- 博客(45)
- 收藏
- 关注
RSS订阅原创 解决ModuleNotFoundError: No module named ‘yaml‘
报错：ModuleNotFoundError: No module named 'yaml'
2023-11-03 18:27:51
6788
原创 如何把利用paddlepaddle导出的json文件转化为yolo或者voc文件
这两天想偷懒，想让模型先在数据上标一遍，然后我再做修正，主要是图个省事。由于我们的业务主要是利用paddle,模型也是基于paddle推理的，因此即便我对paddle有一万个吐槽但也不得不用它。但在利用paddle保存推理结果文件时，遇到了一个大问题：就是paddle推理出来的所有数据都在同一个json文件，并且导入labelimg中也不能正常的显示到标注的框，不能对数据进行矫正。因此我就想着在代码中间能不能修改某些内容。
2023-09-19 14:26:57
30827
原创 5. 自动求导
⑧ 即使构建函数的计算图需要通过Python控制流（例如，条件、循环或任意函数调用），仍然可以计算得到的变量的梯度。⑥ 在深度学习中，目的不是计算微分矩阵，而是批量中每个样本单独计算的偏导数之和。② 在外面计算y关于x的梯度之前，需要一个地方来存储梯度。④ 通过调用反向传播函数来自动计算y关于x每个分量的梯度。① 例子1是一个线性回归的例子，如下图所示。① b是之前计算的结果，是一个已知的值。⑦ 将某些计算移动到记录的计算图之外。⑤ 计算x的另一个函数。
2023-09-13 11:42:22
34566
原创 小工具——筛选图像小工具
首先要选择两个文件夹，一个用来导入数据，另外一个用来保存数据。导入文件夹，文件夹里面有大量图像，点击键盘右键可以切换到下一张，左键上一张，点击空格可以把这个图像保存到另外一个文件夹中。不过到最后一张的时候可能回异常退出，不过不影响使用所以我就没进行改进了。最近在公司手动筛图片，需要将某些含有检测目标的图像手动筛选出来用于做新模型的测试。我最开始是两个文件夹，来回复制粘贴，后来感觉这种效率太低了，就随手写了一个图像筛查小工具。这里的操作是剪切操作，并非复制操作。随便文件夹是保存的文件。点击3选择保存文件夹。
2023-09-08 14:10:23
37753
原创 一键让你使用录屏
最近在做项目，有时候需要录屏，但是我的操作又很慢，常常就是动辄上分钟计，这哪个评委老师受得了啊。建议把代码放在桌面，这样录的视频也在桌面，便于查找。视频的名字叫test.mp4，录制完成后，按英文状态下的esc或者q键结束。
2023-09-06 12:47:06
38983
原创 三秒教你搞定利用python发送邮件
我之前利用python统计了班级没有交作业的同学，并且一键给他们发邮件。收到了很多人的私信，这里我给大家分享一下如何利用python发送文件。至于授权码的获取方式，可自行搜索，网上教程一大堆，我就不赘述了。
2023-09-06 12:41:02
38959
原创 3. 数据操作、数据预处理
② 如果在后续计算中没有重复使用X，即内存不会过多复制，也可以使用X[:] = X + Y 或 X += Y 来减少操作的内存开销。① 机器学习用的最多的是N维数组，N维数组是机器学习和神经网络的主要数据结构。① 要改变一个张量的形状而不改变元素数量和元素值，可以调用reshape函数。① 可以用[-1]选择最后一个元素，可以用[1:3]选择第二个和第三个元素。① 为了处理缺失的数据，典型的方法包括插值和删除，这里，我们考虑插值。① 可以通过张量的shape属性来访问张量的形状和张量中元素的总数。
2023-08-27 13:11:18
42766
原创 2. 配置版本
( 注意：当 pip install ipykernel 时，不能挂 VNP。② 输入 conda create --name py3.6.3 python=3.6.3 命令，输入 [y]/n 时输入 y，创建 py3.6.3 虚拟环境，它会安装 python3.6.3 到 anaconda3 的 env 目录下。③ 首先确保目前盘和要进入的盘一样，输入 cd D:\11_Anaconda\envs\py3.6.3\Scripts 命令，进入 py3.6.3 目录下的 Scripts 文件夹下。
2023-08-27 12:45:43
42836
原创 1. 深度学习介绍
计算机视觉面对的是图片，图片里面都是一个个像素，像素很难用符号学来解释，所以计算机视觉大部分用概率模型、机器学习来解释。② 感知类似我能看到前面有个屏幕，推理是基于我看到的东西想象未来会发生什么事，根据看到的现象、数据，形成自己的知识，知道所有知识后能进行长远的规划，未来怎么做。② 17年的时候，几乎所有的团队都可以做到5%以内的错误率，基本上可以达到人类在图片识别上的精度了。② IMAGENET是比较大的图片分类数据集，如下图所示，它包括了一千类的自然物体的图片，它大概有一百万张图片。
2023-08-27 12:38:54
43285
原创 15. 查看开源项目
② 如下图所示，Terminal终端运行.py文件时，--变量 后面的值是给变量进行赋值，赋值后再在.py文件中运行。例如 ./datasets/maps 是给前面的dataroot赋值，maps_cyclegan是给前面的name赋值，cycle_gan是给前面的model赋值。Terminal终端命令语句，如果不对该默认变量新写入，直接调用默认的参数；如果对该默认变量新写入，则默认的参数被新写入的参数覆盖。① 像运行Tensorboar一样，在Terminal终端，可以命令运行.py文件。
2023-08-27 11:47:04
42940
原创 14. 完整模型验证套路
训练次数：22200，Loss：0.42121270298957825。训练次数：10000，Loss：0.9259409308433533。训练次数：10300，Loss：0.9383634924888611。训练次数：10500，Loss：0.7797534465789795。训练次数：10600，Loss：0.9295462965965271。训练次数：10700，Loss：0.7535973787307739。训练次数：10800，Loss：0.8077783584594727。
2023-08-27 11:44:20
42979
原创 13. 利用GPU训练
训练次数：1300，Loss：1.6947956085205078。训练次数：1500，Loss：1.8372352123260498。训练次数：1700，Loss：1.6654351949691772。训练次数：1800，Loss：1.9246405363082886。训练次数：1900，Loss：1.7132933139801025。训练次数：2100，Loss：1.4903961420059204。训练次数：2200，Loss：1.4754142761230469。
2023-08-27 11:39:29
43055
原创 12. 完整模型训练套路
对于Dropout，model.eval()是利用到了所有网络连接，即不进行随机舍弃神经元。② tensor的requires_grad的属性默认为False，若一个节点（叶子变量：自己创建的tensor）requires_grad被设置为True，那么所有依赖它的节点requires_grad都为True（即使其他相依赖的tensor的requires_grad = False）在model(test)之前，需要加上model.eval()，否则的话，有输入数据，即使不训练，它也会改变权值。
2023-08-27 11:27:35
43105
原创 11. 网络模型保存与读取
---> 2 model = torch.load("./model/tudui_method1.pth") # 无法直接加载方式一保存的网络结构。② 再运行下面的代码，即下面为第1个代码块运行，无法直接导入网络模型。① 点击 Kernel，再点击 Restart。
2023-08-27 11:07:41
43239
原创 9. 优化器
① 损失函数调用backward方法，就可以调用损失函数的反向传播方法，就可以求出我们需要调节的梯度，我们就可以利用我们的优化器就可以根据梯度对参数进行调整，达到整体误差降低的目的。② 梯度要清零，如果梯度不清零会导致梯度累加。
2023-08-26 16:40:43
44678
原创 8. 损失函数与反向传播
① 反向传播通过梯度来更新参数，使得loss损失最小，如下图所示。② Loss损失函数另一方面为我们更新输出提供一定的依据。① Loss损失函数一方面计算实际输出和目标之间的差距。① L1loss数学公式如下图所示，例子如下下图所示。① MSE损失函数数学公式如下图所示。① 交叉熵损失函数数学公式如下图所示。
2023-08-26 16:34:29
44924
原创 7. 搭建网络
① 在 Anaconda 终端里面，激活py3.6.3环境，再输入 tensorboard --logdir=C:\Users\wangy\Desktop\03CV\logs 命令，将网址赋值浏览器的网址栏，回车，即可查看tensorboard显示日志情况。① 把网络结构放在Sequential里面，好处就是代码写起来比较简介、易懂。② 可以根据神经网络每层的尺寸，根据下图的公式计算出神经网络中的参数。
2023-08-26 16:19:13
44007
原创 6. 激活层
① 在 Anaconda 终端里面，激活py3.6.3环境，再输入 tensorboard --logdir=C:\Users\wangy\Desktop\03CV\logs 命令，将网址赋值浏览器的网址栏，回车，即可查看tensorboard显示日志情况。① inplace为原地替换，若为True，则变量的值被替换。若为False，则会创建一个新变量，将函数处理后的值赋值给新变量，原始变量的值没有修改。6.2 tensorboard显示。
2023-08-26 16:10:10
45101
原创 5. 线性层及其他层
① 在 Anaconda 终端里面，激活py3.6.3环境，再输入 tensorboard --logdir=C:\Users\wangy\Desktop\03CV\logs 命令，将网址赋值浏览器的网址栏，回车，即可查看tensorboard显示日志情况。
2023-08-26 16:05:16
44370
原创 4. 池化层相关概念
① 在 Anaconda 终端里面，激活py3.6.3环境，再输入 tensorboard --logdir=C:\Users\wangy\Desktop\03CV\logs 命令，将网址赋值浏览器的网址栏，回车，即可查看tensorboard显示日志情况。④ 池化使得数据由5 * 5 变为3 * 3,甚至1 * 1的，这样导致计算的参数会大大减小。例如1080P的电影经过池化的转为720P的电影、或360P的电影后，同样的网速下，视频更为不卡。③ Ceil_model为当超出区域时，只取最左上角的值。
2023-08-26 15:56:30
45672
原创 3.卷积层相关概念
① 在 Anaconda 终端里面，激活py3.6.3环境，再输入 tensorboard --logdir=C:\Users\wangy\Desktop\03CV\logs 命令，将网址赋值浏览器的网址栏，回车，即可查看tensorboard显示日志情况。② kernel_size在训练过程中不断调整，定义为3就是3 * 3的卷积核，实际我们在训练神经网络过程中其实就是对kernel_size不断调整。① Conv1d代表一维卷积，Conv2d代表二维卷积，Conv3d代表三维卷积。
2023-08-26 15:50:43
44602
原创 2. 步幅、填充原理
例子4：一个特征图尺寸为6 * 6的输入， 使用3 * 3的卷积核，步幅=2，填充=1，输出的尺寸=(6 + 2 * 1 - 3)/2 + 1 = 2.5 + 1 = 3.5 向下取整=3（降采样：边长减少1/2）。例子2： 一个特征图尺寸为5 * 5的输入，使用3 * 3的卷积核，步幅=1，填充=1，输出的尺寸=(5 + 2 * 1 - 3)/1 + 1 = 5。例子1：一个特征图尺寸为4 * 4的输入，使用3 * 3的卷积核，步幅=1，填充=0，输出的尺寸=(4 - 3)/1 + 1 = 2。
2023-08-26 15:41:18
44120
原创 1. 卷积原理
② 下图为每次滑动移动1格，然后再利用原图与卷积核上的数值进行计算得到缩略图矩阵的数据，如下图右所示。① 卷积核不停的在原图上进行滑动，对应元素相乘再相加。
2023-08-26 15:34:37
45131
原创 手把手教你用python演奏音乐（以富士山下为例）
这两天，我非常无聊，琢磨出了十二平均律，并利用mido库进行编写，实现了利用python演奏音乐。废话不多说了，直接上代码，供诸位大佬把玩。
2023-08-11 16:41:23
59270
1
原创 135.78秒教你在Linux（Jetson nano)中设置python程序开机自启
可以理解为这里面写的就是在终端输入的命令，有时用到sudo命令需要输入密码。所以要想在Jetson nano板子中开开机自启，必须先清除掉密码。PS:由于这篇博客是前几天内容的复盘，所以相关步骤没有截图，请各位大佬海涵。在注释中可填可不填，建议写：gosling123456yyds。在名称中填写start，当然，你也可以写其他的，没所谓的。这样一来，start.sh文件就有了读写权限了。点击添加/Add选项，进入下图所示页面。之后点击保存就OK了。
2023-08-06 10:19:52
64249
2
原创 一分钟让你学会如何在Linux操作系统下取消登陆密码
最近笔者在做一个利用 Jetson nano视觉处理的比赛，要求脱机（电脑）运行，因此我们的程序需要开机自启。在百思不得其解中，我们发现了解决之道。废话不多说，一起来进步吧。
2023-08-06 10:09:56
64425
3
原创 Leetcode(力扣）刷题第9题——回文数（一行代码搞定）
给你一个整数 x ，如果 x 是一个回文整数，返回 true；否则，返回 false。从左向右读, 为 -121。从右向左读, 为 121-。因此它不是一个回文数。回文数是指正序（从左向右）和倒序（从右向左）读都是一样的整数。从右向左读, 为 01。因此它不是一个回文数。例如，121 是回文，而 123 不是。
2023-07-23 18:31:12
73591
原创 Leetcode第70题斐波那契数列
今天在耍leetcode第70题的时候总是提示要么超时，要么空间超了。然后我就很不开心了，抄起数字就推导斐波那契数列通项公式，参考了知乎大神的思路，过程如下：
2023-07-22 21:04:59
74638
原创 30行代码让你轻松玩转Yolov5
突然有个小伙伴私信我，说在搞项目的时候根本不需要那么多烦人的Yolo文件。他问我是否能提供一个简明易懂的Yolo教程。就在今天，他闪亮登场了……
2023-06-26 21:09:31
92330
3
原创 一行代码让你将项目的pip环境复制下来(pip生成requirements.txt文件）
注意：如果项目所在的文件夹中已经存在requirements.txt文件，执行上述命令时会提示警告信息："WARNING: requirements.txt already exists, use --force to overwrite it"。请注意，将.txt文件移植到新环境中只会安装你在原始环境中使用"pip install"等命令直接安装的包，而使用"conda"等方式安装的包将不会被移植过来，你需要重新安装这些包。这将在项目所在的文件夹中生成requirements.txt文件。
2023-06-24 15:19:09
93526
1
原创 一行代码让你将项目的conda环境复制下来(conda生成environment.yaml文件）
请注意，将.yaml文件移植到新环境中只会安装你在原始环境中使用"conda install"等命令直接安装的包，而使用"pip"等方式安装的包将不会被移植过来，你需要重新安装这些包。要重新创建该环境或者使用别人提供的.yaml文件来复现环境，可以使用以下命令来安装所需的环境配置。将现有的Conda环境导出，并将环境保存在一个名为"environment.yaml"的文件中。
2023-06-24 15:06:46
93360
7
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人