- 博客(249)
- 资源 (6)
- 收藏
- 关注
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 09:59:27 314
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 20:42:34 513
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 21:41:47 910
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 10:48:21 766
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 21:08:17 671
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 10:15:00 365
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