![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 55
猿代码_xiao
一名计算机研究僧(人工智能、网络安全),软件设计师、计算机老师,曾在科大讯飞和奇安信任职,目前在浙江大学计算机研究院担任算法工程师,欢迎技术交流
本人精通C、C++、PHP、Python、Java、Go等单词的拼写,擅长eclipse、pycharm、visual studio、phpstorm等软件的安装与卸载,熟悉windows、Linux、IOS等开关机,掌握ICCV、CVPR、ECCV、ICML、AAAI等论文的搜索方法。
talking is cheap,show me the code!
展开
-
YOLOv5Loss函数报错:result type Float can‘t be cast to the desired output type long int
解决方案:原创 2023-05-12 23:57:52 · 1905 阅读 · 1 评论 -
数据集Invalid SOS parameters for sequential JPEG
上述代码主要是检测图片的EXIF信息,EXIF指的是 Exchangeable Image File Format,是一种存储在数字图像文件中的元数据标准,它可以记录拍摄日期、时间、地点、相机型号、曝光参数、ISO等拍摄信息。通过比对可以找出哪些图片是三星手机拍摄的,如果图片不多的话,可以手动用电脑的画图打开,重新保存。目前网上关于这个报错的说法不一,很多说是OOM(out of memory),但是经过实验,调整了batch_size之后还是会出现一样的报错。意思是这个是三星手机拍摄图片的一个bug。原创 2023-05-06 11:26:56 · 2477 阅读 · 1 评论 -
yolov8报错:correct = settings.keys() == defaults.keys()
2.这个文件在用户文件夹下,进入文件夹查看之后发现用户文件夹下的settings.yaml为空,原因get!3.将报错的correct=…注释,把correct直接赋值为None,然后就会生成一个新的yaml文件。原创 2023-03-14 16:18:09 · 1927 阅读 · 0 评论 -
openmmlab路径报错问题:No such file or directory
在使用openmmlab时发现使用相对路径容易报错,看了很多方案,都是使用绝对路径,当项目发生迁移时,就需要重新配置。测试之后发现,只需要以。原创 2023-03-14 16:10:59 · 1959 阅读 · 0 评论 -
使用python批量判断一个文件下的图片是否一样
2.使用opencv读取两个图片,使用subtract()判断两个图片是否一样。1.首先排除图片大小不一样的情况,如果图片大小不一样,图片内容也肯定不一样。原创 2023-01-15 16:38:03 · 2098 阅读 · 0 评论 -
YOLO7报错:indices should be either on cpu or on the same device as the indexed tensor (cpu)
当我们的数据有部分在GPU上运行,有部分在CPU上运行时会报这个错,一般有GPU的话都会选择在GPU上面跑模型,但要注意将其他定义的对象也放在GPU上面,否则应该默认是在CPU上面。如图所示,x是从GPU中传过来的,但idx不是,idx是我们自己生成的,它默认放在CPU中,所以我们需要也把它放到GPU中,解决方法:加 .to(DEVICE) 其中DEVICE已定义。具体解决办法:在loss.py文件中增加下图中第一行,修改下面二三行1.device = targets.device2.原创 2022-12-07 23:10:55 · 11267 阅读 · 28 评论 -
SENET和GateNet(推荐系统(embedding))
SENET是在论文《Squeeze-and-Excitation Networks》中提出来的,应用在图像处理上的。主要思想:通过建模channel之间的关系来矫正channel的特征,以此提升神经网络的表征能力。(原文:adaptively recalibrates channel-wise feature responses by explicitly modelling interdependencies between channels。在图像中,一个channel可以先当于图像的一种特征。原创 2022-11-11 00:24:42 · 3878 阅读 · 0 评论 -
R-FCN 基于区域的全卷积神经网络
为了解决这个问题,比较直接的想法是,把这两层FC操作放到Roi pooling前面,这样的话,每一个Roi区域只需要经过global average pool操作即可,节约了计算量。我们将其分割成 3 × 3 个区域,并询问每个区域包含目标对应部分的概率是多少。现在,我们在 M 中创建了一个新的特征图,来检测方块的左上角(TL)。由图可见,Faster RCNN对每一个Roi区域,分别经过一个subnetwork,这个subnetwork包含了一次global average pool操作,两次FC操作。原创 2022-11-10 00:24:11 · 2560 阅读 · 0 评论 -
YOLOv2—passthrough层
提到passthrough层,必须提及Darknet-19(有19个卷积层和5个MaxPooling层)网络结构。(DarkNet-19比VGG-16小一些,精度不弱于VGG-16,但浮点运算量减少到约1/5,以保证更快的运算速度)。1 卷积层输出预测结果,输出的channels数为:num_anchors。YOLO2的训练主要包括三个阶段。原创 2022-11-09 15:54:28 · 3363 阅读 · 0 评论 -
知识蒸馏(深度学习模型压缩)
模型压缩大体上可以分为 5 种:原创 2022-11-06 21:13:07 · 1979 阅读 · 0 评论 -
联邦学习--记录
这里的数据计算由worker node来进行。服务器会下发parameters来使worker node有一个初始参数。worker node将自己的数据计算后将梯度发送给服务器。由服务器来进行梯度下降。在数据的传输过程中,空间复杂度为:参数的数量。receiveupdating model parameters,直接使用梯度下降的方法;横向联邦学习的名称来源于训练数据的“横向划分”,也就是数据矩阵或者表格的按行(横向)划分。不同行的数据有相同的数据特征,即数据特征是对齐的。原创 2022-11-06 17:28:57 · 2480 阅读 · 0 评论 -
jupyter把一个cell剪切之后如何撤销删除操作
网上其他的教程说要ctrl+z?,一堆水文,还没用。1.如果是运行过的代码,输入。原创 2022-10-29 14:30:08 · 4478 阅读 · 4 评论 -
正负样本不平衡问题
自适应训练样本选择(ATSS-2020):根据目标的统计特征(方差和均值)自动划分正训练样本和负训练样本,弥合了基于锚的探测器与无锚探测器之间的差距,具体步骤如下:1.对于每个输出的检测层,选计算每个anchor的中心点和目标的中心点的L2距离,选取K(mmdetection的topK是9)个anchor中心点离目标中心点最近的anchor为候选正样本(candidate positive samples)2.计算每个候选正样本和groundtruth之间的IOU,计算这组IOU的均值和方差。原创 2022-10-23 23:43:17 · 3154 阅读 · 0 评论 -
深度学习:交叉验证(Cross Validation)
将原始数据随机分为两组,一组做为训练集,一组做为验证集,利用训练集训练分类器,然后利用验证集验证模型,记录最后的分类准确率为此分类器的性能指标。好处:处理简单,只需随机把原始数据分为两组即可坏处:但没有达到交叉的思想,由于是随机的将原始数据分组,所以最后验证集分类准确率的高低与原始数据的分组有很大的关系,得到的结果并不具有说服性。原创 2022-10-23 15:27:05 · 10763 阅读 · 0 评论 -
位运算bitwise_and和bitwise_not函数
今天在对图片进行预处理是遇到了cv2.bitwise_and函数,感觉还是挺有意思的,那就趁热记一下吧。原创 2022-10-22 22:05:59 · 3515 阅读 · 2 评论 -
OpenCV(cv2)报错:‘NoneType‘ object has no attribute ‘shape‘
File “D:/Python/pytorchLearn/图片预处理/bitwise.py”, line 12, in。opencv不能包含中文路径,全部修改成英文即可。原创 2022-10-22 21:36:45 · 2698 阅读 · 0 评论 -
数据预处理的一些常见方法
opencv中有多种色彩空间,包括 RGB、HSI、HSL、HSV、HSB、YCrCb、CIE XYZ、CIE Lab8种,使用中经常要遇到色彩空间的转化。可以使用opencv中cv2.cvtColor()函数来改变图像的颜色空间,该函数形式为:@frame为要进行处理的图片;@cv2.COLOR_BGR2RGB要进行的色彩转换方式;原创 2022-10-22 18:53:18 · 2286 阅读 · 0 评论 -
Ubunt安装pydot和graphviz报错:Failed to import pydot. You must install pydot and graphviz for `pydotprint`
Ubunt安装pydot和graphviz报错:Failed to import pydot. You must install pydot and graphviz for `pydotprint`原创 2022-09-19 15:02:21 · 7968 阅读 · 0 评论 -
docker镜像创建成功之后设置多个数据卷挂载
docker镜像创建成功之后设置多个数据卷挂载原创 2022-09-16 14:02:57 · 8991 阅读 · 0 评论 -
在远程ubuntu20.04服务器的docker里安装conda,使用conda安装tensorflow_gpu,运行代码时一直卡住
在远程ubuntu20.04服务器的docker里安装conda,使用conda安装tensorflow_gpu,运行代码时一直卡住原创 2022-09-16 13:54:19 · 9015 阅读 · 0 评论 -
MaskRcnn训练自己的数据集
maskrcnn训练自己的数据集原创 2022-09-16 13:47:08 · 8410 阅读 · 0 评论 -
MaskRCNN(matterport)模型搭建与实验
Maskrcnn模型的搭建原创 2022-09-16 13:43:58 · 8811 阅读 · 0 评论 -
深度学习中容易忘记的小细节
1、Concat:张量拼接,会扩充两个张量的维度,例如2626256和2626512两个张量拼接,结果是2626768。2、add:张量相加,张量直接相加,不会扩充维度。例如104104128和104104128相加,结果还是104104128。add和cfg文件中的shortcut功能一样。......原创 2022-06-24 17:39:11 · 8255 阅读 · 0 评论 -
ubuntu、conda、pip、docker、jupyter命令
ubuntu、conda、pip、docker命令原创 2022-06-16 10:42:49 · 8305 阅读 · 0 评论 -
Jupyter notebook操作
查看当前jupyter环境下的版本:设置jupyter打开位置:查看torch是否可用:!与%的区别!开一个新的progress,执行完之后立即终止;provided by the Jupyter%的操作会持续;provided by the IPython kernel在 Jupyter 启动 Tensorboard:...原创 2022-06-16 10:39:23 · 10582 阅读 · 0 评论 -
图像目标检测算法总结(从 R-CNN 到 YOLO v3)
作者丨江户川柯壮@知乎来源丨图像目标检测算法总结(从R-CNN到YOLO v3) - 知乎基于CNN 的目标检测是通过CNN 作为特征提取器,并对得到的图像的带有位置属性的特征进行判断,从而产出一个能够圈定出特定目标或者物体(Object)的限定框(Bounding-box,下面简写为bbox)。和low-level任务不同,目标检测需要预测物体类别及其覆盖的范围,因此需关注高阶语义信息。传统的非CNN 的方法也可以实现这个任务,比如Selective Search 或者DPM。在初始的CNN 中,也原创 2022-05-22 18:53:06 · 9457 阅读 · 0 评论 -
计算机视觉领域顶级会议和顶级期刊汇总
一、计算机视觉顶会(1)ICCV:International Conference on Computer VisionInternational Comference on Computer Vision,国际计算机视觉会议,是公认的三个会议中级别最高的,收录率一般在20%左右,由IEEE主办。【收录论文的内容:底层视觉与感知,颜色、光照与纹理处理,分割与聚合,运动与跟踪,立体视觉与运动结构重构,基于图像的建模,基于物理的建模,视觉中的统计学习,视频监控,物体、事件和场景的识别,基于视觉的图形学,原创 2022-05-20 23:10:23 · 21962 阅读 · 1 评论 -
神经网络损失函数汇总
一.基础知识在理解各种损失函数的选择原理之前,先回顾一下损失函数、模型训练、训练方法的相关基本概念损失函数(Loss Function):用来估量模型的预测值 f(x)与真实值 y的偏离程度,以下是选择损失函数的基本要求与高级要求:基本要求:用来衡量模型输出分布和样本标签分布之间的接近程度, 高级要求:在样本分布不均匀地情况下,精确地描述模型输出分布和样本标签之间的接近程度模型训练(Training):训练的过程实质是优化(最小化)损失函数,让 f(x) 与 y 尽量接近。实际上是模型参..原创 2022-05-20 21:53:30 · 21928 阅读 · 0 评论 -
Docker 笔记
有道云笔记https://note.youdao.com/s/ThsyibTj原创 2022-05-20 20:46:00 · 8182 阅读 · 0 评论 -
ubuntu命令
目录1.ubuntu基本命令:2.ubuntu下sudo和root帐户关系:3.ubuntu系统下更改用户组:4.ubuntu临时换源:5.查看内存:6.查看GPU1.ubuntu基本命令:ubuntu(乌班图)常用命令大全_搞视觉的张小凡的博客-CSDN博客_ubuntu命令2.ubuntu下sudo和root帐户关系:很多以前用过linux,但第一次使用 ubuntu的朋友,都会问我:我的root用户怎么不能用。我给他们每一个都解释一遍,心想还是写出来,要不太原创 2022-04-29 17:44:43 · 11422 阅读 · 0 评论 -
pycharm连接远程服务器的docker容器进行运行和调试代码
环境准备:(1)准备好pycharm专业版,社区版没有连接远程服务器的功能(2)远程服务器ubuntu20.04,已安装好docker一、配置远程服务器的docker容器1.启动并运行交互式容器:docker run --gpus all --name="xiao-pycharm" -it -p 11740:22 -v /sda1/xiao/pycharm:/home python3.8_torch1.8.2:1.0 /bin/bash这里需要映射主机端口到容器端口,后续就是通..原创 2022-04-29 16:01:49 · 15935 阅读 · 5 评论 -
卷积层与全连接层的区别
卷积层、池化层、全连接层的概念:https://towardsdatascience.com/convolutional-neural-network-17fb77e76c05关于卷积、全连接层的参数大小和计算量可以参考之前发的文章:深度学习中卷积&池化&全连接层及其参数量和计算量_猿代码_xiao的博客-CSDN博客1.全连接层(1)全连接层(fully connected layers,FC)在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作.原创 2022-04-12 23:02:06 · 17834 阅读 · 1 评论 -
深度学习中卷积&池化&全连接层及其参数量和计算量
1.卷积&池化&全连接层介绍valid卷积:不填充paddingsame卷积:填充padding,使得输出和输入大小一致多维卷积:过滤器的最后一个数字通道必须和输入图片的通道数匹配,过滤器的多少,决定最后输出图片的通道数输出公式(向下取整):池化:输入通道数和输出通道数相同,也就是池化的过滤器通道数为12.参数量计算【卷积参数量计算】输入:2242243,64个 333 filter,输出feature map 22422464,卷积层的参数量为:33364=1728原创 2022-04-12 15:51:04 · 16285 阅读 · 0 评论 -
机器学习中L1正则化和L2正则化
1.L1和L2的区别在机器学习中:- L1 normalization是指向量中各个元素绝对值之和,通常表述为,线性回归中使用L1正则的模型也叫Lasso regularization- L2 normalization指权值向量w中各个元素的平方和然后再求平方根(可以看到Ridge回归的L2正则化项有平方符号),通常表示为,线性回归中使用L2正则的模型又叫岭回归(Ringe regularization)。也就是:L1范数: 为x向量各个元素绝对值之和。 L2范数: 为x向量各个元..原创 2022-04-12 00:45:17 · 10736 阅读 · 0 评论 -
吴恩达深度学习第五课Sequence Models第四周课程作业:Transformers Architecture with TensorFlow
原创 2022-03-01 22:23:43 · 10562 阅读 · 0 评论 -
吴恩达深度学习第五课Sequence Models第四周课程作业:Transformers
原创 2022-03-01 22:17:49 · 10565 阅读 · 0 评论 -
配置python pip国内镜像源
1.国内镜像源: 阿里云 http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 豆瓣(douban) http://pypi.douban.com/simple/ 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/ 中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/2.临时使用某个镜像源:原创 2022-02-26 13:16:07 · 14525 阅读 · 0 评论 -
深度学习中偏差和方差的区别
解释一**偏差(Bias):**描述的是预测值(估计值)的期望与真实值之间的差距。偏差越大,越偏离真实数据,在下图中的表现也就是数据点离红圆心的距离。**方差(Variance):**描述的是预测值的变化范围,离散程度,也就是离其期望值的距离。方差越大,数据点的分布越分散。解释二**偏差(Bias):**在深度学习里,表示的就是训练集上训练误差的大小。**方差(Variance):**在深度学习里,表示的就是训练集上误差和验证集上误差的差距,差距越大,方差就越高,也就越形成过拟合。...原创 2022-02-03 15:08:47 · 15309 阅读 · 0 评论