- 博客(249)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 【学习】实验室服务器常用的Linux指令。
ls 是英文单词 list 的简写，其功能为列出目录的内容，是用户最常用的命令之一，类似于 DOS下的 dir 命令。查看当前服务器上运行的所有进程，用于查看自己的进程有没有卡死一直占着GPU的情况。用 gzip 压缩 tar 打包后的文件，其扩展名一般用 xxx.tar.gz。tar 与 gzip 命令结合可以使用实现文件 打包和压缩。在不同操作系统中，常用的打包压缩方式是不同的选项 含义。使用 rm 命令要小心，因为文件删除后不能恢复。tar 只负责打包文件，但不压缩。Linux 下文件和目录的特点。
2024-05-20 17:03:02
415
原创 【学习记录】torch.chunk（）函数用法
torch.chunk 是 PyTorch 中一个用于将张量沿指定维度分割成多个子张量的函数。它对于处理需要均匀分割的张量非常有用。以下是 torch.chunk 的详细介绍，包括其语法、参数、返回值和示例。
2024-05-16 09:59:27
313
原创 【代码复现】Ultra-Fast-Lane-Detection-V2 代码复现。
GitHub源码：https://github.com/cfzd/Ultra-Fast-Lane-Detection-v2?按照install.md复现遇到的问题：这行命令有问题，先跳过。
2024-04-25 16:38:21
304
原创 【学习】服务器解决：重新分配同样端口号后，连不上VScode
清除本地 SSH 缓存中与远程主机相关的条目可以通过编辑 known_hosts 文件来实现。这个文件包含了您曾经连接过的远程主机的公钥信息。原来服务器分配的环境有问题，重新分配了一下。还是同样的端口号，Xshell和xftp能够连接上，但是VScode连接不上。在 Windows 上，known_hosts 文件通常位于用户的 .ssh 目录下。将以前的端口号那一行删除即可。例如此处删除103。打开后，会发现里面有已经缓存过的端口号及密匙。删除之后，VScode再重新连接即可。
2024-04-23 20:45:12
341
2
原创 【解决---车道线检测 UFLD 算法 没有这样的文件或目录 /txt/out0_normal.txt‘】
此工具需要 OpenCV C++。请按照此处安装OpenCV C++。构建 OpenCV 时，请从 PATH 中删除 anaconda 的路径，否则会失败。如果您只想训练模型或制作演示，则不需要此工具，您可以跳过此步骤。如果要在CULane上获取评估结果，则应安装此工具。安装完成后，制作 OpenCV include path 的软链接。我们提供三种合规流水线来构建CULane的评估工具。安装 CULane 评估工具（仅测试时需要）。首先，您需要安装OpenCV C++。
2024-04-18 19:46:21
226
1
原创 【问题解决】ModuleNotFoundError: No module named ‘nvidia‘：
复现Ultra-Fast-Lane-Detection-v2道路标线检测。
2024-04-17 19:04:27
289
原创 【学习 在服务器上使用bypy直接下载百度云盘的资源。
bypy list 显示百度网盘 /apps（我的应用数据）/bypy 目录下的所有文件。此时先在百度网盘中，将需要上传的文件移动到。此时会显示隐藏的文件夹，然后再使用命令删除。可以看到现在百度网盘中的使用情况。使用以上命令即可删除。
2024-04-09 20:42:34
511
原创 【学习】注意力机制（Attention）和 自注意力机制（self-Attention）
我们还得进行一个汇总，当你使用 Q 查询结束了后，Q 已经失去了它的使用价值了，我们最终还是要拿到这张图片的，只不过现在的这张图片，它多了一些信息（多了于我而言更重要，更不重要的信息在这里）。这样的话，就得到了一个新的 V’，这个新的 V’ 就包含了，哪些更重要，哪些不重要的信息在里面，然后用 V’ 代替 V。这里的 its 做了自注意力，其包含了这句话所有词的信息，并且对Law的相似度最高，所以这里的its最有可能代表its。我（查询对象 Q），这张图（被查询对象 V），图中包含的模块（K）。
2024-04-07 21:41:47
909
原创 【学习】python标准库importlib.import_module，用于动态导入模块。
其实就类似于接收一个参数module_name， 通过接收不同module_name 的值，从而实现动态导入模块。
2024-03-26 16:50:07
581
原创 【学习】python 的numpy 中linspace函数
通过定义均匀间隔创建数值序列。其实，需要指定间隔起始点、终止端，以及指定分隔值总数（包括起始点和终止点）；最终函数返回间隔类均匀分布的数值序列。总结：用法简单，就是在start和stop之间，按照等间距生成num个数。具体间距是由num数决定的。
2024-03-25 16:41:03
247
原创 【学习】Python库addict，使用Dict 的类
使用 addict 库中的 Dict 类时，可以像访问对象属性一样访问字典的键值对。这在访问深层嵌套的字典时尤其方便。他只是编写代码的时候比传统字典访问要方便一些，其他的没有区别。
2024-03-25 16:05:51
423
原创 【学习】Python 标准库中用于解析命令行参数的argparse简介
argparse 模块是 Python 内置的用于命令项选项与参数解析的模块，argparse 模块可以让人轻松编写用户友好的命令行接口，能够帮助程序员为模型定义参数。大白话对上面代码进行解读，首先我们导入argparse这个包，然后包中的ArgumentParser类生成一个parser对象（其中的description对参数解析器的作用进行描述），当我们在命令行显示帮助信息的时候会看到description描述的信息。例如：python try.py -h。
2024-03-25 11:41:03
998
原创 【学习】python函数语法（面像对象、封装函数）
在Python中，一边循环一边计算的机制就是生成器（generator）。那么如何创建 generator 呢？方法一：把一个列表生成式的 [ ] 改成 ()。注：generator 也是可迭代对象，因此可以通过 for 循环来遍历迭代器中每一个元素。方法二：计算规则过于复杂，用列表生成式写不出来时，可以用函数实现。注：如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator。这里，最难理解的就是generator和函数的执行流程不一样。
2024-03-20 10:48:21
765
原创 【学习】pyhon中的functools.partial 函数
Python 标准库中的 functools.partial 函数。它的作用是创建一个新的函数，该函数是将。上述代码相当于，默认将。的第一个值设置为5.
2024-03-18 16:59:50
258
原创 【学习】目标检测中的anchor
每个网格都会有一个自己的中心，每个小格子都可以抽象成为在自己的中心生成了一个指定大小为16个像素的矩形框，在这里，我们把这些中心称之为”锚点“，把每个锚点处的框称之为”锚框“。
2024-03-15 17:24:51
361
原创 【学习】感受野
（receptive field）是指在神经网络中，某一层输出的特征图上的一个像素点对应输入图像的区域大小。在深度神经网络中，随着网络层数的增加，特征图的感受野也会逐渐增大。这是因为每一层的卷积操作都会扩大感受野。
2024-03-15 17:00:13
553
原创 【学习】PyTorch中的nn.Embedding的用法
其中 num_embeddings 是词表的大小，即 len(vocab)；embedding_dim 是词向量的维度。nn.Embedding()产生一个权重矩阵weight，其shape为（num_embeddings, embedding_dim），表示生成num_embeddings个具有embedding_dim大小的嵌入向量；
2024-03-15 10:31:39
252
原创 【学习】python装饰器 decorator
最近有人问我装饰器是什么，我就跟他说，其实就是装饰器就是类似于女孩子的发卡。你喜欢的一个女孩子，她可以有很多个发卡，而当她戴上不同的发卡，她的头顶上就是装饰了不同的发卡。但是你喜欢的女孩子还是你喜欢的女孩子。而你的手机就变成了带手机壳的手机。装饰器就是python的一个拦路虎，你干或者不干它，它都在那里。如果你想学会高级的python用法，装饰器就是你这个武松必须打倒的一只虎。装饰器是给现有的模块增添新的小功能，可以对原函数进行功能扩展，而且还不需要修改原函数的内容，也不需要修改原函数的调用。
2024-03-14 11:16:44
734
原创 【学习】pytorch框架的数据管理—— 理解Dataloader
测试路径# 文件类型判断# 获取绝对路径# 罗列出文件夹下的所有文件名# 路径拼接""" 自定义数据集类 """pass""" 用于数据集中的样本获取 """return img""" 数据的数量 """# 创建数据集# 获取数据img.show()
2024-03-10 20:04:30
482
原创 【kaggle代码】Plant Seedlings Classification （使用Resnet-18完成分类任务）
的元组形式，在 PyTorch 的 DataLoader 中，元组列表中元素的数据类型要求相对较松。最后发现原因是：在提交submission中，图片名称是按照顺序读入的，但是在使用Dataloader读入测试集数据时，使用了。分类任务的数据是：【图片，标签（字符串类型）】，所以两者的数据读取方式不同。参数对读入的图像进行处理，而不对标签（字符串）处理，且会将标签自动转为标签索引形式。，导致读入的顺序被打乱，从而使得图片名称和预测标签不对应，导致得分很低。便于图像预处理，而在该分类任务中，不需要重写。
2024-03-10 11:18:35
427
原创 【学习】DLA （Deep Layer Aggregation）
本研究是有由UC Berkeley的Trevor Darrell组发表于2018年CVPR。因为，工作中应用到CenterNet，文章中使用了DLA作为backbone，能够以较高的速度完成推理并维持较高的AP。
2024-03-10 10:01:22
195
原创 【学习】DenseNet
DenseNet模型的基本思路与ResNet一致，但它建立的是前面所有层与后面层的密集连接（即相加变连结），它的名称也是由此而来。DenseNet的另一大特色是通过特征在通道上的连接来实现特征重用。这些特点让DenseNet的参数量和计算成本都变得更少了（相对ResNet），效果也更好了。ResNet解决了深层网络梯度消失问题，它是从深度方向研究的。宽度方向是GoogleNet的Inception。而DenseNet是从feature入手，通过对feature的极致利用能达到更好的效果和减少参数。
2024-03-07 11:43:19
339
原创 【学习】torch.nn.CrossEntropyLoss交叉熵损失函数
取单个样本举例， 假设x = [ 0 , 1 , 0 ] , 模型预测样本x ^的概率为[ 0.1 , 0.5 , 0.4 ]。会自动进行one-hot编码。这是因为在target中只会有一个类别为真，最终得到loss也只是会和真的这个类别相乘，故自动编码很容易。的input是没有归一化的每个类的得分，而不是softmax之后的分布。交叉熵损失，是分类任务中最常用的一个损失函数。中的标签target使用的是类别的序号，而不是one-hot形式。在torch中，输入的target只需要是类别序号即可，
2024-03-06 21:08:17
670
原创 【学习】torchvision.datasets.ImageFolder()
此时，我们想要获取图片和标签，标签即为文件名（class1、class2…）
2024-03-04 10:15:00
364
原创 【学习记录】Resnet
参考视频：https://www.bilibili.com/video/BV1cM4y117ob/?这就相当于我们这一层得到的输出最差都是和上一层一样的，因为在反向传播过程中是在做优化，最差的就是F(x)这里为0，既这一层不做改变。更直白的话来理解，经过残差块输出的信息至少是和上一层的信息一样多，所以可以做到越来越好。对于Resnet网络，就是由多个残差块组成的网络，因为理论上网络越深效果会越好。中间的卷积部分对输入的x进行操作，记为F(x)。可以发现，加入残差块和不加残差块的区别在于求导过程中多了一个。
2024-02-29 17:06:42
319
原创 【语法 布尔索引】将模型的预测结果 preds 转换为二进制格式 preds = (preds ＞ 0.5).float()
首先看一个示例，该示例其实是通过布尔索引。
2024-02-27 11:11:27
696
原创 【Kaggle代码】Carvana Image Masking Challenge
Kaggle比赛链接：https://www.kaggle.com/competitions/carvana-image-masking-challenge。
2024-02-26 19:15:02
314
原创 【学习】pytorch中with torch.no_grad():和 model.eval()的区别
model.eval()和with torch.no_grad()的区别先给出结论： 这两个的所起的作用是不同的。
2024-02-21 20:22:25
547
1
原创 【问题记录】RuntimeError: CUDA error: no kernel image is available for execution on the device
以我自己为例：当前3090显卡与torch的版本不支持。问题是由于当前显卡与torch版本有冲突。
2024-02-19 21:05:52
467
原创 【学习】训练时候优化的通常格式
损失函数loss是用于计算损失，并且进行反向传播。通过反向传播，可以得到梯度，从而使得优化器知道如何更新网络参数。故每次更新参数前，都需要先将上一次的梯度进行清零，以避免影响这一次的训练。通常的训练中格式如上。
2024-01-28 19:34:30
131
原创 【问题记录】RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should b
报错意思是说，模型和输入数据类型不匹配，模型在GPU上，而输入数据是在CPU上。
2024-01-28 18:24:07
107
原创 【学习】基础知识
对于一张彩色图像，通常有三个通道（红、绿、蓝），每个通道都是一个二维矩阵。假设图像的高度为 H，宽度为 W，那么图像的维度表示为 (H, W, 3)。这里的 3 表示三个通道。对于灰度图像，只有一个通道，其维度表示为 (H, W)。
2024-01-25 11:03:51
392
CBAM+Resnet源码，SENet+Resnet源码
2024-05-22
大数据可视化实验Seaborn和Matplotlib使用+包含ipynb源码和数据集。
2022-07-08
Java汽车租赁系统+GUI界面实现+SQL+源码
2022-07-08
mplayer音乐播放器系统，附源码、图片、歌曲信息（包括歌词）可在ubuntu上使用
2022-07-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人