不会程序的++猫-CSDN博客

原创 python自定义导包的方法

在我们使用python的时候，有时候对于一个项目我们在运行程序时会导入我们在项目中自定义的其他包，但是经常出现以下的错误：ModuleNotFoundError: No module named ‘xxx’网上也有很多其他的解决办法，但是实验之后发现都不好用，这里找到了一个最好用的方法这其实是因为我们对于项目根目录设置问题出错我们首先在我们需要自定义导入的包目录下新建一个__ init __.py 文件如下图：然后将我们的项目文件夹设置成根目录方法如下设置完之后我们发现原来灰色的项目文

2021-06-03 21:27:28 228

原创 yolo V3 原理深度讲解

v3输出三种规格的特征图分别用来检测大中小物体，这里对v2中的融合进行了改进，让分类任务做的更好。对每一规格的特征图来说都会产生三种候选框。但不同规格的特征图并不是通过分别在CNN网络中直接输出获得的，因为那样一开始输出的52x52和中间输出的26x26特征图所提取的特征都不够完全。这里作者是用最后13x13的特征图通过某些方法与前面26x26进行特征融合，从而使得特征提取的更加完善。这里作者采用的是进行上采样的一个方法，使得得到的13x13的特征图经上采样后变成26x26的特征图，然后再与26x...

2021-05-20 21:19:43 596

原创 yolo V2 原理深度讲解

改进：yolov2舍弃了dropout（dropout就是在全连接层使用，防止过拟合。）v2开始网络中没有了全连接层，取而代之的是在每一次卷积之后都加一个batch normalization，这种操作类似于归一化处理，让每一层卷积处理后的特征图都保持着均值为0，方差为1，使得收敛起来更加容易。BN的位置在每一层卷积后，relu激活函数前。v2在v1的基础上增加了10次的448x448的训练，让整个模型的鲁棒性更好。关于v2的网络结构，变化比较大。整个网络取消了全连接层，全部由卷积层和池化..

2021-05-20 19:34:32 818 1

原创 YOLO v1 原理深度讲解

首先来看，yolo算法是一个one-stage的算法，即一步直达，所以速度非常快，适合做实时检测。缺点就是没有那么精确。有一个概念MAP：这个指标是为了去衡量综合的检测效果。这里牵扯到另一个概念就是召回率：关于预测结果我们可以分为四类：TP(真阳性) 预测为真的样本中确实为真的数量。FP(假阳性) 预测为真的样本中确实为假的数量。FN(假阴性) 预测为假的样本中确实为真的数量。TN(真阴性) 预测为假的样本中确实为假的数量。举个例子来说明预测某些病人有没有得癌症。假设有100个样本，真

2021-05-18 21:25:23 602 5

原创目标检测，基于滑动窗口/YOLO

输出包含bounding box的bx by bw bh位置信息，还包含pc，我们可以理解成置信度的意思，如果是前三类之一那么pc=1，如果不包含物体只有背景，那么pc=0。同时输出还有前三类类别c1 c2 c3例如给定一张汽车的图片那么c2=1其他为0，这里我们要注意，类别里面只能有一个为1，其他均为0，假设我们现在做的是一个物体的分类情况。当给定图片中不包含类别指定的物体的时候，那么pc=0，同时其他参数也会变得毫无意义。对于损失函数计算，就是每个类别真实值和预测值差的平方和。这里也是分.

2021-05-17 14:10:55 1772

原创 PyTorch激活函数

1.什么是激活函数作用就是：增加模型非线性，使之更好的进行分类与回归问题在所有的隐层和输出层加一个激活函数，这里激活函数我们就用Sigmoid函数，如图6所示。这样y输出的就是一个非线性函数了，y的输出更复杂，有了这样的非线性激活函数以后，神经网络的表达能力更加强大了。总结：激活函数是用来加入非线性因素的，提高神经网络对模型的表达能力，解决线性模型所不能解决的问题。要知道大部分问题是非线性问题，因此激活函数是必不可少的。2.常见的激活函数2.1 sigmoid激活函数代码：def sig

2021-05-15 12:01:19 336

原创卷积神经网络

卷积神经网络是一种前馈型神经网络, 受生物自然视觉认知机制启发而来的. 现在, CNN 已经成为众多科学领域的研究热点之一, 可应用于图像分类, 目标识别, 目标检测, 语义分割等等。在要检测的图像上，从左到右，从上到下遍历这一幅图像，从上到下计算模板与重叠子图像的像素匹配度，如果匹配的程度越大，这说明相同的可能性越大。这种从上到下从左到右的遍历过程被称为“卷”卷积的操作过程跟图像滤波原理相似，都是通过一个小的卷积核（或者叫滤波器）在图像上滑动，利用图像局部信息进行计算：在卷积过程中，我们可以认为：一

2021-05-15 11:47:19 282

原创 ResNet残差网络

残差网络顾名思义，相当于走过了一条捷径，将前面的层直接输入到后面的层，放在后面层的线性激活之后，非线性激活之前，然后与后面层一起经过非线性计算，在计算的时候作为一个小尾巴，共同和当前层一起组成所谓的残差块。计算的时候跟随下一层的非线性激活函数进行计算，作为relu（）中的一项。残差网络实现的关键在于拥有很多相同的卷积，这就使输入的维度和输出的维度可以保持一致，从而可以让残差网络进行跳远连接，构建多个残差块，优化网络性能，在现在许多网络中，比如inception network，VGG-16,Googl

2021-05-15 11:40:33 142

原创 openpose的配置和使用

环境使用的是vs2015，cuda10.1首先安装好cuda和cudnn，这里不再过多叙述下载openpose源码https://github.com/CMU-Perceptual-Computing-Lab/openpose然后，运行…/openpose-master/models/中的getModels.bat 下载所需的模型运行…/openpose-master/3rdparty/windows中的getCaffe.bat，getCaffe3rdparty.bat和getOpenCV.b

2021-05-15 11:38:06 2541 3

原创 PyTorch利用GPU加速

1.配置cuda版pytorch登录PyTorch官网（https://PyTorch.org/）,登录后选择对应项然后将复制到命令行，进行安装。安装之后启动python，执行如下命令，如果没有报错，说明安装成功。2.pytorch使用GPU计算查看GPU加速是否可用：import torchfrom torch import nnprint(torch.duda.is_available()) # true 查看GPU是否可用print(torch.cuda.device_co

2021-04-19 10:58:00 1719 1

原创 PyTorch基础学习

1.tensortensor中最常使用的就是FloatTensor和LongTensor，分别代表了浮点数和整型注意：定义一个张量tensor时，T可以大写可以小写，代表的是同样的意思，但定义整型和浮点数的时候F和T一类的必须要大写Tensor是类，是FloatTensor的别名。tensor是函数，可根据 detype指定类别。两者在生成0维变量时有区别。一般情况下用tensor即可。1.1tensor的分类张量tensor分为0维张量1维张量二维张量和多维张量0维张量就是标量a =

2021-04-19 10:49:45 1781 1

原创 kinect连接-pykinect2

1.安装kinect sdk2.0网址：https://www.microsoft.com/en-us/download/details.aspx?id=445612.安装PyKinect建议直接在github中下载Pykinect 而不采用pip安装，因为github的版本会比pip稍微新一点。https://codechina.csdn.net/mirrors/Kinect/PyKinect2?utm_source=csdn_github_accelerator将下载下来的文件解压缩，因为

2021-04-19 10:21:31 1365 6

原创矩阵运算

1.点积(数量积/标量积/内积)矩阵的点积/内积，为对应矩阵元素的积之和。

2021-04-19 10:12:18 80

原创机器学习之逻辑回归-逻辑回归的原理及python代码实现

逻辑回归1.功能做二分类（1/0）任务，并给出相应概率是否是逻辑回归讲的是分类问题二分类可以扩展到多分类问题2.灵感过程1.做分类问题从简单的二分类开始2.标签是（1/0）3.可使用最简单的单位阶跃函数u(t)={1,z>00.5,z=00,z<0u(t)=\left\{\begin{matrix} 1,z>0 \\ 0.5,z=0\\ 0,z<0\end{matrix}\right.u(t)=⎩⎨⎧1,z>00.5,z=00,

2020-11-20 17:45:27 1141 2

原创机器学习之Pandas

1.pandasPandas是Python的一个数据分析包，该工具为解决数据分析任务而创建。Pandas纳入大量库和标准数据模型，提供高效的操作数据集所需的工具。Pandas提供大量能使我们快速便捷地处理数据的函数和方法。Pandas是字典形式，基于NumPy创建，让NumPy为中心的应用变得更加简单。2.pandas的数据结构1.seriesps:NaN（not a number），在数学表示上表示一个无法表示的数，这里一般还会有另一个表述inf，inf和nan的不同在于，inf是一个

2020-11-15 11:56:00 282 2

原创机器学习之朴素贝叶斯-朴素贝叶斯的python代码实现

1.伯努利朴素贝叶斯常用于文档分类2.构建词向量侮辱性（1）非侮辱性（0）3.此案例所有函数4. reduce 函数reduce() 函数会对参数序列中元素进行累积。函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。reduce(function,iterable,[initializer])func

2020-11-15 11:46:23 1112

原创机器学习之朴素贝叶斯-朴素贝叶斯的原理实现

朴素贝叶斯原理Naive1.简介贝叶斯分类算法是统计学中的一种概率分类方法，朴素贝叶斯分类是贝叶斯分类中最简单的一种。其分类原理就是利用贝叶斯公式根据某特征的先验概率计算出其后验概率，然后选择具有最大后验概率作为该特征所属的类。朴素贝叶斯的整体思想就是不一定需要知道全部的概率，根据一组已知的数据集合（训练集）的概率，推算出测试类应该更大概率的属于哪一分类。之所以称之为“朴素”，因为它简单、易于操作，基于特征独立性假设，假设各个特征不会相互影响，无关顺序。这样就大大减小了计算概率的难度。2.数学基础

2020-11-15 11:35:18 385 2

qq_42504905的博客