- 博客(34)
- 收藏
- 关注
RSS订阅原创 Expected a default value of type Tensor (inferred) on parameter “alpha“
使用torch.jit.script转的时候，出现错误。
2023-07-26 14:32:14
339
原创 win10安装cuda11.4及cudnn
在windows终端键入nvidia-smi，查看nvidia显卡驱动。显卡驱动的版本决定了CUDA的版本下限。如果出现上述的问题，则终端进入文件夹内，再键入nvidia-smi，可以看到我的驱动版本是472.84，最高可以支持CUDA11.4.
2023-07-23 12:11:20
1112
原创 python中float32与float64强转偏差
torchpytorch中定义张量，要确定好正确的数据类型，否则会出现float32-float64之间的强转偏差，虽然误差很小，但是在某些场合（模型推理、imu预积分等）会出现比较大的累计误差。pytorch定义张量，默认的数据类型为torch.float32.g1 = torch.tensor([9.8065000000]) # 默认torch.float32print(format(g1.item(), '.10f'))# 9.8065004349g2 = torch.tensor([9
2023-02-28 10:45:13
558
1
原创 【yolov5】loss.py源码理解
yolov5的loss.py中的build_targets函数中由两处扩充正样本的地方：因为anchor有３个，所以将targets扩充成３份，每一份共享一个anchor；假设一共有20个targets目标框，则将目标数扩充至[3, 20],共６０个目标；第一份的２０个目标与第一个anchor匹配，第二份的２０个目标与第二个anchor匹配，第三份的２０个目标与第三个anchor匹配，那么会有一部分目标没有匹配上(目标框与anchor的宽比或高比超出阈值)，则最后可能会只有３０个目标匹配成功，剩余的ta
2022-04-23 23:41:32
2110
原创 aloam源码学习——laserOdometry
该模块接收前一模块scanRegistration发布的几个主题，对相邻两帧的特征点进行匹配，通过优化点到线、点到面的距离，求得激光的位姿增量；主要逻辑：订阅scanRegistration发布的曲率极大点集，曲率次极大点集，曲率极小点集和次极小点集，压入队列；保证这几个点集时间戳是同步的；当前帧的极大点P找前一帧中的最近邻点A(在次极大点集中寻找)，在A点的附近线上寻找点B，构建对P与AB线的距离优化的问题；当前帧的极小点P找前一帧中的最近邻点A(在次极小点集中寻找)，在A点附近线上寻找点B、
2022-01-08 23:07:51
456
1
原创 aloam源码学习——scanRegisteration
最近有项目要用激光建图与定位(SLAM)，花了一周把aloam源码读了一遍；后来开了几次项目会议，才发现用不到激光slam，于是对激光slam的研究暂时搁浅。参考了其他aloam源码的理解的文章，这里是我理解的部分。主要的逻辑：订阅激光点云数据;剔除无效点与离传感器过近的点；确定点云的起始方位角和结束方位角，令结束方位角与开始方位角差值控制在(PI,3*PI)范围计算每个点的仰角，根据仰角为每个点找到了对应的扫描线;每条扫瞄线分成6段扇区，每个扇区选出2个曲率极大点和20个曲率次极大点，同时
2022-01-08 19:19:27
433
原创 CLion配置ROS环境
打开终端，进入工作空间/catkin_ws`source devel/setup.bash`在该终端运行clion.sh（clion.sh在clion安装目录下）此时clion已打开，File/Open， 选择功能包的CMakeLists.txt，Open as Project即可。(可选)修改编译目录。File/Settings.../Build,Execution,Deployment令CMake options为-DCATKIN_DEVEL_PREFIX:PATH=..
2021-12-28 09:39:40
1435
原创 ubuntu18.04安装cartographer记录
按照官网指导上的指令安装下来，在个别步骤上可能会因为长城的缘故，导致安装失败，一波三折。费了一天时间，终于把cartographer安装成功，翻阅了各种博客文章，结合自己碰到的问题，总结记录一下。安装依赖包sudo apt-get updatesudo apt-get install -y python-wstool python-rosdep ninja-build stow创建工作空间与下载安装包mkdir catkin_wscd catkin_wswstool init src
2021-12-24 10:46:21
1648
2
原创 【C++】boost::filesystem遍历文件目录
boost::filesystem是Boost C++ Libraries中的一个模块，主要作用是处理文件（Files）和目录(Directories)。在c++中使用boost库遍历文件目录。demo// demo.cpp#include <iostream>#include <boost/filesystem.hpp>#include <boost/algorithm/string/classification.hpp>#include <bo
2021-12-22 14:15:57
3875
原创 opencv-＞tensorrt的数据排列方式
在使用tensorrt的时候，将opencv的Mat格式处理成tensorrt输入方式。中间还有图像预处理，包括通道的变换、图像尺寸变形，最重要的是如何将Mat格式处理成tensorrt 可接受的输入格式。Mat的图像数据，每个像素的三个通道是相邻存储的，因此要将Mat通道分离；使用split函数分离通道std::vector<float> prepareImage(std::vector<cv::Mat> &vec_img) { std::vector&l
2021-11-17 15:08:01
2824
1
原创 pytorch中的normalize应用
torch.nn.functional.normalize(input, p=2, dim=1, eps=1e-12, out=None)其中，p表示范数(这里是2范数)，dim表示计算范数的维度(默认为1)，eps是为了防止分母为0；pytorch中的normalize函数本质上就是针对某个维度进行归一化，公式为：ν=νmax(∣∣ν∣∣p,ϵ)\nu = \frac{\nu}{max(||\nu||_p,\epsilon)}ν=max(∣∣ν∣∣p,ϵ)ν示例a = F.softmax(
2021-11-14 15:46:55
5381
原创 C++多线程使用
多线程编程在计算机领域常用到的一种技术。多线程，顾名思义，指在单个系统里同时启动多个独立的线程，每个线程各干各的，互不影响。显然它的效率要比单线程工作效率高的多。比如，要导入处理10万条数据，一个线程既负责导入数据又兼具处理数据的任务，是一个串行处理的流程，运行效率低下。如果用多个线程工作，部分线程负责导入数据，另一部分线程负责处理数据，实现并行处理，运行效率可以提升数倍。自从c++11开始，c++开始在语言级别上支持多线程，为多线程编程提供了极大的便利。1. Hello world#include
2021-10-24 23:36:57
2274
2
原创 【opencv】pytorch-＞onnx-＞opencv模型推理
opencv的DNN推理模块是不直接支持pytorch训练出来的pth文件。一般来说，可以将pth文件转成onnx格式，再用opencv调用onnx文件，即可实现推理。pth文件转onnx文件时，因为onnx对于pth中某些定义的层是不支持的，难免会碰到一些问题。近期，对一些分割网络进行了部署，碰到的一些问题记录在下。RuntimeError: ONNX export failed: Couldn’t export operator aten::adaptive_avg_pool2donnx不支持
2021-08-28 17:40:43
3640
原创 HRNet-segmentation的网络结构分析
High-Resoultion Net(HRNet)由微软亚洲研究院和中科大提出，发表在CVPR2019。HRNet的网络在CV领域，越来越得到关注，因为很多用HRNet作为骨架网络的方案在语义分割、目标检测、分类、分割、人体姿态估计等领域均取得瞩目的成绩。文章名称：Deep High-Resolution Representation Learning for Human Pose Estimation本文主要内容是展示HRNet在分割领域的模型结构，下面的例子选用HRNet_w48模型。Githu
2021-08-18 20:02:20
1285
原创 realsense D435i安装及标定遇到的问题
问题1：编译kalibr时，出现问题：fatal error: libv4l2.h解决方法：sudo apt install libv4l-dev问题2：使用kalibr生成棋盘时，出现问题：ImportError：No module named pyx 解决方法：sudo apt-get install python-pyx问题3：使用以下命令标定时，kalibr_calibrate_cameras --target '/home/robot/kalibr_ws/src/kal
2021-05-20 18:10:07
721
1
原创 librealsense编译找不到openssl
编译librealsense，cmake失败，出现下述问题：Could NOT find OpenSSL, try to set the path to OpenSSL root folder in the system variable OPENSSL_ROOT_DIR (missing: OPENSSL_CRYPTO_LIBRARY OPENSSL_INCLUDE_DIR)解决办法sudo apt-get install opensslsudo apt-get install lib
2021-05-19 14:47:14
317
原创 AGX系统备份及恢复
前提：用原装usb-typeC线连接host机和AGX,启动AGX恢复模式（AGX上有3个键，先按住中间键2秒，再按左键2秒，进入恢复模式）cd ~/nvidia/nvidia_sdk/JetPack_4.4.1_Linux_JETSON_AGX_XAVIER/Linux_for_Tegra/sudo ./flash.sh -r jetson-xavier mmcblk0p1注：JetPack_4.4.1_Linux_JETSON_AGX_XAVIER/Linux_for_Tegra/ 文件夹是ho
2021-05-06 17:22:55
1958
原创 py文件编译成so动态库
由于python设计的初衷是开源，因此py文件是可以直接看到源码的。但用在商业用途时，就需要对代码进行加密保护。本文使用Cython库将py文件编译成二进制so动态库，达到对python源码的保护。1. 安装Cythonpip install Cython2. 编译py文件生成so库Cython可以帮助程序带来性能的提升，主要原理是：先将py文件转换成c文件，再将c文件编译成so(Unix)或pyd(windows)。其带来的另一个好处是难以破解。from distutils.core impo
2021-04-20 14:54:58
708
1
原创 AGX编译安装opencv和opencv-contrib模块（c++和python,支持GPU）
在AGX编译安装opencv-python及opencv-contrib-python有两个途径一、pip安装(以4.4.0.46版本为例)sudo pip3 install opencv-python==4.4.0.46sudo pip3 install opencv-contrib-python==4.4.0.46pip安装只适合python接口调用，若用c++接口，则需要源码编译安装。二、源码编译安装源码编译安装在终端输入cmake预编译指令，编译出来即可满足c++，python接口调用
2021-04-13 17:21:06
1030
1
原创 caffe源码学习——batch_norm_layer
BatchNorm是深度学习网络中必不可少的层，可以起到加速收敛的作用。由于每一个Batch的数据都具有不同的分布，为了加速模型的学习能力，对数据进行归一化。此外，由于又不能完全归一化，需要根据当前数据分布对数据进行缩放和偏移。因此，BatchNorm主要有两个步骤：求解数据的均值和方差，并归一化；对归一化的数据缩放和偏移。在caffe源码中，对BatchNorm也是分开描述的，步骤一体现在batch_norm_layer.cpp(.cu)中，步骤二体现在scale_layer.cpp(.cu)。
2021-03-18 16:10:07
294
1
原创 Jetson Nano上编译使用darknet
Jetson Nano是Nvidia在TX2和Xavier获得成功后推出的低配版GPU运算平台。测一下darknet版本yolov4在nano上的性能。下载git clone https://github.com/AlexeyAB/darknet.git编译修改Makefilecd darknetvim Makefile令GPU=1, CUDNN=1, OPENCV=152行附近，取消注释77行附近，修改NVCC的值开始编译make -j4下载权重文件 wget
2021-01-18 19:38:32
873
2
原创 Jetson Nano刷机及pycuda安装
这两天对入手的NVIDIA Jetson Nano开箱刷机。中间遇到一些问题，简单记录一下，方便以后回看。Jetson Nano是Nvidia在TX2和Xavier获得成功后推出的低配版GPU运算平台。拥有4GB的内存，因为其中有一部分（1GB左右）是和显存共享的。Jetson Nano本身没有存储空间，支持MicroSD卡，也称tf卡。系统镜像和其他软件包、深度学习模型都会放在tf卡上，因此容量必须要足够，官方建议tf卡容量为64G。(1) 无法开机可能是系统镜像的问题，建议去官网下载；Jets
2021-01-15 15:38:21
620
2
原创 【opencv】blobFromImage源码理解
在工程中也会用OpenCV进行深度学习推理。有时候将opencv推理的数值结果与pytorch等深度学习框架的进行对比，数值是会有一些差异的。导致差异的一个重要因素就是数据预处理。opencv自带有一个预处理函数blobFromImage，该函数主要作用是：图像预处理将图像数据打包成blob类型将blobFromImage源码摘了出来，并与torchvision的处理方式对比了一下。opencv里按照宽高比大小决定基准边，计算resize的尺寸；torchvision直接以最短边为基准，计算res
2020-11-27 16:16:37
1375
原创 AGX安装pytorch mmdetection opencv等记录
在AGX刷机之后，马上开始安装pytorch、opencv、mmdetection等深度学习常用的工具。记录一下安装的过程和踩的坑，有些坑还没填上，希望大家一起填。pip源设置sudo apt-get install python3-pipmkdir ~/.pipvim ~/.pip/pip.conf在pip.conf里写入清华源[global]index-url = https://pypi.tuna.tsinghua.edu.cn/simplepytorch直接pip3 insta
2020-11-26 14:39:31
689
原创 Nvidia AGX Xavier刷机指北
因为工作的关系，要在AGX上安装CUDA。nvidia官网上没找到适合AGX版本的CUDA，只能走刷机的路子。刷机过程中，也遇到一些坑，做个记录。需要有一台ubuntu系统的电脑作为主机Host。我的主机系统为Ubuntu18.04整个刷机过程为：在Host上安装sdkmanager，整个刷机过程主要通过sdkmanager来操作。在Host自动下载一些系统组件，各种deb包Host上制作OS系统镜像，烧录到AGX中Host上之前下载好的deb包，安装到AGX中。完结，撒花...
2020-11-21 19:54:05
4406
2
原创 label-smoothing标签平滑__pytorch版实现
标签平滑(label-smoothing)主要用于防止过拟合，增强模型的泛化能力。在one-hot的基础上，添加一个平滑系数ε\varepsilonε，使得最大预测与其它类别平均值之间差距的经验分布更加平滑。Pytorch代码实现import torchdef smooth_one_hot(true_labels: torch.Tensor, classes: int, smoothing=0.0): """ if smoothing == 0, it's one-hot meth
2020-09-03 15:17:28
5308
2
原创 Ubuntu下u盘被加锁的解决方法
此种问题的可能原因是，u盘未完全读写完当前任务，即被拔出，导致引发安全机制锁住了全部文件。解决方法：dh -h 查看u盘挂载点。如下，我的u盘所在文件系统为/dev/sdb4，挂载点/media/bubble/Ubuntu 16.0sudo umount /media/bubble/Ubuntu" "16.0 解除挂载点期间不要拔出u盘sudo dosfsck -v -a /dev/sdb4 文件系统修复拔出重插即可！...
2020-07-28 10:24:39
3072
原创 打印模型结构到文件中
看pytorch版的深度学习模型代码，打印出模型结构能更好、更快地理解模型。这只要短短的几行代码就可实现：with('model.txt','a') as f: # 打印模型到model.txt print(model, file = f) # 打印模型参数 for params in model.state_dict(): f.write("{}\t{}\n".format(...
2019-09-13 21:40:40
1145
原创 opencv-python之直方图相关操作
import cv2import numpy as npimport matplotlib.pyplot as pltpyimg_name = 'cat.jpg'img = cv2.imread(img_name,1)img = cv2.cvtColor(img,cv2.COLOR_BGR2YCrCb)# 1. 使用cv2.calcHist计算直方图，返回二维tuple''' ...
2019-09-13 20:15:54
239
原创 深度学习优化算法
list的extend()梯度下降法随机梯度下降法（SGD）小批量梯度下降法动量法AdagradAdagrad是解决不同参数应该使用不同的更新速率的问题。Adagrad自适应地为各个参数分配不同学习率的算法。SGD、SGD-M 和 NAG 均是以相同的学习率去更新 [公式] 的各个分量。而深度学习模型中往往涉及大量的参数，不同参数的更新频率往往有所区别。对于更新不频繁的参数（典型例子：...
2019-09-11 21:20:55
355
1
原创 C++智能指针
C#、Java、python和go等语言中都有垃圾自动回收机制，在对象失去引用的时候自动回收，而且基本上没有指针的概念，而C++语言不一样，C++充分信任程序员，让程序员自己去分配和管理堆内存，如果管理的不好，就会很容易的发生内存泄漏问题，而C++11增加了智能指针(Smart Pointer)。主要分为shared_ptr、unique_ptr和weak_ptr三种，使用时需要引用头文件。c++...
2019-09-02 10:44:14
105
原创 python中的深浅拷贝
# 1.赋值（引用） 并不会产生一个独立的对象单独存在，他只是将原有的数据块打上一个新标签，# 所以当其中一个标签被改变的时候，数据块就会发生变化，另一个标签也会随之改变。# 2. 浅拷贝: 拷贝父对象，不会拷贝对象的内部的子对象。只拷贝浅层的对象# 3. 深拷贝: copy 模块的 deepcopy 方法# 将被复制对象完全再复制一遍作为独立的新个体单独存在。# 所以改变原有被复...
2019-08-28 17:20:53
62
原创 python零碎知识点(2019-8-19)
.item()一个元素张量可以用item()得到元素值，请注意这里的print(x)和print(x.item())值是不一样的，一个是打印张量，一个是打印元素： x = torch.randn(2, 2) print(x[1, 1]) print(x[1, 1].item())#结果tensor(0.4279)0.4278833866119385np.ran...
2019-08-19 10:17:23
118
原创 python零碎知识点(2019-08-16)
python零碎知识点(1)近来在复现Meta-SR，写这系列总结相当于备忘录，记录每天遇到的一些python语法知识点，为方便日后不断复习（小白在成长）1. open()函数open() 函数用于打开一个文件，创建一个 file 对象，相关的方法才可以调用它进行读写。常见的写入模式：a如果该文件已存在，文件指针将会放在文件的结尾。也就是说，新的内容将会被写入到已有内容之后。如...
2019-08-16 17:39:59
252
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人