![](https://img-blog.csdnimg.cn/66cd37b8da36480eb3137c3dd3eff8a2.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
填坑小能手
文章平均质量分 59
填坑笔记
酿久诗
彼南风兮舒以肆
展开
-
Excel 数据随机分组
给定一定数量的数据,要求随机分成 n 组。例如,老师将学生随机分组进行讨论,部门将员工随机分组参加活动等。下面使用 Excel 实现将 10 位同学随机分为 4 组。点击确定后反复操作即可。原创 2022-09-03 15:17:08 · 3270 阅读 · 0 评论 -
RuntimeError: insufficient shared memory(shm).
使用docker里的环境运行程序,遇到错误:引发错误的原因是共享内存不足。可通过如下命令查看容器中共享内存的大小:df -h | grep shm解决方法是新建一个容器,在 run 的时候添加参数--shm-size 8gnvidia-docker run --shm-size 8g --name xinying-torch -it -v data/home/chenyu/xinying:/home/xinying 6a2d656bcf94 /bin/bash另一个解决方法是进入宿主机中修原创 2021-12-29 10:40:11 · 916 阅读 · 0 评论 -
Pycharm 通过 SSH 远程连接服务器中的 Docker 环境
废话不多说,以拉取ubuntu构建自己的学习环境为例,详细步骤如下:ubuntu镜像的拉取docker search ubuntudocker pull ubuntu通过镜像创建容器docker run --gpus all -p 6009:6006 -p 7600:22 --name 容器名 -v 主机目录:容器目录 -it 镜像ID /bin/bash容器中必要设置与下载passwdapt-get updateapt-get install vim原创 2021-12-27 18:25:15 · 968 阅读 · 0 评论 -
数据集介绍 - Matting and Segmentation
文章目录1. Matting(抠图)1.1 Image(图片)(1) PPM-100(2) 爱分割 - matting_human_datasets(3) Adobe Image Matting Dataset(AIM)(4) Alpha Matting(5) Distinctions-646 (D646)(6) AIM-500(7) DUTS1.2 Video(视频)2. Segmentation(分割)2.1 Image(图片)(1) SuperviselyPersonDataset(SPD)2.2 V原创 2021-12-14 15:26:45 · 4241 阅读 · 3 评论 -
针对抠图的评价指标
文章目录1. SAD - 绝对误差和(Sum of absolute difference)2. MAD - 平均绝对差值(Mean absolute difference)3. MSE - 均方误差(Mean squared error)4. Gradient error5. Connectivity error1. SAD - 绝对误差和(Sum of absolute difference)SAD=∑i∣αi−αi∗∣SAD = \sum_i|\alpha_i - \alpha^*_i|SAD转载 2021-12-14 13:49:06 · 1499 阅读 · 0 评论 -
tqdm 详解
文章目录1. 简介2. 使用方法3. 实例 - 手写数字识别1. 简介 tqdm是 Python 进度条库,可以在 Python长循环中添加一个进度提示信息。用户只需要封装任意的迭代器,是一个快速、扩展性强的进度条工具库。2. 使用方法传入可迭代对象import timefrom tqdm import *for i in tqdm(range(100)): time.sleep(0.01)trange(i):tqdm(range(i))的简单写法for t in转载 2021-12-03 11:54:52 · 62294 阅读 · 1 评论 -
训练集、验证集和测试集
1. 训练集、验证集和测试集 如何证明我们提出的模型可以解决(部分解决)一个问题,即如何证明一个模型的有效性?这和我们平时的考试是一样的,证明我们掌握了某类知识的方式,就是去参加考试。那么如何设计考试以客观的考察出每个人的能力呢?回想我们的高中阶段,有一些教材,让我们平时学习其基本知识(训练集),有一些模拟考试,让我们知道我们到底掌握的怎么样,然后再改进我们的学习(验证集),最后的高考决定我们的去向(测试集)。训练集:用于训练的样本集合,主要用来训练网络参数;验证集:用于验证模型性能的样本集合。原创 2021-12-02 15:10:54 · 1154 阅读 · 0 评论 -
mp.spawn() 函数详解
Pytorch 中通过 torch.distributed 包提供分布式支持,包括 GPU 和 CPU 的分布式训练支持。Pytorch 中分布式的基本使用流程:在使用 distributed 包前,用 init_process_group 初始化进程组,同时初始化 distributed 包;如果需要进行小组内集体通信,用 new_group 创建子分组;创建分布式并行模型 DDP(model, device_ids=device_ids);为数据集创建 Sampler;使用启动工具 t原创 2021-12-01 10:32:19 · 11277 阅读 · 1 评论 -
parser.add_argument() 参数之 action
self.parser.add_argument('--lr_use', action='store_true', default=False, help='.....')终端运行不使用 --lr_use 命令,程序运行时 lr_use 为默认值 False;终端运行使用 --lr_use 且不指定 True/False,程序运行时 lr_use 的值为True。self.parser.add_argument('--no_flip', action='store_false', hel.转载 2021-11-09 10:42:25 · 1122 阅读 · 0 评论 -
*args 和 **kwargs
*args和**kwargs都用于接收若干个参数,通常我们将其称为参数组:*args:接收若干个位置参数,转换成元组 tuple 形式;**kwargs:接收若干个关键字参数,转换成字典 dict 形式。ps:注意位置参数 *args 一定要在关键字参数 **kwargs 前【参考】python 在列表,元组,字典变量前加*号...原创 2021-11-03 10:04:05 · 104 阅读 · 0 评论 -
@property 的使用
@property是 python 的一种装饰器,用以修饰方法。使用@property装饰器来创建只读属性,将方法转换为相同名称的只读属性,,以防止属性被修改。使用场景:修饰方法,使方法可以像属性一样访问。class DataSet(object): @property def method_with_property(self): # 含@property return 15 def method_without_property(self): # 不含@pr转载 2021-11-03 09:51:29 · 244 阅读 · 0 评论 -
Package CJK Error: Invalid character code.
【报错1】:乱码 + CJK Error;【解决方案】:首先解决乱码问题:注意到上图文件中使用的是 GBK 编码,所以先将 TexStudio 中的 UTF-8 编码更改为 GBK编码,然后关闭文件再重新打开,乱码问题解决;解决乱码问题后,编译报错 CJK Error. CJK(Chinese-Japanese-Korean) 支持中日韩等东亚文字和其它几十种不同语言的多种编码. 解决方法是将默认编译器由 xelatex 更改为 latex, 然后再编译运行,最后成功得到另一个报错(笑哭):原创 2020-07-31 17:33:22 · 14495 阅读 · 15 评论 -
LaTex Error: File “picins.sty“ not Found
LaTex Error: File "picins.sty" not Found.【报错】:【报错原因】:CTeX包含picins.sty文件而TeXLive没有,需要手动安装。【文件安装步骤】:下载picins.sty压缩文件(下载地址),解压后拷贝至C:\texlive\2019\texmf-dist\tex\latex文件目录下;命令行窗口输入texhash刷新Tex 文件数据库:至此,问题完美解决。【参考博客】参考 [1]: https://www.cnblogs.com/原创 2020-07-30 23:20:22 · 12489 阅读 · 9 评论 -
Python 导入自定义模块
Python中导入自定义模块的情况主要有如下几种:导入的模块和主程序在同个目录下,直接 import 即可;导入的模块是在主程序所在目录的子目录下,可以在子目录中增加一个空白的__init__.py文件,该文件使得python解释器将子目录整个也当成一个模块,然后直接通过 “import 子目录.模块” 导入即可;如果导入的模块是在主程序所在目录的父目录下,则要通过修改 path 来解决,有两种方法通过 ”import sys,sys.path.append (‘父目录的路径’)“ 来改变,转载 2021-09-30 13:52:36 · 1171 阅读 · 0 评论 -
F.pad() 函数详解
F.pad() 是pytorch 内置的 tensor 扩充函数,便于对数据集图像或中间层特征进行维度扩充,官方定义如下:torch.nn.functional.pad (input, pad, mode=‘constant’, value=0)input:需要扩充的 tensor,可以是图像数据,亦或是特征矩阵数据;pad:扩充维度,预先定义某维度上的扩充参数;mode:扩充方法,有三种模式,分别表示常量(constant),反射(reflect),复制(replicate);value转载 2021-10-15 10:13:35 · 26836 阅读 · 5 评论 -
children() 与 modules() 的区别
children()与modules()都是返回网络模型里的组成元素,但是children()返回的是最外层的元素,modules()返回的是所有的元素,包括不同级别的子元素。1 children()net = nn.Sequential(nn.Linear(2,2), nn.ReLU(), nn.Sequential(nn.Sigmoid(), nn.ReLU())) list(net.ch转载 2021-10-20 23:48:16 · 357 阅读 · 0 评论 -
argparse 模块详解
文章目录1 argparse 模块简介2 argparse 模块主要参数2.1 可选参数2.2 可选参数引用名2.3 清除帮助中的参数名信息2.4 必选参数设置2.5 列表参数(多参数)传入设置2.6 互斥参数使用2.7 默认参数设置1 argparse 模块简介 argparse是一个用来解析命令行参数的 Python 库,它是 Python 标准库的一部分。argparse 模块使编写用户友好的命令行界面变得容易。程序定义了所需的参数,而 argparse 将找出如何从 sys.argv (命令行转载 2021-10-18 16:18:34 · 7113 阅读 · 0 评论 -
torch.nn.Upsample() 函数详解
上采样函数:torch.nn.Upsample(size=None, scale_factor=None, mode='nearest', align_corners=None)参数详解:size:据不同的输入制定输出大小;scale_factor:指定输出为输入的多少倍数;mode:可使用的上采样算法,有nearest,linear,bilinear,bicubic 和 trilinear。默认使用nearest;align_corners :如果为 True,输入的角像素将与输出张量对原创 2021-10-18 15:28:45 · 19060 阅读 · 1 评论 -
numpy.bincount 详解
numpy.bincount(x, weights=None, minilength=None)功能:统计非负整数数组中每个值的出现次数。【该函数官方文档】函数实例:# x 中最大值为 3,因此输出维度为 4(索引值为0->4)x = np.array([3, 2, 1, 3, 1])# 0 在 x 中出现了 0 次,1 在 x 中出现了 2 次......np.bincount(x) # array([0, 2, 1, 2], dtype=int64) # bicount()函数返转载 2021-10-11 13:55:16 · 2635 阅读 · 0 评论 -
torch.Tensor 和 torch.tensor 的区别
在 Pytorch 中,Tensor 和 tensor 都用于生成新的张量,但二者并不相同。a = torch.Tensor([1, 2])a # tensor([1., 2.])a=torch.tensor([1,2])a # tensor([1, 2])torch.Tensortorch.Tensor()是默认张量类型torch.FloatTensor()的别名,生成单精度浮点类型的张量。a=torch.Tensor([1,2])a.type() # 'torch.FloatT转载 2021-10-09 16:24:07 · 538 阅读 · 0 评论 -
Jupyter Notebook 的初始配置
Jupyter Notebook 添加新 kernel步骤 1: 确保 python3 中已安装 ipykernel, 如未安装可使用如下命令安装:pip install ipykernel步骤 2: 将指定环境集成至 Jupyter Notebook 中:python -m ipykernel install --name kernelname步骤 3: 查看 Jupyter Notebook 中已集成的 python 环境:jupyter kernel list步骤 4: 删除 Ju原创 2020-09-11 21:06:38 · 1583 阅读 · 0 评论 -
向Github仓库上传本地文件
向Github上传本地文件将本地文件上传至github仓库的主要步骤和相关命令如下:在github上创建仓库,复制所建仓库的地址;在本地目录A下打开git窗口(git bash here) →\rightarrow→ git clone + 地址 →\rightarrow→ 在A目录下创建了一个与仓库同名的文件夹B;将A中其它文件(即要上传至github的文件,注意文件大小有限制)复制到文件夹B中;使用cd命令进入到B文件夹中;打开git窗口,进行git init初始化:git config原创 2020-07-21 23:17:51 · 427 阅读 · 0 评论