- 博客(39)
- 收藏
- 关注
RSS订阅
原创 PyTorch基础
PyTorch文档：https://pytorch.org/docs/stable/index.htmlPyTorch常用代码段合集：https://zhuanlan.zhihu.com/p/205407928一、基础知识Pytorch和Tensorflow的数据格式Pytorch: N * Channels * Height * Width, NCHWTensorflow: N * Height * Width * Channels, NHWC自动求导(autograd)机制
2020-10-08 17:46:18
605
1
原创 linux常用命令
ls 列出所有文件和目录 -l,详细信息(ls -l=ll);-d,只列出目录;-a,包括隐藏文件;-h,文件大小人性化显示mkdir 创建新目录 -p,递归创建cd 更改目录 cd /,到根目录;cd ~,到home目录pwd...
2019-07-13 09:34:57
167
原创 NumPy基础
import numpy as npa = np.array([[1, 2], [3, 4], [5, 6]], dtype=np.float32)print(a)# 矩阵性质# shape:矩阵形状print(a.shape)print(a.shape[0])# ndim:矩阵维度print(a.ndim)# size:矩阵元素总数print(a.size)# 创建...
2019-05-27 20:04:47
289
原创 Matplotlib基础
import matplotlib.pyplot as pltimport numpy as npx = np.linspace(-3, 3, 50)y1 = 2*x+1y2 = x**2plt.figure()# plt.subplot(121)plt.plot(x, y1, label='up') # label is for legendplt.plot(x, y...
2019-05-27 15:50:09
290
原创 CNN模型FLOPs的计算
FLOPs:FLOPS：全大写，是floating point operations per second的缩写，意指每秒浮点运算次数，理解为计算速度。是一个衡量硬件性能的指标。FLOPs：s小写，是floating point operations的缩写（s表复数），意指浮点运算数，理解为计算量。可以用来衡量算法/模型的复杂度。对于分组卷积：...
2021-10-10 15:08:30
176
原创 MMDetection
1.安装mmcv-full，每个版本的mmdetection都有对应的mmcv版本pip install mmcv-full==1.2.4 -f https://download.openmmlab.com/mmcv/dist/cuda101/pytorch1.7.1/index.html
2021-06-15 21:43:09
226
转载 linux中u盘显示文件空间远小于已占用的空间
原因：linux也有回收站机制，在进入u盘删除文件（非命令）时。不是真的删除文件，而是移动到了隐藏文件夹.Trash-1000下的files中。可以删除files来恢复u盘的空间
2020-12-03 20:40:46
248
原创 apt-get命令
https://help.ubuntu.com/community/AptGet/Howto?action=show&redirect=AptGet
2020-12-03 20:24:07
92
原创 使用apt时报Could not get lock /var/lib/dpkg/lock-frontend的错误
解决方法：1.查看apt进程idps -e|grep apt2.杀死该进程kill -9 2925现在可以正常使用apt了！
2020-12-01 09:07:28
79
原创 pip常用命令
0.更换pip源pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple1.download2.install
2020-11-28 16:50:41
261
原创 在线和离线环境下使用Docker配置pytorch cuda环境
repo安装1.由于apt官方库里的docker版本可能比较旧，所以先卸载可能存在的旧版本：sudo apt-get remove docker docker-engine docker-ce docker.io2.更新apt包索引：sudo apt-get update3.安装以下包以使apt可以通过HTTPS使用存储库（repository）：sudo apt-get install -y apt-transport-https ca-certificates cur.
2020-11-17 20:23:59
2385
6
原创 lambda、map、filter
1.实现两个长度相同的列表对应元素相减l1 =[1, 2], l2 =[3, 4]l = list(map(lambda x: x[0]-x[1], zip(l1, l2)))
2020-10-28 20:04:09
113
原创 目标检测算法之SSD系列
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2020-06-26 21:28:30
215
原创 Python图像读取
1.cv2读取shape = (height, width, channel)mode = 'BGR'2.Pillow读取shape = (height, width, channel)mode = 'RGB'
2020-05-09 11:04:07
139
原创 Python之文件读取
1.read()读取整个文件，将文件内容存放在一个字符串变量中。2.readline()每次读取一行内容，返回一个字符串对象。读取时占用内存小，适合大文件。3.readlines()读取整个文件的所有行，保存在一个列表变量中，每行作为一个元素。读取大文件时会比较占内存。...
2020-05-07 12:47:09
196
原创 目标检测算法之RetinaNet&Focal loss
Focal loss对正负样本进行二分类。Focal loss中有两个参数α、γ。α是类别相关的，解决了正负样本的不平衡；γ是类别无关的，解决了easy和hard examples之间的不平衡。一般γ取2，α取0.25。Focal loss: https://blog.csdn.net/LeeWanzhi/article/details/80069592...
2020-03-26 00:20:33
198
转载 目标检测算法之YOLO系列
一、YOLO11.算法解读https://blog.csdn.net/u014380165/article/details/726162382.源码解析https://www.cnblogs.com/zyly/p/9534063.html
2020-03-21 09:41:11
214
转载 离线学习(训练)和在线学习(训练)
https://blog.csdn.net/a133521741/article/details/79221015
2019-08-26 10:46:43
14662
1
原创 目标检测中的评价指标: Precision、Recall、F-measure、mAP、ROC、AUC、BPR等
参考博文：https://blog.csdn.net/yuxiaosmd/article/details/83046162一、混淆矩阵混淆矩阵(Confusion matrix)： Actual class Positive Negative Pred...
2019-08-22 19:20:26
2092
原创 Anaconda常用命令
一、管理conda1.检查conda版本conda --version/-V2.升级当前版本的condaconda update conda3.删除anacondarm -rf ~/anaconda二、管理环境1.创建环境conda create --name/-n env_name python=3.5注：新的开发环境会被默认安装在cond...
2019-08-22 09:55:35
634
原创 linux正则表达式
一、正则表达式1.正则表达式与通配符的区别(1)正则表达式用来在文件中匹配符合条件的字符串，正则是包含匹配。grep、awk、sed等命令都支持正则表达式(2)通配符用来匹配符合条件的文件名，通配符是完全匹配。ls、find、cp等命令不支持正则表达式，只能使用shell的通配符来进行匹配2.基础正则表达式 元字符 ...
2019-08-05 09:36:18
146
原创 Ubuntu16.04安装cuda9.0
由于比赛需要，我和小伙伴给好几台机器都配置了cuda环境。安装cuda的时候虽然参考了很多教程，但也避免不了踩坑，因此总结了一个比较完善的方法。1.更换linux内核Ubuntu16.04一般都是4.15的内核，而cuda9.0不支持此版本的内核，因此需要更换为4.4版本。(1)查看已安装的内核版本dpkg -l | grep linux-image(2)查看当前使用的内核...
2019-08-04 19:52:57
856
原创 语义分割、目标分割、实例分割、全景分割
Semantic Segmentation: per-pixel class labelsObject Segmentation: per-object maskInstance Segmentation: per-object mask and class labelsPanoptic Segmentation: combination of Semantic Segmentat...
2019-07-31 09:30:46
1727
原创 linux中的变量
一、环境变量1.什么是环境变量用户自定义的变量只在当前shell生效，环境变量会在当前shell和这个shell的所有子shell生效。如果把环境变量写入对应的配置文件，那么这个环境变量就会在所有shell中生效。2.设置环境变量声明变量：export 变量名=变量值查询变量：env(set查看所有变量)删除变量：unset 变量名3.系统常见环境变量：PATH：系...
2019-07-28 15:54:40
232
原创 Python文件操作
1.普通文件的读取import ospath = os.path.join(data_folder,'1.txt')with open(path,'w+') as f: # 在'r+'、'rb+'、'w'、'wb'、'wb+'模式下可以清空文件内容 f.truncate() #文本文件（以'rt'方式打开的文件）的读取，s是字符串，从文件中读取的一行，含回车符 ...
2019-07-13 15:01:20
113
原创 Tensorflow基础
1.tf.nn、tf.layers、tf.contrib(1)tf.nn：提供神经网络相关操作的支持。(2)tf.layers：主要提供高层的神经网络。(3)tf.contrib：提供够将计算图中的 网络层、正则化、摘要操作，是构建计算图的高级操作，但是tf.contrib包含不稳定和实验代码，有可能以后API会改变。以上三个模块的封装程度是逐个递进的。contrib中的sl...
2019-05-25 09:42:47
115
转载 Python中的五种下划线
作者：地球的外星人君链接：https://zhuanlan.zhihu.com/p/36173202来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。分享一篇文章：The Meaning of Underscores in Python。本文介绍了Python中单下划线和双下划线（"dunder"）的各种含义和命名约定，名称修饰（name mangl...
2019-05-25 09:41:57
947
原创 Tensorflow中踩过的坑
1.程序报错：feed的值不能是一个tensor，只能是标量、字符串、列表、数组等，所以不能用tf.reshape, 应该使用np.reshape。 with tf.Session() as sess: tf.global_variables_initializer().run() v_x = tf.reshape(mnist.validation.im...
2019-05-25 09:41:14
552
原创 深度学习中的各种卷积
1.卷积卷积运算可以表示为，为一个稀疏矩阵。神经网络中的正向传播就是转换成了这种矩阵运算。反向传播时，首先我们已经从更深层的网络中得到，2.反卷积（称为转置卷积更为合理）转置卷积(Transposed convolutions)其实就是在正向传播时左乘，反向传播时左乘，即。转置卷积可以理解为中间运算矩阵被转置了的卷积。转置卷积的前向过程和反向过程正好和卷积的相反，...
2019-05-25 09:33:49
522
原创 CNN多通道卷积与1*1卷积
多通道卷积：输入图片：卷积核：个输出图片：1*1卷积的特殊情况：输入图片：卷积核：个输出图片：inputpicture:Rlayer,Glayer,Blayerpurplelayer=α1×Rlayer+α2×Glayer+α3×Blayeryellowlayer=β1×Rlayer+β2×Glayer+β3×Blayeroutputpictur...
2019-04-24 19:27:01
1982
原创 【论文阅读】Deep Residual Learning
1.研究背景在深度学习中，随着网络层数的增加，模型一般会出现过拟合、梯度消失或爆炸的问题，分别可以通过正则化、Batch Normalization来解决。那么，是否只要不断地增加网络的层数，就能获得更好的结果呢？实验数据表明网络会出现退化(degradation)的现象：随着网络层数的增加，训练集loss逐渐下降并趋于饱和，当网络层数继续增加时，训练集loss反而会增大。这时，浅层网络反...
2019-04-24 16:41:10
885
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