shaojie_45的博客

结果发现这套代码库是基于mmcv 0.2.14, mmdetection 1.0进行开发的，差不多是3年前的版本吧，安装过程中出现了各种各样的问题，这里进行一个统一的汇总。解决完上面的问题之后就可以安装老版本mmcv和老版本mmdetection，或者基于老版本mmdetection的库了。github里readme给出的安装步骤是这样的（如下），按照这个会安装最新版本的pytorch，如果有这样的报错，这说明安装的pillow版本太高了，需要降级到7.0.0以下。，实测是没有问题的，其它的版本如。

在使用mmdetection代码库时需要冻结部分网络参数，只训练一部分的网络。这里提供一种简单且不容易出现bug的方法，不仅仅适用于mmdetection代码库，也可以使用在其他的代码库里面，不过需要一定的改动。

原本的proposals为4952*20的一个list，即4952张照片，每张照片有20个类别各自的proposal。list里面存储的是大小为k * 5的一个nparray，k为该图片该类别下具有的proposal的数量，如果为0的话，存储的就是空矩阵。的形式为：n * 5的一个nparray，n为无论什么类别、所有proposal的数量。eval_recalls函数里的proposals期望接受的是。为长度为20，内容不固定的list；需要修改的第二个地方为：转化之后有的。类型的数据，而实际传入的是。

此时可以正常debug。问题描述：在做一个深度学习计算机视觉的项目时，直接clone下来的代码可以。此时的解决方法：看看自己服务器里有无。之后即可进行正常的debug。

修改：将workers_per_gpu从2修改为0，就可以正常debug了。samples_per_gpu指定一张卡里面同时训练几张图片，workers_per_gpu指定进程数，可以改成单进程的来debug。我的解决方法，找到使用的dataset对应的配置文件。比如我使用的时Pascal VOC数据集，那么在目录：configs//datasets/voc0712.py可以找到相应的配置。如果时COCO数据集则要去找其它的配置文件。问题描述：使用mmdetection，用vscode编写代码。

在单卡跑代码的时候没有问题，多卡的时候出现报错信息：RuntimeError: Expected to have finished reduction in the prior iteration before starting a new one. This error indicates that your module has parameters that were not used in producing loss. You can enable unused parameter detect

今天跑一份代码，出现这样的报错信息：AttributeError: 'VisionTransformer' object has no attribute "'pre_logits'"VisionTransformer这个类是timm库里面直接导入的，查看github上源代码发现VisionTransformer里确实有pre_logits这个属性。那么解决方案就是把timm更新到最新版本：pip install --upgrade timm使用pytorch时遇到类似的问题也可以尝试更新pac

今天遇到了个问题，一个txt文件中有多个dict，结构形如：{Key1: value1, key2: value2 ...}{Key1: value1, key2: value2...}...直接使用json.load()会报错，因为一次只能读入一个dict。这种情况下，需要首先确认dict与dict之间是用什么分割的。我的代码中，一个dict在一行，dict与dict之间是用换行符分割。如果情况与我类似的可以用下面的代码：import jsonData = []with open("./

最近遇到了一个很基础的问题，就是pytorch中的dropout在面对一个n维的矩阵时，是会随机drop某一行、或者某一维上的一个向量，还是某一个元素呢？用试验稍微验证了下import torchm = torch.nn.Dropout(p=0.2)input = torch.randn(5, 5)output = m(input)input为tensor([[-0.2266, -0.6318, -0.1628, -0.0301, -1.2603], [-2.3018, 0.

denseflow是一个常用的提取光流和图片的库。花了一下午时间非常费劲的安装denseflow，总算是搞定了。下面介绍整个过程：首先按照：https://github.com/innerlee/setup安装好依赖的库：boost和opencv。boost的安装应该没有什么问题，但是opencv的安装会比较麻烦。因为denseflow对opencv有各种各样的要求，比方说需要支持cuda，所以就简单的安装opencv是不行的，要按照zzopencv.sh里进行安装。注意，安装opencv时需要提

pycocotools安装踩坑记录pycocotools安装踩坑记录pycocotools安装踩坑记录在ubuntu上安装pycocotools的时候老是安装不成功，最后不断的尝试终于成功了，下面记录这个过程。issue的网址如下：https://github.com/cocodataset/cocoapi/issues/172首先是官方的安装方法：git clone https://github.com/cocodataset/cocoapi.gitcd cocoapi/PythonAPIm

命令作用conda create -n (…)新建环境conda info --envs查看环境conda activate (…)切换环境conda remove -n (…) --all删除环境conda install (…)安装新的package换源：更改用户底下的.condarc即可:...

问题：ubuntu中使用auto t1 = chrono::high_resolution_clock::now();等计时，windows跑没问题，ubuntu上报错：error: ‘chrono’ has not been declared解决方法：加上#include <algorithm>#include <chrono>可以参考：https://github.com/tavildar/Polar/issues/1...

Ubuntu中Videocapture打开视频失败1. 视频打开失败2. 如何解决？1. 视频打开失败如何判断问题是视频打开失败？这个错误本身并不会报错，就很难debug，但是用gdb调试的时候可以看见读取的frame全为0。此时使用isopen函数判断，如果为FALSE就说明照片、视频打开失败2. 如何解决？我这里是因为没有安装ffmpeg这个解码软件，安装即可sudo apt-get install ffmpeg如果ffmpeg -version可以正常出现版本号，说明安装成功再

Xshell中使用openCV显示图片1. 问题描述2. 包的安装3. Xmanager1. 问题描述配置好opencv之后，试着运行了一下自己写的cpp代码，结果报错了，类似于：OpenCV Error: Unspecified error (The function is not implemented. Rebuild the library with Windows, GTK+ 2.x or Carbon support. If you are on Ubuntu or Debian, ins

Xshell（Ubuntu）中openCV的安装1. openCV的下载2. 提前准备3. 解压与安装4. 配置5. 测试1. openCV的下载网址：https://opencv.org/releases/根据需求选择自己的版本，需要下载源文件下载之后通过xftp传输2. 提前准备安装cmake与pkg-config（不过一般之前都装过了），这个可以看别的博客，我推荐一个：https://blog.csdn.net/s15810751918/article/details/10770538

pycocotools安装失败一开始就正常的：pip3 install pycocotools报错：后面尝试了几种方案：换源：换清华源和豆瓣源，失败pip3 install pycocotools -i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn按GitHub上说的：失败（这两种方案都有可能成功的，但是我连接的服务器一直显示无法连接到GitHub）pip3

ReID学习ReID学习1 基本认识1.1 目标1.2 数据集1.3 评判标准1.4 方法1.5 发展及展望2 数据集2.1 内容2.2 使用3 评判标准4 最新文献ReID学习1 基本认识1.1 目标1.2 数据集1.3 评判标准1.4 方法1.5 发展及展望2 数据集2.1 内容2.2 使用3 评判标准4 最新文献...

PaddlePaddle与PyTorch的转换1 基本结构2 网络结构PaddlePaddle 2.0和PyTorch风格还是非常像的。使用PaddlePaddle可以直接调用百度AI Studio里的一些资源（包括GPU、预训练权重之类的），而且说明文档、社区都是中文的，比较友好；而PyTorch在Github有更多的代码与资源，两者配合使用是比较香的。下面整理了一些PaddlePaddle以及PyTorch中对应的函数。1 基本结构PyTorchPaddlePaddle说明t