shenjianhua005的专栏

模型推理可视化

目标跟踪

RepVGG

可视化

最近用更改了 anaconda 的源，然后用 pytorch 官网安装方法，不加 -c pytorch forge 啥的，安装完，用以下命令，一直返回 False，就很崩溃了，无意中看到一个可以查看环境中安装的各个版本，一看是cpu，乖乖，安装错了，后来发现，只要这么安装，一直是cpu版本，崩溃。测试cuda命令：import torchprint(torch.cuda.is_available())pytorch 对应那一行最后 cpu，无论怎么安装都是这个后来终于利用 pi

使用这个方法卸载cudasudo apt-get remove cudasudo apt autoremovesudo apt-get remove cuda*cd /usr/local/sudo rm -r cuda-11.x x代表版本sudo dpkg -l |grep cuda 这个只能卸载 dpkg然后使用 nvcc -V 仍然看到 cuda 版本接着使用：sudo apt-get --purge remove "*cublas*" "*cufft*" "*...

ubuntu 更换Anaconda源 解决pytorch无法下载的问题_枸杞叶儿的博客-CSDN博客这个博主的方法真的不错，而且设置好后，就可以直接用官网上的命令，可以加-c pytorch -c conda-forge 就相当于直接用官网命令，而且速度很快。sudo gedit ~/.condarcchannels: - defaultsshow_channel_urls: truechannel_alias: https://mirrors.bfsu.edu.cn/...

所谓非极大值抑制，就是把不是最大的值给剔除掉。在深度学习之目标检测中，当模型预测一个物体时，会有很多框，这个时候，我们一般会选取置信度最大的作为输出。同时，把置信度小的与这个置信度最大的 IOU 大于一定阈值的给剔除掉，IOU大于一定阈值，就是两者重合度比较大了。IOU的计算可以参照：tensor与list版本的iou比较_shenjianhua005的专栏-CSDN博客非极大值的代码，我是参照：Machine-Learning-Collection/ML/Pytorch/object_

自己写的是list版本的，但是一般深度学习框架都是tensor版本的，所以做了两者对比，发现没有什么区别，但是个人感觉，tensor版本更灵活。import randomimport torchvision.transforms as transformsimport cv2import torchimport osimport numpy as npimport matplotlib.pyplot as pltfrom torch.utils.data import Dataset,

今天在看tensor版本的交并比，它比单纯的python版本的list使用更加灵活，但是看的时候也遇到了一个问题，就是unsqueeze，这个方法就是根据指定的维度进行扩展一维，比如维度为:A =（2，4），A.unsqueeze(0)，则变为 （1，2，4）A.unsqueeze(1)，则变为 （2，1，4） A = box_a.size(0) B = box_b.size(0) max_xy = torch.min(bo...

这篇文章的目的是写写常见的数据增强模式，也会把对应的标注随着增强模式对应更新，增强模式会持续更新，从最简单的开始...import randomimport torchvision.transforms as transformsimport cv2import torchimport osimport numpy as npimport matplotlib.pyplot as pltfrom torch.utils.data import Dataset, DataLoaderfr

参考：https://zhuanlan.zhihu.com/p/52807406还是比较喜欢这个作者把源码放出来，就是继承 Dataset需要覆盖什么，这样就可以了，如下图：所以，知道需要overide什么，我们就可以定义自己的 CustomData了，如下所示：import randomimport torchvision.transforms as transformsimport cv2import torchimport osimport numpy as npimpor.

https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html 对检测做了一个总结、收集https://zhuanlan.zhihu.com/p/142630197 目标检测领域，从FasterRCNN的实战，Anchor，从loss到全局解析到YOLO V1,YOLO V2,YOLO V3的网络讲解，YOLO V3的anchor和loss都已经讲完了...

import osimport randomfrom imutils import pathsfrom sklearn.model_selection import train_test_splitfrom tqdm import tqdmdef split_train_val(): xml_file_path = r'' out_txt_dir = r'' if not os.path.exists(out_txt_dir): os.mak...

PyTorch源码解读之torch.utils.data.DataLoaderhttps://blog.csdn.net/u014380165/article/details/79058479https://www.cnblogs.com/hutao722/p/10008581.html这样就不要依赖input sizehttps://blog.csdn.net/stu_shanghui/article/details/91042187Batch normalization（每.

当初第一次接触yolov1，没有任何基础，所以看了很多别人博客才理解，记录下。 http://noahsnail.com/2017/08/02/2017-08-02-YOLO%E8%AE%BA%E6%96%87%E7%BF%BB%E8%AF%91%E2%80%94%E2%80%94%E4%B8%AD%E8%8B%B1%E6%96%87%E5%AF%B9%E7%85%A7/ https://zhuanlan.zhihu.com/p/136382095 https://bbs.cvma

今天发现一个奇怪现象，调代码，发现在调函数前定义了一个变量，在函数内也可以用，这就奇怪了，按理说，调用的函数在其它地方，而局部变量在外，不是全局变量，代码下：

https://discuss.pytorch.org/t/whats-the-difference-between-nn-relu-and-nn-relu-inplace-true/948da'zhi

https://blog.csdn.net/wangss9566/article/details/54618507

参考：https://www.jianshu.com/p/670a3e42107d候选框从原图坐标映射到的feature map坐标时，位置坐标可能存在浮点数，此时进行取整操作从而出现第一次量化；其次，在ROI Pooling求取每个小网格的位置时也同样存在浮点数取整的情况。这两次量化的结果都使得候选框的位置出现了偏差。RPN推荐128个rois（对于原图的坐标），当和feature一起传入 Fast-RCNN时，rois的坐标会映射到 feature map上，按照缩放因子，rois坐标会缩.

常看到：keep = np.where((hs >= min_size) & (ws >= min_size))[0]，很奇怪，这里为啥加[0]，点进where源码看到，其 return (condition, x, y)，从这最外面（）括号可以看出，其返回类似元组，所以取值需要加[0]...

tmp_zero = xp.zeros((0, 4), dtype=loc.dtype) 是创建一个空的nump array, 其与 tmp_one = xp.zeros((1, 4), dtype=loc.dtype) 区别在于 前者len(tmp_zero) = 0, 后者为len(tmp_one) = 1，前者可以用于返回判断，但是后者就不行，所以，当某个方法需要返回一个空的numpy array时，就可以用，等价于python list，如 return []。...

https://blog.csdn.net/weicao1990/article/details/93618136

区别就是有没有 RPN（region proposal network)，没有就是 one stage，有就是 two stage后面把目标检测发展过程经典网络熟悉一下。reference:https://blog.csdn.net/gaoyu1253401563/article/details/86485851

meshgrid 这个方法其实就是把 (x, y) 坐标进行一个组合，生成对应的网格，然后把属于 x 的返回给x，属于 y 的返回给 y。先上代码import numpy as npif __name__ == '__main__': x = np.arange(-3, 3) print(x) y = np.arange(-6, 0) print(y) print('*' * 10) X, Y = np.meshgrid(x, y) pr.

刚刚在看别人视频的时候，突然一个问题，为啥要用别人预训练好的模型作backbone，这个backbone是别人训练的别的图像....权重不适合我这个...后来浏览这个https://blog.csdn.net/weixin_44791964/article/details/105739918发现这句话：“在代码里里面，我们使用resnet50()函数来获得resnet50的公用特征层”， 有了理解其实别人这个backbone是对任意一幅图像都可以较好的提取特征，backbone的作用..

一般情况是直接用官方网站官网提供的来安装，但是网速不稳定，导致会超时，这个时候下载离线的安装包来进行安装就有必要了。比如要安装如下版本：当在命令行安装的时候，会有：https://download.pytorch.org/whl/torch_stable.html我们到这个网站打开，会有：这个时候要注意了，我们安装的版本是，python安装的是3.8：torch==1.8.1+cu102torchvision==0.9.1+cu102torchau...

reference:https://www.zhihu.com/question/59184480这里面说，“对深度学习需要计算的东西进行重组” 感觉并不严谨，其是深度学习调用cuda，然后cuda根据深度学习内容，组合出最适合的计算方式，然后调用GPU进行计算。以上个人理解，如有问题，欢迎讨论。...

https://blog.csdn.net/weixin_38145317/article/details/89636340

https://zhuanlan.zhihu.com/p/70035580

https://blog.csdn.net/abc13526222160/article/details/109532767

1.仅⽀持输⼊⼀个batch的样本不⽀持单个样本输⼊，如果只有单个样本，可使⽤ input.unsqueeze(0) 来添加⼀维。

参考：https://blog.csdn.net/weixin_43323459/article/details/106969843

个人觉的这个解释很好：https://zhuanlan.zhihu.com/p/48982978 什么是张量：Tensor实际上就是一个多维数组（multidimensional array），其目的是能够创造更高维度的矩阵、向量。为什么用Variable (variable)变量是可以只用GPU进行加速计算的 https://blog.csdn.net/qq_41776781/article/details/93967961tensor表示一个的多维矩阵,tensor可以与nump.

本文是在认真研究了https://github.com/motokimura/yolo_v1_pytorch.git后自己的理解，为了方便自己复习以及大家共同讨论，写出的理解，如有理解错误，还请指出，谢谢~以下是github中的voc.py。yolov1是将一张图片分割成S*S个小个子，然后每个格子输出两个预测值。yolov1所用的训练数据为voc,但是yolo需要的数据格式为[x,y,w,h]，其中x,y为相对于其小个子的偏移，即x,y所在小格子，小格子的左上角为起点（0，0）,且[x,y..

#https://blog.csdn.net/u014380165/article/details/79119664#这样就导入了resnet50的预训练模型了。如果只需要网络结构，不需要用预训练模型的参数来初始化，那么就是：#model = torchvision.models.resnet50(pretrained=False)resnet50 = models.resnet50(pretrained=True)self.extraction_layers = nn.Sequential(*li

参考：https://blog.csdn.net/majinlei121/article/details/78935083import matplotlib.pyplot as pltplt.imshow(img,cmap='gray')plt.show()

https://docs.opencv.org/master/d4/da8/group__imgcodecs.html#ga288b8b3da0892bd651fce07b3bbd3a56通过看上面官网，看到cv.imread一般默认格式是返回B,R,G格式BGR图像转为灰度：input_gray = cv2.cvtColor(in_img, cv2.COLOR_BGR2GRAY)当需要把图像转为二值化图像时，用的方法是：th,binary_img = cv2.threshol

昨天把这三个好好理解了一下，一般在用算法模型进行预测之前，都用标好的数据进行训练，这些标好的数据就是ground truth， 实际结果 TRUE FALSE 预测结果 Positive TP FP TP：为预测样本结果为正的，实际样本结果也...