paddle
文章平均质量分 50
欧阳罢笔
早睡早起身体好
展开
-
QGIS+Paddle:深度学习遥感建筑提取插件
QGIS+Paddle:深度学习遥感建筑提取插件*大小限制,全损画质记录1. 环境配置QGIS的安装和开发环境的配置网上都有不少资源,但是在配置paddlepaddle-gpu环境的时候还是遇到两个坑,解决方案可以参考:QGIS安装Paddle-GPU报错QGIS导入Paddle报错无效的数据源2. 设想实现时的想法是获取当前活动图层,如果这个图层是栅格,就读取,然后转为ndarray格式,预处理一下转为tensor。此时加载模型参数,这里目前就随便跑了一个UNet的模型,在AI St原创 2021-11-02 17:27:56 · 910 阅读 · 4 评论 -
QgsRasterLayer转ndarray
QgsRasterLayer转ndarray目前在QGIS中没看到读取到栅格后怎么转化为nd数组在后台进行一些操作(比如跑个深度学习模型啥的)。于是经过参考和探索,先出了一个折中的办法,将栅格转为nd数组,效率不高,暂时保留,后续发现更好的方法再来更新。代码如下:import numpy as npdef raster2ndarray(lyr): ''' input: lyr(QgsMapLayerType.QgsRasterLayer) output: _原创 2021-11-02 10:34:28 · 615 阅读 · 0 评论 -
QGIS导入Paddle报错无效的数据源
QGIS导入Paddle报错无效的数据源问题在成功在QGIS中安装好Paddle-GPU后,使用时有个问题,当使用如下导入方式后import paddleQGIS会卡住,并重启一个新的QGIS界面,并在日志中显示如下错误尝试导入cv2或者albumentations等均不会出现这种情况,但关闭新打开的界面,无视错误,可以发现Paddle是导入成功的!初步判断是Paddle某个地方和QGIS的不太兼容解决经过在QGIS\apps\Python39\Lib\site-packages\padd原创 2021-11-01 23:07:56 · 1198 阅读 · 0 评论 -
QGIS安装Paddle-GPU报错
QGIS安装Paddle-GPU报错报错内容使用下面代码查看paddle-gpu是否安装成功import paddlepaddle.utils.run_check()得到如下报错RuntimeError: (PreconditionNotMet) The third-party dynamic library (cublas64_102.dll;cublas64_10.dll) that Paddle depends on is not configured correctly. (error原创 2021-11-01 20:57:35 · 1384 阅读 · 0 评论 -
EasyDL物体检测数据转为VOC数据集
在进行物体检测任务的时候,数据标注是比较麻烦的,而是用EasyDL可以只标注30%的数据,再使用智能标注来高效的标注。但是EasyDL标注完的数据不方便拿出来,而且保存的JSON不方便进行使用,所以可以以下方法进行导出和转换。导出在AI Studio中创建数据集,选择从EasyDL导出,就可以创建数据集了。然后该数据集是可以下载的,并且AI Studio的数据集下载挺快的。转换官方好像并没有提供这些JSON格式转换的API。而在使用PaddleX的时候,需要VOC格式的数据进行训练,于是自己写了一原创 2021-10-18 17:08:32 · 870 阅读 · 4 评论 -
玄学:Gitee/AI Studio项目某代码文件无法打开或打开报错网络问题
问题描述最近遇到一个问题扎扎实实的卡了我两天,最后的答案让人啼笑皆非,还是在此记录一下。问题就如标题所示,在Gitee以及AI Studio平台上,我的一个项目中的一个.py文件无法打开,或打开报错说了一堆什么网络问题,其他文件却好好的都能打开。给搞玄了,问了平台问了大佬,换了电脑换了账号全全搞了一堆也没用,大家都很懵比,最后发现居然是UBlock的锅。解决方案所以解决方案:就是进这个这些网页的时候关闭UBlock卸载UBlock添加网页白名单心得体会很奇妙,怀疑了各种东西的问题就是没原创 2021-06-21 18:09:26 · 579 阅读 · 0 评论 -
PySide2学习第一天:简单使用PaddleSeg+PySide2将建筑提取模型做成GUI版
简单使用PaddleSeg+PySide2将建筑提取模型做成GUI版一. 模型训练首先可以在本地使用(或者AI Studio上)pip安装PaddlePaddle-GPU版本和PaddleSeg,使用PaddleSeg提供的UNet网络,准备好(这里使用的是)Aerial imagery dataset数据集,可以很方便的进行训练(AI Studio上很多类似的项目,就不多说)。最后得到一个.pdparams的模型参数文件即可。下面是训练的Loss和Acc等。二、界面设计首先需要在本地pip i原创 2021-03-12 15:12:09 · 628 阅读 · 0 评论 -
测试:遥感图像分类【PaddleX模型训练+C#部署模型】
作为测试和记录,就随便试一个数据集,AID数据集,AID数据集是一个遥感影像数据集,其包含 30 个类别的场景图像,其中每个类别有约 220 – 420 张,整体共计 10000 张,其中每张像素大小约为 600*600。PaddleX全流程模型训练PaddleX是基于飞桨核心框架、开发套件和工具组件的深度学习全流程开发工具。具备 全流程打通 、融合产业实践 、易用易集成 三大特点。这里是体验的PaddleX的GUI版本,当然咔咔写几句代码也是很简单的。Win10平台,可以先在官网下载Wi.原创 2020-12-31 17:34:08 · 2950 阅读 · 1 评论 -
Rhino(Grasshopper)+PaddleX快速建模
模型训练首先需要训练一个遥感建筑提取的模型,数据集采用的武汉大学的卫星数据集Satellite dataset I (global cities)清洗数据为需要的格式和数据类型PaddleX是PaddlePaddle全流程开发工具,包含的PaddleCV覆盖CV领域图像分类、目标检测、语义分割、实例分割四大主流任务场景。其中PaddleSeg是基于PaddlePaddle开发的端到端图像分割开发套件,覆盖了DeepLabv3+, U-Net, ICNet, PSPNet, HRNet, Fast-原创 2020-12-28 20:22:34 · 1258 阅读 · 0 评论 -
NotFoundError: No Output(X@GRAD) found for BatchNormGrad operator.
这几天在学习paddle的过程中遇到一个问题,写了一个网络,前向传播很nice,加上优化器、损失啥啥的反向传播就GG了,报错的行在.backward()这个地方,内容如下----------------------Error Message Summary:----------------------NotFoundError: No Output(X@GRAD) found for BatchNormGrad operator.[Hint: Expected ctx->HasOutpu.原创 2020-12-10 08:56:58 · 517 阅读 · 0 评论 -
PGL七日打卡营心得
图神经网路是近几年流行起来的新东西,学过了传统CV的打卡营,这次来到了图神经网路的打卡营、百度PGL的学习。从零基础,我知道了图神经网络大概的样子,与传统的图像识别语义分割等等不同,这是处理非结构化数据的,由于没有NLP的基础,后面的ERNIESage什么的不是很理解,但是也学到了很多。结合在专业上的知识,图神经网络可以用于本专业的复杂关系建模和一些网络的构建,本次百度的图神经网络七日打卡营让我了解了从图运算基础的图游走模型开始,到GCN、GAT等的原理,老师既专业又漂亮,讲解非常清楚,弥补了在图像分割原创 2020-11-30 12:51:35 · 121 阅读 · 1 评论 -
图像分割7日打卡营心得
自上次参加完目标识别的7日打开营,对目标识别的一些理论的印象大大加深了,但是在使用中,仍然基本只会使用paddledetection提供的现成的东西。这次目标识别7日营,朱老师除了讲解目标识别网络设计的原理,并且亲自手撕代码,让我读paddle的一些实现有了更深的了解。虽然还是不能像大佬一样手撕代码,但是在看paddleseg、paddledetection什么的时候,也开始明白了这些代码是做什么的了,并且能够针对自己的一些小需求进行一些小修改了,我觉得学到了很多东西。以后的课程还是要继续参与的,不管怎原创 2020-10-25 12:08:19 · 221 阅读 · 0 评论 -
paddle静态图训练,训练集和测试集效果都有很好,但验证集上效果很差
在paddle静态图训练中,训练集和测试集效果都有很好,但验证集上效果很差在paddle的训练中,如果使用这样的方式进行训练main_program = fluid.default_main_program()cost = fluid.layers.cross_entropy(input=model, label=label) # 交叉熵损失函数avg_cost = fluid.layers.mean(cost)acc = fluid.layers.accuracy(input=model,原创 2020-08-13 12:05:52 · 3013 阅读 · 0 评论