siwangtt的博客

一. 准备工作在Windows上搭建完成Tensorflow的C++环境，这里参考本人的上一篇博客在windows上部署opencv3的C++环境python3的keras和tf2.X的环境：pip3 install keras==2.4.3和pip3 install tensorflow==2.3.1python3的opencv环境：pip3 install opencv-python二. python模型训练python模型构建：Kaggle猫狗分类python完整代

参考Tensorflow官网安装文章：https://www.tensorflow.org/install/source_windows?hl=zh-cn一. 下载需要的软件bazel：Google 的一款可再生的代码构建工具，类似于Cmake。使用scoop进行安装：scoop install bazelpython3.7：这里最好用pip 安装下必要的第三方包，比如tensorflow,kears,numpy等。下载官方源码：git clone https://github.com/ten.

一. 需要下载的资源Fork 下官方的开源项目：https://github.com/ultralytics/yolov5git clone 下Fork之后的项目到自己本地仓库中。采用的训练集（简单的，仅有一个类）：源自Kaggle的小麦数据集如果有gpu的话，最好安装cuda进行训练加速，这里可以参考本人的另一篇文章：Windows10环境下搭建CUDA10.1和pytorch1.6二 . 构建属于自己的目标检测模型2.1 在官网的开源yolo5项目的基础上进行构建git 克隆到本地仓

一. 安装CUDA10.1这里需要安装鲁大师，查看自己电脑的显卡型号，这里是gtx 1060 ，6g1.1 安装Nvidia驱动首先在Nvidia官网上安装显卡驱动，连接地址：https://www.nvidia.com/Download/index.aspx这里需要去nVidia官网 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 查看cuda和显卡驱动对应表上cuda10.1对应驱动的版本号。

一. 搭建环境1.1 下载软件jekyll：这个是将纯文本转化为静态网站和博客，使用gem安装下载：gem install bundler jekyll。github pages：免费开源，并且可以自动生成域名，自己去构建一个属于自己的github账号和新建一个仓库（名字为：XX.github.io，这里XX就是你自己的账号名称）mac或者linux平台：原因是jekyll无法在Windows平台上安装。1.2 选择一个适合自己的博客主题jekyll主题：http://jekyllt

一. 下载需要的软件visual studio 2019 社区版opencv3.4.11二. 基于C++的环境搭建2.1 创建系统环境变量解压opencv，到D:\software配置系统变量：Path下添加Opencv的路径D:\software\opencv\opencv\build\x64\vc15\bin（这里选择vc15更适合vs2019，如果是vs2015就选择vc14）2.2 在Visual Studio2019中配置Opencv选择视图-属性管理器- 选择D

1. 下载opencv使用简单粗暴的方式——brew进行安装：brew install opencv@3，注意这里通过brew下载的opencv3的地址为：/usr/local/Cellar/opencv@3/3.4.9_1（后面配置include和lib有用）。这里存在很大的问题：brew除了下载opencv以外还需要下载opencv的依赖包（很多），这里强力推荐换brew的镜像源（本人用的清华的，当然也可以用中科大的）。具体配置方式如下：第一步：替换brew.git：cd "$(br

1. 上传python文件并打包编译下载python版本：https://www.python.org/ftp/python/解压：tar -xf Python-3..1.tgz编译：sudo ./configure --prefix=/path/you/want/to/install/ --with-ssl && make && make install(这里需要加–prefix是因为可以直接在指定文件夹下删除软件即可，加入with ssl是由于pip需要ssl),

Postman和Jmeter进行上传文件及压力测试postman下载链接：https://www.postman.com/downloads/Jmeter下载链接：http://jmeter.apache.org/download_jmeter.cgiflask代码地址：https://github.com/yy2lyx/FlaskTutorial/tree/master/Flask-7-uploadwindows下scoop下载jdk(这里是由于Jmeter需要)：scoop install o

1. 下载软件clion：C++的IDEcmake : 这里需要添加到环境变量中 D:\Profile\mingw64\bin[MinGW]([https://sourceforge.net/projects/mingw-w64/files/Toolchains%20targetting%20Win64/Personal%20Builds/mingw-builds/8.1.0/threads-posix/seh/x86_64-8.1.0-release-posix-seh-rt_v6-rev0.7z

一. 环境准备neo4j python包：pip3 install neo4j 和pip3 install py2neo（这里的py2neo 是python对Neo4j的驱动库,同时这里必须是py2neo版本必须是最新版4，不然会报连接数据库的错误，老版本不兼容的问题）Java8：这里由于neo4j 数据库是依赖于java8的。Neo4j_3.5.14：这里由于neo4j 在中国地区下载慢，并且neo4j3.X版本才支持java8，到4.0版本就是需要java11了。Neo4j_D

一. 网络中loss表现过于震荡1.1 模型拟合能力不够导致模型震荡model（层数：input(30,300,3) ==> ful_collected_layer(30,300,64) ==> lstm ==> ful_collected_layer ==> output）此时模型的loss由1到192震动太大，acc也是在一个epoch中时好时坏，由此考虑到是模型的分类能力的问题（可能处理不了非线性或者是异或的问题）"""增加了一层全连接层，之后效果显著，模型虽然也存在l

一. sklearn包函数的使用1.1 划分数据集from sklearn.model_selection import train_test_split(trainX,testX,trainY,testY) = train_test_split(X,y,test_size=0.2,random_state=42)1.2 特征标准化1.2.1 第一种使用scale模块直接计算标准化，将标准化的array放在x_scale中，同时可以查看均值和标准差，但是该方式的一个不足是当存在新的样本到来时，

一.数据处理工具pandas和numpy1.1 pandas读取数据data = pd.read_csv("data.csv",index_col=False,encoding = "utf-8")data = pd.read_tabel("data.txt",sep = ",")1.2 numpy.random 生成数据的用法numpy.random.rand(4,2,3) ==>生成4*2*3的矩阵，其中元素在[0,1)，floatnp.random.randn(4,2,3) =