qq_54932411的博客

原创 西电《英美文化》期末考试答案

西电《英美文化》期末考试答案

原创 西电雨课堂《知识产权法》课后作业答案

西电雨课堂《知识产权法》课后作业答案一览

原创 西电雨课堂《知识产权法》课后作业答案3.2

原创 西电雨课堂《知识产权法》课后作业答案3.1

原创 西电雨课堂《知识产权法》课后作业答案2.10

原创 西电雨课堂《知识产权法》课后作业答案2.9

原创 西电雨课堂《知识产权法》课后作业答案2.8

原创 西电雨课堂《知识产权法》课后作业答案2.7

原创 西电雨课堂《知识产权法》课后作业答案2.7

原创 西电雨课堂《知识产权法》课后作业答案2.6

原创 西电雨课堂《知识产权法》课后作业答案2.5

原创 西电雨课堂《知识产权法》课后作业答案2.4

原创 西电雨课堂《知识产权法》课后作业答案2.3

原创 西电雨课堂《知识产权法》课后作业答案2.2

原创 西电雨课堂《知识产权法》课后作业答案2.1

原创 西电雨课堂《知识产权法》课后作业答案1.2

原创 西电雨课堂《知识产权法》课后作业答案1.1

原创 关于华为昇腾平台利用conda创建环境失败的解决方法分享

由于华为的昇腾910A的conda不能访问conda的国外主站，因此利用conda创建环境时候会报http链接错误，导致环境创建不成功，想配置环境只能“偷”别人的环境，这好吗？如果你想创建特定的python版本的环境，比如python3.11，但是conda create -n python3.11 python=3.11命令不太好使，这个时候就需要自己在。用我上面的命令创建3.6-3.11都没问题，但3.12和3.13就不行了，可能是版本太新了吧，我知道你很急，但是你先别急，且听我细细道来。

原创 华为真的遥遥领先了吗？记录华为Ascend卡对于pytorch中aten::isin.Tensor_Tensor_out算子不支持的问题（主要是由于调用torch.isin()方法造成的）

在使用华为的 ModelArts 平台时，我注意到一个关键性能瓶颈，即数据在从 NPU（神经处理单元）传输到 CPU 后，仍然依赖于 CPU 进行计算。这一流程对于大规模模型的推理效率构成了严重影响，特别是在处理复杂任务时。我以 Qwen2.5-Coder-7B 为例，尝试实现冒泡排序算法，结果耗时超过 10 小时，所以华为真的遥遥领先了吗？

原创 介绍一种能自动截图的python代码

博主在做毕业设计的时候总是需要截取自己做的网页的图，但是用各种截图方法（QQ、微信、Ctrl+Alt+S）总是很不方便，因此我就想能不能写一个代码，当我按压键盘某一个键的时候能触发这个截图功能？说干就干，我做了如下思考。编不下去了，其实我没有思考，就直接写了，有一部分也是copy别人的，我只是在上面做了改动，效果是，运行代码后就能保存Svg格式的图和png格式的图。答：用while循环，一直监听是否触发某个事件，一旦触发就执行代码。问：怎么保证我一点击的时候就截图，不点击就不截图呢？

原创 基于深度学习的车牌识别

如果你认为车牌只是车子的‘名字’，那么是时候让你见识一下，当科技赋予它‘超能力’时会发生什么？

原创 微信自动发消息

一种轻量化的微信发送消息的代码

原创 Imagenet2012的1000个类别

Imagenet2012的1000个类别

原创 解决ModuleNotFoundError: No module named ‘yaml‘

报错：ModuleNotFoundError: No module named 'yaml'

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。

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。

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。

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。

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。

原创 4. 矩阵计算

① y是向量，x是标量的话，求导为标量。② y是向量，x是向量的话，求导为矩阵。是一个椭圆，梯度是指向值变化最大的方向。

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。

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。

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。

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。

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。

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。

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。

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。

原创 10. 网络模型使用及修改

【代码】10. 网络模型使用及修改。

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。