- 博客(42)
- 收藏
- 关注
RSS订阅原创 ubuntu NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver is installled
注：如果在上述报错中，log文件中的错误是：You are building kernel with non-retpoline compiler, please update your compiler。发现系统中还存在另一个内核版本是5.15.0-105(我猜想这个应该是我重启之前的版本)。因为ubuntu重启后更新了内核，故在上述方法行不通后，我就考虑将当前更新的内核版本降级，查看当前内核版本。出现上述错误应该是ubuntu重启时更新了内核导致内核版本和驱动版本不匹配导致的。
2024-05-24 12:44:41
650
原创 力扣刷题--数组--第五天
对于字符串t也同样按照上述方式进行判断，定义j为遍历索引，skipT为记录的"#"个数。当i>=0 and j>=0并且i和j所在索引位置字符都应该保留时，比较s[i]与t[j]是否相等，若不相等，直接返回False，如相等，则继续上述操作。这道题力扣上是简单题，但是我想了挺久的也没有做出来，最后是看了题解才明白，因为我最开始是想按照昨天快慢指针的方式，对s和t字符串分别得到新字符串之后，直接比较两个新字符串是否一致就行了，但是最后越写越不对。注意：如果对空文本输入退格字符，文本继续为空。
2024-05-14 22:12:52
281
原创 力扣刷题--数组--第四天
数组删除某个元素，实际中是将要删除的元素之后的元素值全部向前移动一位，将要删除的元素进行覆盖。其中，fptr代表的含义是在遍历整个数组的过程中找到那些不等于val的值的索引，用于填充新数组(也就是覆盖原数组)，sptr代表新数组的索引。和上一题思路一样，使用快慢指针，这里定义了一个val值，用来表示重复的元素值，遍历整个数组，使用快指针去找到那些不等于val值(这里得val值是动态的)得索引，填充至新数组。的数组 nums ，请你 原地 删除重复出现的元素，使每个元素 只出现一次，返回删除后数组的新长度。
2024-05-13 22:28:00
288
原创 autoware.universe 使用之Rosbag replay simulation放包仿真
本文将按照官方文档，通过播放rosbag录制包进行可视化模拟，中间也报了很多错误，特此记录下来，以免后续踩坑。电脑配置如下：ros2: foxy关于autoware.universe安装可参考我之前的博客，我是在ubuntu20.04上使用docker安装拉取环境进行手动安装，可供大家参考。
2024-05-09 14:19:36
604
原创 力扣刷题--数组--第三天
在lindex左边的值一定都小于x的算法平方根，lindex是第一个大于x的算法平方根的索引，因为最终取算法平方根的整数部分，故返回的应该是lindex-1。如果 num 是一个完全平方数，则返回 true ，否则返回 false。给你一个非负整数 x ，计算并返回 x 的 算术平方根。x的值数组，然后将x视为target，使用二分查找即可，后来看了题解才发现大可不必。今天再做两道二分查找的题目，关于二分查找的知识可看我前两篇博客。额，我只打败了9.07%的python3用户，哈哈哈哈，我真是个菜鸡。
2024-05-08 22:35:49
425
原创 力扣刷题--数组--第二天
题目详情：非减顺序排列的整数数组 nums，和一个目标值 target。请你找出给定目标值在数组中的开始位置和结束位置。如果数组中不存在目标值 target，返回 [-1, -1]。你必须设计并实现时间复杂度为 O(log n) 的算法解决此问题。
2024-05-07 22:39:41
423
原创 ubuntu20.04 手动配置docker下autoware.universe环境
使用docker手动安装autoware环境，参考，中间踩过很多坑，特此记录一下。
2024-05-07 10:14:11
904
原创 力扣刷题--数组--第一天
目前只关注二分查找左闭右闭区间情况，怕与其他情况弄混。之后熟悉了可以再看其他解法；第2题对于最终返回的是lindex或者rindex+1，我困惑许久，不太懂为何会是这样的结果。究其根本还是对二分查找算法不够理解，经过多方查找资料才对上述结果有了一定的理解。图像参考自https://leetcode.cn/circle/discuss/ooxfo8/有如下结论：对于左闭右闭区间情况，初始状态：lindex=0，rindex=n-1；循环条件：lindex
2024-05-06 23:32:48
736
原创 yolov9 tensorrt推理结果全为None
基于上述问题，我尝试以下几种方式：(1) 使用开源的基于yolov9的c++版推理代码，进行测试，发现结果认为nan值；(4) 最后我发现在使用export.py转onnx和engine时，因为要转为fp6格式，故参数里设置half为True，它会先将加载的pt模型截断到fp16范围内，再进行后续操作。在写部署代码时，发现使用python写推理代码，无论是fp32还是fp16的engine，最后结果都可以正常输出，但是在使用c++写同样的推理代码时发现使用fp32的engine作为引擎，推理结果正常。
2024-04-24 15:03:26
209
原创 2023工作总结
这种累不仅是身体上的累，更多的是心里和脑力的累。从数据采集、数据标注(最开始小伙伴负责做数据标注这块工作，后续他离职后，我继续接手)、数据质检、盯着标注人员标注和返修、制作数据集、根据自定义类别要求修改dataloder等适配代码、模型训练和测试、模型加速到最后模型部署上车，这整个过程各种bug横出，同事帮忙解决一小部分，大部分只能自己在那各种查资料、分析。2024年新的起点，我也将整理好自己重新出发，虽然接触了很多新的知识，但我只学会了基础用法，想要更深入的掌握还需要更多的时间和精力。
2024-01-02 15:32:27
442
1
原创 onnx-tensorrt-8.4-EA安装和使用
因项目需求要用到onnx-tensorrt，在安装过程中遇到不少坑，故这里简单记录一下，给大家一个参考。首先是尝试在本机上直接安装，发现会出现版本对应不上一系列问题，故最终我还是选择在docker拉去一个镜像去配环境和使用。
2023-11-06 17:22:24
253
原创 MapTR v2文章研读
MapTR v2论文来了，本文仅介绍v2相较于v1有什么改进之处，如果想了解v1版本的论文细节，可见。下面依据改进之处展开说一下。
2023-09-12 11:39:27
1537
原创 BEVFromer论文研读
首先，初始化采样点ref_3d，W为bev平面的宽，H为bev平面的高，Z为柱子的高，num_points_in_pillar表示每个柱子上采样的点的数目，在Z轴方向上也初始化了采样点，包含了路面上不同高度的物体。从t-1到t时刻，不同移动的目标在真实世界中有着不同的偏移，故在不同时刻对于相同的目标的BEV特征建立精确的关联性是非常有挑战的事情。最后将采样的特征加权求和作为SCA的输出。根据当前车辆位置信息，对前一时刻的prev_bev做微调，确保在同样的网格grid区域对应同样的真实世界的实际位置。
2023-06-26 15:18:57
354
原创 python 无法导入cpython的.pyx文件
在测试某一项目代码时，出现以下错误：ModuleNotFoundError: No module named 'nms.cpu_nms‘在nms文件夹下存在cpu_nms.pyx文件，但是导入失败，在同级文件夹下存在setup_linux.py文件，我们在终端输入以下命令：python setup_linux.py build_ext --inplace运行成功后，即可成功导入.pyx文件...
2022-02-18 14:12:22
1413
1
原创 AlposePose姿态估计和跟踪
目前，姿态估计有两个主流的方法，自顶向下，先检测出数据中的人体检测框，再根据每个检测框识别人的姿态。与之对应的是自低向上的方法，即先检测数据中所有的骨骼点，再通过拼接得到多人的骨架。两种方法各有缺点，其中自顶向上的方法，姿态检测准确度非常依赖目标检测框的质量。而自低向上的方法，如果两人离得非常近，容易出现模棱两可的情况，而且由于是依赖两个骨骼点之间的关系，所以失去了对全局的信息获取。 Alphapose是多人姿态识别框架，属于自顶向下的方法，其主要解决两个问题，(1) 检测框不准，如图1所示
2021-11-12 17:05:34
3763
原创 DPT: Deformable Patch-based Transformer for Visual Recognition
DPT: Deformable Patch-based Transformer for Visual Recognition论文：https://arxiv.org/abs/2107.14467代码：https://github.com/CASIA-IVA-Lab/DPT目前，Transformer在计算机视觉方面取得了巨大的成功，但是如何在图像中更加有效的分割patch仍然是一个问题。现有的方法通常是将图片分成多个固定大小的patch，然后进行embedding。本文作者指出固定大小的patch有如
2021-08-16 22:55:03
1123
1
原创 【Pytorch】使用torch.load()加载模型时报错，提示加载的模型是zip格式
问题在pytorch版本1.6.0上保存最优模型，当将该模型下载到其他设备上时发现模型从.pt转成了zip压缩包格式或者直接使用在其他版本的pytorch上加载时报错。解决方法torch官网上指出The 1.6 release of PyTorch switched torch.save to use a new zipfile-based file format. torch.load still retains the ability to load files in the old forma
2021-07-12 16:20:35
2203
原创 linux下 PixelAnnotationTool的安装和使用
PixelAnnotationTool是图像语义分割与实例分割标注神器，它的github地址:https://github.com/abreheret/PixelAnnotationTool一、安装（1）首先我们安装好要求的安装包：如果没有上述安装包，我们可以按照以下步骤进行安装： 注：我在ubuntu20.04上按照下述代码安装opencv时，显示安装成功了，但是在python里import cv2时仍会提示没有opencv，在网上查找了opencv的两种安装方法都没有成功。s
2021-04-13 22:49:17
1728
1
原创 pytorch多gpu DataParallel 及梯度累加解决显存不平衡和显存不足问题
最近在做图像分类实验时，在4个gpu上使用pytorch的DataParallel 函数并行跑程序，批次为16时会报如下所示的错误： RuntimeError: CUDA out of memory. Tried to allocate 858.00 MiB (GPU 3; 10.92 GiB total capacity; 10.10 GiB already allocated; 150.69 MiB free; 10.13 GiB reserved in total by PyTorch)
2021-03-25 15:02:25
3865
4
原创 Transformer的几个问题
Transformer是《Attention Is All You Need》提出来的，结构如下所示：讲解Transformer的文章很多，这里不再重复，可以参考文献1和文献2本文只想讲一些在看Transformer这篇文章时遇到的一些问题，并写下我对这些问题的理解。问题一：为什么要除以dk\sqrt{d_k}dk ?当dkd_kdk增大时，意味着q和k之间的点乘操作会增加，只要qikiq_ik_iqiki稍微比其它值大一点，经过softmax之后绝大部分值就会变得很小，接近于0，使得
2021-03-04 11:58:06
1004
3
原创 复制虚拟环境并创建新的虚拟环境
这两天在服务器上跑程序时由于pytorch版本问题一直报错，重新安装gpu版本的pytorch也总是失败，一个老师建的虚拟环境pytorch版本符合我的代码要求，但是如果在他的环境下运行程序还需要其他的安装包，为了不影响他的虚拟环境，我把他的安装包全部复制到我的虚拟环境中，运行时由于软件包的环境配置问题仍会报错，就在我为了这个问题苦思冥想时，偶然看到这行代码就解决了我困惑已久的问题，妙啊！conda create -n 新的环境名 --clone 要复制的环境名今天又进步了一点点，加油哦。...
2021-03-02 21:06:19
2266
原创 pytorch 用卷积来表示平均池化
我们知道平均池化的作用就是kernel_size大小的池化窗口在特征图上滑动，池化窗口覆盖到的特征图的值相加后平均作为该覆盖区域的值输出。如果我们用卷积的操作去表示平均池化，卷积的权重可以表示为(假设为二维数据，kernel_size=3)：此时卷积核的权重不再是可训练参数。代码实现：# 定义卷积核的权重参数def define_Conv_to_Avg2d(in_channel,out_channel,kernel_size): if isinstance (kernel_size,int
2021-02-04 17:02:30
832
原创 使用CAT对MRI数据进行预处理
数据：选取ADNI上MRI数据集要求：使用CAT12工具箱中的标准步骤对数据进行预处理1，偏差矫正biased-corrected;2,分割成灰质(gray matter)、白质(white matter)、脑脊液(cerebrospinalfluid)3,使用序列线性（仿射）变换注册到Monurological Institute(MNI) space4,将灰质图像重新切片为2mm x 2mm x 2mm的立方，得到91 x 109 x 91的尺寸。配置环境：系统环境：win10软件环
2021-01-18 16:22:39
2254
4
原创 深度学习Adam优化算法理论知识和学习率的变化
在最近学习中，用Adam作为优化器，在训练时发现学习率并没有改变。这好像与之前理解的自适应的学习率有所矛盾？通过参考网址1和网址2，理解了Adam的原理之后发现，初始的学习率在训练过程中是没有改变的，而是深入的理解其数学原理才是真正的学会，加油！...
2021-01-11 14:03:37
3757
1
原创 pytorch代码中同时进行训练和验证时显示内存爆炸
最近在写pytorch代码时，在每个epoch下训练和验证数据，但是每次训练完数据后进行验证时程序就会报错：RuntimeError: CUDA out of memory. Tried to allocate 74.00 MiB (GPU 0; 11.75 GiB total capacity; 10.15 GiB already allocated; 16.81 MiB free; 157.35 MiB cached)经过参考：https://www.cnblogs.com/liuzhan709/
2021-01-08 15:57:47
812
原创 random.shuffle和numpy.random.shuffle
两者用法基本上一致，都是随机打乱数据。代码如下：# random shuffleimport randoma = [1,2,3,4]b = [[5,6,7,8], [9,10,11,12]]random.shuffle(a)random.shuffle(b)#结果如下：[3, 4, 1, 2][[5, 6, 7, 8], [9, 10, 11, 12]]注：random shuffle是对list进行随机打乱import numpy as npa = np.array([1,2,
2021-01-04 17:26:44
443
原创 tensorflow learning schedule之分段常数衰减用法
学习率在梯度下降法中，都是给定的统一的学习率，整个优化过程中都以确定的步长进行更新， 在迭代优化的前期中，学习率较大，则前进的步长就会较长，这时便能以较快的速度进行梯度下降，而在迭代优化的后期，逐步减小学习率的值，减小步长，这样将有助于算法的收敛，更容易接近最优解。故而如何对学习率的更新成为了研究者的关注点。 在模型优化中，常用到的几种学习率衰减方法有：分段常数衰减、多项式衰减、指数衰减、自然指数衰减、余弦衰减、线性余弦衰减、噪声线性余弦衰减。本文详细介绍分段常数衰减函数及其用法。tf.trai
2020-12-30 15:24:46
691
原创 This is most likely due to a Variable name or other graph key that is missing from the checkpoint. P
Restoring from checkpoint failed. This is most likely due to a Variable name or other graph key that is missing from the checkpoint. Please ensure that you have not altered the graph expected based on the checkpoint. Original error:具体报错见下图：上面报错的位置在我加载了之
2020-12-30 11:50:11
1397
原创 网络训练时出现loss为nan的情况(已解决)
最近在使用SSD网络跑自己的数据集时，训练刚开始就出现loss=nan值的情况，经过多方查找资料，发现训练过程中loss出现nan值时，一般是下列问题导致的：数据集的问题，可能存在数据本身就存在nan值，或者标注box的坐标不符合要求，比如xmax<xmin(参考)网络结构的问题，可能网络本身设计不合理，如果是直接使用的开源代码，应该不会出现这个问题。学习率设置过高，可以设置不同的且相差较大的学习率来观察loss的变化，如果无论学习率如何变，loss始终还是nan值，可能就不是这个问
2020-10-30 23:22:48
15438
1
原创 RuntimeError: CUDA error: device-side assert triggered
在服务器上跑SSD eval.py代码时，出错：RuntimeError: CUDA error: device-side assert triggered在网上查了很久自己也做了很多测试，大概将定位到出错代码处，但具体的错误仍然不知道，然后我又在本地的pycharm上进行了测试，报错：Expected object of scalar type unsigned char but got scalar type bool for argument ‘other’`出错处源代码如下:suppres
2020-09-24 21:53:53
197
原创 IndexError: Dimension out of range (expected to be in range of [-1, 0], but got 1)
在做图片的分类任务时，报错IndexError: Dimension out of range (expected to be in range of [-1, 0], but got 1)经过排查发现是损失函数输入的位置出错。一定要注意细节！for X,y in datasets_folder: X=X.to(device) y=y.to(device) y_pred=model(X) loss=torch.nn.CrossEntropyLoss()(y,y_pred)真实标签y.sh
2020-09-01 10:33:17
1858
原创 错误提示：empty range for randrange() (0,-15, -15)
出现错误的原因是我的训练图片的尺寸小于数据增强时对图片进行crop的尺寸，改正后可以正常训练。
2020-08-27 22:15:10
1910
原创 运行代码时train_acc和val_acc均为0
部分代码如下：print('epoch %d, train_loss %.4f, train acc %.3f,test_loss %.4f, test acc %.3f, time %.1f sec' % (epoch + 1, train_loss / 2000 ,train_acc/2000,val_loss/800,val_acc/800, end_time-start_time))解决方法：设定train_acc和val_acc数据类型为double即可正常显示。print('epoch
2020-08-27 22:11:14
2774
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人