叫我绿藻头-CSDN博客

原创 Docker容器设置定时任务

不需要人守着，定时跑训练，日志自动记录。→ 把错误信息也保存进日志。每天凌晨1点自动开始训练。→ 每天凌晨1点执行；

2025-04-16 22:47:35 330

原创 ModuleNotFoundError: No module named ‘numpy._core解决方法

删除数据集中train和val下的train.cache和val.cache删除，不同版本的numpy生成的不兼容，删掉就ok了。

2025-03-31 14:05:46 559 1

这是我导师给我派的任务，因为我本人是不会c++的，所以基本是从0到1全程自己摸索，想着记录下，项目是VideoAnnotator，由三峡大学开发的一个关于视频标注的软件，完全免费公开，链接如下。在上面填写中文，就是你要翻译好的文本，然后下面那个是填写注释给其他开发者看的，可不用填，然后所有的都填好后，就OK了，记得保存。因为这个项目是很久之前的项目，我的qt无法运行这个项目，我只能生成vs文件在vs中运行，命令如下。然后在你的main（）里面添加如下代码，这都是我的文件名，自行根据自己的文件修改；

2025-01-06 21:42:31 445

原创 qt环境的安装（1）qt的安装

在在线安装程序中安装自己想要的，可以用教育邮箱来延长使用期限，账号就是你的教育邮箱就可以。然后根据需要安装即可，大部分可以默认，因为后面如果缺少什么可以通过。然后就是大家安装的时候记得选择好自己使用什么构建器，比如我使用的就是MSVC2019 64bit,这个下载时间较长，这个错了会导致环境什么的很多问题。最重要的是看自己安装什么版本的qt，根据合适的项目来选择合适的qt，有很多库什么的都会更新，qtcreator这个没关系，什么版本都差不多。这个工具来添加，所以不必担心少了什么，

2025-01-06 17:53:51 159

原创 qt工具的使用

当你运行这条命令时，qmake 会读取 VideoAnnotator.pro 文件中的信息，并根据你指定的目标平台 (vc) 生成相应的 Visual Studio 工程文件。qmake: 这是 Qt 自带的一个跨平台的构建系统工具，它可以读取 .pro 项目文件（其中包含有关如何构建项目的元数据），并生成适当的本地构建脚本或工程文件。VideoAnnotator.pro: 这是你提供给 qmake 的项目文件名，包含了所有关于项目的信息，比如源文件的位置、库依赖关系、编译选项等。

2025-01-06 17:45:00 409

原创学习pytorch的第四天，Compose和RandomCorp的使用

在 PyTorch 中，`Compose` 是 `torchvision.transforms` 模块中的一个类，主要用于将多个图像变换（transforms）组合在一起。它是一个非常有用的工具，尤其在处理图像预处理时，可以让代码更简洁。`Compose` 接受一个由变换操作组成的列表，并按照顺序依次应用于输入数据（如图像）。1. **`transforms.Resize(size)`**: 调整图像大小到指定的尺寸。

2024-10-17 11:38:09 1457 1

原创 python 中的切片问题

看逗号，几个逗号就是第几维，如果有省略号代表任意维度。

2024-10-16 21:33:27 227

原创 pytorch学习的第三天，transform中Normalize和Resize的用法

在深度学习的transform操作中，Normalize主要用于对图像数据进行归一化处理。其作用是将每个通道（如RGB图像的红、绿、蓝通道）的像素值调整到特定的均值和标准差范围，以便于加速训练收敛并改善模型的性能。归一化的公式是：例如，若使用，表示将图像的RGB三个通道的每个像素值减去0.5，并除以0.5。这通常将图像的像素值范围从[0, 1]变换为[-1, 1]。：通过归一化，输入特征的分布更加一致，可以提升模型在测试集或新数据上的表现。

2024-10-14 11:07:58 608

原创 pytorch学习的第二天，学习transform中一些类的用法，比如ToTensor和TensorBoard

经过这样转换之后，我们图片类型就转换成了Tensor类型，这样就可以传入Tensorboard中进行可视化训练。

2024-10-13 18:01:53 1383

原创 pytorch 学习的第一天学些Dateset类的使用

**`Dataset` 类**：`torch.utils.data.Dataset` 是一个抽象类，用户可以通过继承它来创建自定义数据集。- **数据加载**：`Dataset` 类定义了如何从数据集中加载单个样本。- **数据集（Dataset）**：在机器学习和深度学习中，数据集是用于训练和测试模型的样本集合。- **数据大小**：通过实现 `__len__()` 方法，用户可以返回数据集中样本的总数，以便 PyTorch 可以确定在训练期间需要迭代多少次。- 返回数据集中样本的总数量。

2024-10-12 21:44:35 324

原创 chooseImage返回的临时路径转换成Base4格式的

首先下载插件 image-tools。

2023-04-14 16:59:26 453 1

原创 Android studio 写代码没提示或这提示不是常规的，比如没有width这种

这个改成30，别用33，我就是这个问题。2.卸载SDK重装（这个据说可以）1.清理缓存（一部分是这样解决）

2023-03-29 18:43:08 366

原创 git 提交步骤，码云提交

git 提交代码的详细步骤

2022-06-01 03:27:27 304 2

原创 android程序运行时总出现“Unfortunately，“程序名” has stopped” 的问题

这种情况你检查下你的模拟器API和程序的API是不是一致的如果没问题可能是内存溢出，在AndroidManifest.xml 中application中加入android:largeHeap="true"android:hardwareAccelerated="false"

2022-05-27 23:13:27 2407

3D高斯点绘：实时辐射场渲染技术

内容概要：文章提出了一种基于3D高斯分布表示的新方法，用于实时辐射场渲染。通过优化带有视图空间深度的无结构3D高斯集合，这种方法能够在保持紧凑表示的同时实现高质量图像渲染。主要贡献包括：使用非结构化且显式的3D高斯表示来避免体积计算中的不必要开销，提出了快速差异化的栅格化算法支持实时渲染和训练，并引入了自适应密度控制技术优化3D高斯分布参数。适合人群：具备图形学基础知识的研发人员和技术爱好者。使用场景及目标：本研究适用于需要高效渲染大规模三维场景的应用场景，特别是在虚拟现实、增强现实和影视特效等领域。目标是实现实时高质量渲染和训练速度与最新技术相媲美的效果。其他说明：与其他神经辐射场方法相比，本文提出的3D高斯分布方法不仅能够实现实时渲染，还能保持与当前最佳方法相当甚至更好的质量。同时，该方法对内存消耗进行了有效管理，使得大规模模型也能在有限资源下运行。此外，文章提供了详细的实验结果，验证了该方法在不同数据集上的表现优于或接近现有顶级方法。

2024-12-09