运行脚本后，目录中的所有文件和文件夹都将被重命名，新名称中将包含添加的前缀。注意：这个脚本会递归地对所有文件和文件夹进行操作，如果目录中包含子目录，子目录中的文件也会被重命名。如果你只想对文件或特定类型的文件进行操作，你可以添加额外的条件检查。

确保将input_dir和output_dir变量设置为实际的目录路径，并将classes_to_keep列表设置为你需要保留的类别索引。这个脚本会创建一个新的标注文件，其中只包含所需类别的标注，并将它们保存在指定的输出目录中。读取每个YOLO标注文件，检查每个标签是否属于你希望保留的类别列表，如果不在列表中，则不会写入到新文件中。