- 博客(100)
- 收藏
- 关注
RSS订阅原创 EDA实验一 FPGA实现电子闹钟
功能介绍正常时间显示，闹钟时间显示，计数结果清晰稳定的显示在 6 位数码管上，闹钟触发。使用使能信号来控制显示正常时间或设置闹钟时间。（1）额外添置了流水灯功能，当到达预置的闹响时刻后，８个绿色的LED会形成流水灯。彩灯在设置的闹钟时间到时，花型展示：从左到右逐个亮，从右到左逐个灭；从两边往中间逐个亮，从中间往两边逐个灭；重复上面1、2。（2）按键消抖，由于每次按下按键时存在抖动，容易引起按键的多次触发。二、设计思路利用正常时间显示，闹钟时间显示，闹钟触发。
2024-07-26 18:36:43
601
原创 Tensorflow2.0全套学习（持续更新中）
1.学习目标两大核心模块：深度学习经典算法与Tensorflow项目实战从零开始，详细的网络模型架构与框架实现方法2.tensorflow：核心开源库，深度学习框架，帮助开发和训练机器学习模型3.版本2比1有哪些优势4.深度学习入门和进阶最好的方法多练习，多试验看论文复现代码和调试的过程-->提升最快的途径。
2024-07-22 18:18:07
1070
原创 没有GPU就运行不了了吗？为什么生成的小游戏中什么都没有呀？
原来报错说是没有cuda，于是使用了GPU版本的tensorflow==1.15，在主函数中加了下面的语句。
2024-07-22 14:39:30
243
原创 linux服务器配置conda环境安装教程
配置环境变量,这里的export PATH填的是conda的bin文件地址，我是安装在home目录的所以是这样，前面一个命令是添加环境变量，后者是刷新bashrc。# 删除所有的安装包及cache(索引缓存、锁定文件、未使用过的包和tar包) conda clean -y --all。# 删除虚拟环境 conda remove -n name --all。在conda文件的目录下输入命令安装，一路回车，直到他要求输入yes。这里下载的是 Anaconda3-2023.03-1-根据官网选择自己需要的版本。
2024-07-18 17:57:22
353
原创 强化学习编程实战-6-基于函数逼近的方法
当要解决的问题的值函数可以用少量的离散值表示时，我们可以直接学习每个离散的值函数。可是，当要解决的问题的值函数需要用大量的甚至是无穷多的离散值来表示时，学习每个离散的函数值需要耗费大量的时间和存储空间，这时可以用函数逼近的方法来表示值函数。
2024-07-15 18:41:21
731
原创 强化学习编程实战-5 基于时间差分的方法
第4章中，当模型未知时，由于状态转移概率P未知，动态规划中值函数的评估方法不再适用，用蒙特卡洛的方法聘雇值函数。在蒙特卡洛方法评估值函数时，需要采样一整条轨迹，即需要从初始状态s0到终止状态的整个序列数据，然后根据整个序列数据的回报来估计行为-值函数。蒙特卡洛方法式（5.1）现在的问题是，有没有一种新的方法可以不用等到终止状态就可以对行为值函数进行评估呢？答案：Yes.并且这种方法已经在动态规划算法中出现了。
2024-07-14 22:50:44
699
原创 强化学习编程实践-4-基于蒙特卡洛的方法
第3章给出了学习算法的基本思路：策略评估和策略改善。其中策略评估用到了以下的公式（4.1）策略改善则用了最简单的贪婪策略（4.2）为什么要用蒙特卡洛算法？先看公式4.1和4.2，如果状态转移概率已知，那么利用上面两式就可以得到最优策略。如果模型是未知的？式（4.1）不能再用，式（4.1）仍然可以用，因为该式与模型无关。如果想要利用整个框架，必须找到一种方法来替代公式（4.1）的策略评估。---->利用本章蒙特卡洛方法和第5章的时间差分方法。
2024-07-12 21:51:56
372
原创 强化学习编程实践-3基于动态规划的方法
动态规划方法有策略迭代和值迭代。都是先对策略进行评估，得到评估后的值函数，再利用该评估的值函数进行策略改进你，如此循环进行策略评估和策略改进。策略迭代：对当前的策略进行充分的评估，即等到值函数收敛后再进行策略改进。值迭代：对值函数进行一次评估后立即进行策略改进。
2024-07-12 17:43:34
691
原创 强化学习编程实战-2马尔可夫决策过程
如图2-1，图中A为多臂赌博机，B为一堆鸳鸯，其中左上角为雄性鸳鸯，右上角为雌性鸳鸯，B展示的任务是雄性鸳鸯绕过障碍物找到词性鸳鸯。跟多臂赌博机不同的是，雄性鸳鸯经过一次运动后会运动到另外一个位置，即系统B的状态发生了变化，而多臂赌博机经过一次动作后，其状态仍然是原来的状态。先检测雄鸟是否与第1堵障碍物墙发生碰撞，检测的算法为找到雄鸟与第1堵墙所有障碍物x方向和y方向最近的障碍物的坐标差，并判断最近的坐标差是否大于一个最小运动距离，如果>=,那么就不会发生碰撞。稀疏回报的问题，强化学习算法的效率很低。
2024-07-08 22:45:41
996
原创 强化学习编程实战-1-一个及其简单的强化学习实例（多臂赌博机）
该方法的输入参数有play_total（表示训练的总次数）,policy（训练的策略）,**kwargs（相应策略的超参数字典）⑤智能体通过学习的策略选择动作，然后将动作传给step()方法，相当于跟多臂赌博机进行了一次交互，从多臂赌博机中获得回报r,智能体根据立即回报更新每个动作的平均回报q,计算当前的累计回报并作相应的保存。⑥在每次训练新的策略的时候，我们需要将类KB_Game中的成员变量进行。
2024-07-06 22:13:14
610
原创 【Python环境】VScode下载安装及Anaconda的python环境配置
接着，点击下载后的可执行程序，按照提示步骤安装，安装后设置软件，目的使其暂停更新，永远保持该版本。在Setting 下接着选择Application>Update,把Mode选择为“none"，选择后会提示重启软件，完成配置。，使得开发起来更加得心应手，坏处是在不习惯的情况下，可能会觉得不太方便。弹出如下页面后，请自行选择自己想要的anaconda环境，双击F5运行。安装特定版本的VS code，使其与Linux兼容，顺利进行远程工作。安装最新版本，直接官网，下载相应的安装包和按提示完成安装。
2024-07-05 17:25:24
1206
原创 gym强化学习环境配置
下载完成后，安装包在Downloads文件夹下（在终端用Ctrl+Alt+T组合键打开终端），键入cd downloads，然后键入bash anaconda3_4.3.0-linux-x86_64.sh(小技巧，键入bash an 然后按下Tab键，Linux会自动补全后面的名字)3.gym 本身集成许多仿真环境，如经典控制中的车摆环境，小车爬山环境、雅达利游戏、棋盘环境等，利用这些写好的环境，可以学习强化学习算法的基本原理。物理引擎用来模拟环境中物体的运动规律，图像引擎用来显示环境中的物体图像。
2024-07-02 22:27:57
1078
原创 动物识别或者什么识别小程序的一些文章
问题解决：https://blog.csdn.net/xutong_123/article/details/131169307。相关参考文章：Mask CLIP+ https://zhuanlan.zhihu.com/p/561771476。代码：https://github.com/raoyongming/DenseCLIP。代码：https://github.com/chongzhou96/MaskCLIP。论文：https://arxiv.org/pdf/2112.01071。
2024-06-05 21:54:35
80
原创 修改python环境包的内容后如何及时更新到内存
在Python中，当你安装或更新一个包时，这个包的内容会被写入到系统的包管理器中，比如pip。但是，要让这些更改立即反映在你的Python环境中，通常需要重启你的Python解释器或者重新启动你的开发环境。：如果你使用的是命令行或者交互式解释器（比如IPython或Jupyter Notebook），你可以通过简单地退出并重新启动它来加载更新后的包。：一些环境管理工具，如Poetry或Pipenv，提供了更好的依赖管理和包更新机制，可以更有效地同步包的更改。：在使用pip安装包时，可以添加。
2024-05-31 16:41:28
360
原创 labelme标注格式的数据集转COCO格式脚本
这个脚本的主要功能是将 Labelme 标注格式的 JSON 文件转换为 COCO 标注格式的 JSON 文件,以便在 COCO 数据集框架下使用这些标注数据。- 调用 `labelme2coco` 类,将 Labelme JSON 文件转换为 COCO JSON 格式,并保存到 `D:\\desktop\\2023\\Pigseg\\train.json` 路径下。- 从 `D:\\desktop\\2023\\Pigseg\\images` 目录下获取 Labelme JSON 文件列表。
2024-05-30 18:09:42
431
原创 Pascal VOC的增强数据集SDB下载
sbd数据属于voc2012数据集，但是voc数据集的训练或者验证图片的标签图非常少。但是sbd给出的很多，所以可以综合这两个数据集得到更加多的验证集和数据集标签。img文件夹，里面11355全是jpg图像文件（隶属于voc的JPEGImage文件夹下的17125张jpg图像）如果上面不行，建议用百度网盘下载，虽然慢了些，但是能解决问题。inst文件夹， 里面11355全是mat文件。cls文件夹， 里面11355全是mat文件。里面的benchmark，表示SBD数据集。如果没有出现的话，就等待它下好。
2024-05-27 22:06:44
162
原创 Linux环境下TensorFlow安装教程
如果要使用cuda，首先确定本机安装有NVIDIA GPU driver：nvidia-smi（一般都会有的吧，没有的话到得了这一步吗）（Python版本需要是3.7-3.10，本文以3.8为例，主要是因为我需要用3.8版本来安装另一个包）时常用的Python神经网络框。TensorFlow是学习。
2024-05-26 22:19:39
438
原创 如何在linux命令行（终端）执行ipynb 文件。可以不依赖jupyter
在终端命令行执行shell脚本，（也可以在。1.安装 runipy。
2024-05-26 21:55:06
566
原创 机试编程练习题4.16
判断两个单词是否是兄弟单词时，我们首先看长度是否一样，长度一样才有可能，然后看是否是相同的字符串，相同字符串则不是兄弟单词，最后我们对两个字符串分别以各自的字符排序，这样两个字符串都是一样的顺序，只要字符集和各个字符数量对得上，排序出来的单词应该是一样的，这就是兄弟单词。样例 2 解释：用九个空瓶换三瓶汽水，剩四个空瓶再用三个空瓶换一瓶汽水，剩两个空瓶，向老板借一个空瓶再用三个空瓶换一瓶汽水喝完得一个空瓶还给老板。对于每组测试数据，输出一行，表示最多可以喝的汽水瓶数。如果一瓶也喝不到，输出0。
2024-05-25 18:36:58
360
原创 提取COCO 数据集的部分类
若报错，pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI。注意skimage用pip install scikit-image -i https://pypi.tuna.tsinghua.edu.cn/simple。安装pycocotools github地址：https://github.com/philferriere/cocoapi。实在不行的话，手动下载。
2024-05-24 15:17:40
994
原创 Linux 如何用上次的checkpoint文件dist_train.sh 接着训练【mmdetection】
或者 如果是linux控制台的话，加个resum-from /path/to/latest.pth就可以了。在Linux环境下，如果你想要用上一次的checkpoint文件继续训练，你可以在你的。这个参数指定了checkpoint文件的路径，训练会从该文件的状态继续进行。后来的命令，checkpoint一般保存至workdir中，找到对应的文件就好。例如，如果你的checkpoint文件名为。，并且位于当前目录下，你可以修改你的。脚本，在运行命令中添加。
2024-05-21 12:58:47
359
原创 分割训练日志的可视化
这一部分主要是将mmdetection训练得到的json文件可视化，代码主要源于github，具体哪一个忘记了（readme里面没有原址…）是专门做的mmdetection 结果可视化的，非常强！这里说的json文件。一般在work_dir中生成，在里面寻找就可以。使用时直接 python visualize.py xxxx.json。json文件是由字典元素构成的。然后就可以生成下面这样子拉。
2024-05-19 20:45:19
191
原创 python科研数据可视化之折线图
代码部分已经有详细的注释，就不一一解释了。另外，如果想要坐标轴从设定的值开始就把下面代码中的范围xlim，ylim进行注释。下面的配色表画出的图很好看。选择喜欢的颜色，找到代码中颜色部分进行修改即可。
2024-05-16 17:28:36
229
原创 DenseCLIP环境配置
执行上面的命令，配置环境，注意pytorch的版本和cuda的版本要适配。需要自己准备数据集，直接搜索这个数据集进行下载就可以。但这里的环境配置可能和现在不太适配，自己配了好久没弄好。后面尝试了另外的版本的（但这个版本少了一些内容）这个模型训练的时间有点久，建议留个合适的时间来。然后跑起来训练了，之后等待漫长的训练就好。
2024-05-08 22:20:04
181
原创 Pascal Content数据集
若是出现下面的问题可以手动下载detail-api的压缩包文件到项目中，再进行解压.我的就是git时候出了问题，然后手动下载的，服务器有时候也不稳定。已经在转换啦，慢慢等待就好，可以干点其他的，或者浅休息一下。Pascal Context的训练和验证集可以从这里下。然后python setup.py install。再跑python setup.py install。，然后运行以下命令将注释转换为正确的格式。要从原始数据集中分离训练和验证集，您可以从。其中pascal_context.py如下。
2024-05-07 15:22:15
616
原创 Pascal VOC2012数据集下载及其增强数据集
用Linux命令解压 tgz 文件，可以使用 Linux 系统自带的 tar 命令。如果想使用增强的VOC数据集，请运行以下命令将增强注释转换为正确的格式。数据集Pascal VOC2012下载链接。数据集的相关可以参考以下博主的内容。要是不能访问，挂个VPN.voc_aug.py如下。
2024-05-06 17:26:18
713
1
原创 linux下载压缩包
到这里我们的数据集就下载且解压好了。1.创建文件夹并切换到这个目录下。文件夹中也有解压后的文件了。2.用wget获取压缩包。
2024-05-03 17:37:07
361
原创 python报错SyntaxError
这个解决方法也是参考其他大佬的做法，不知道为什么python中#是注释，这个也会起作用。在你的相应的demo.py文件首行输入下面的，可以多试一下，之后就好了。然后就神奇的发现问题解决了。发现下面的代码可以成功运行了。
2024-05-02 15:49:22
210
2
原创 conda install pytorch报错Solving environment: failed with initial frozen solve. Retrying with flexibl
pip install 包名 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com。将conda更新到最新的版本，需要更新两次，第一次更新的较快，但不完整。# 手动删除，上面add了多少镜像路径，就要remove多少镜像路径。每次安装包都要指定路径，用这个方案包倒是可以安装上。然后conda install 包名，我没有成功。网上提供的解决方案，设置镜像的优先权。# 更新conda命令。
2024-04-30 21:36:48
962
原创 linux下Anaconda创建虚拟环境pytorch
注意版本问题，要是老出问题建议重新来过，可能有的冲突了。严谨，不要乱弄步骤。安装好之后就可以按照项目要求安装其他的包了。ctrl+C：可以终止正在进行的安装。选中+ctrl+右键：可以进行复制。选择适合自己电脑的版本，复制命令。需要以前的版本点击previous。右键可以直接输入粘贴板的内容。三、pytorch环境安装。我需要的是cuda10.2。上下键可以切入历史命令。
2024-04-30 21:14:28
442
1
原创 CLIP是啥？
然后将图像和文本的向量表示映射到一个joint multimodal sapce，得到新的可直接进行比较的图像和文本的向量表示 I_e 和T_e （这是多模态学习中常用的一种方法，不同模态的数据表示之间可能存在gap，无法进行直接的比较，因此先将不同模态的数据映射到同一个多模态空间，有利于后续的相似度计算等操作）。对于一个包含N个图像-文本对的batch而言，其中正样本是每张图像及其对应的文本，一共有N个，而其他所有图像和文本的组合都是不成对的，也就是负样本是N×N-N个。
2024-04-29 17:39:30
804
原创 代码浮现和改进
其实复现代码、复现实验本质上只是一个熟悉领域、熟悉方法以及代码热身的效果，千万不要想着复现一两个方法的代码、魔改一两个部分就能一步登天，收割顶会了，一定要注重积累，厚积薄发，（注意一般一定要在高质量期刊或会议上参考，一些新出的、发表在一些奇奇怪怪的期刊或者会议上的就别理他了，挂arxiv的也要自己评估一下论文质量）链接：https://www.zhihu.com/question/652490858/answer/3462850711。，排除个人原因还跑不下来的就不用复现，估计作者自己也复现不出来。
2024-04-27 21:00:27
142
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人