萝北村的枫子-CSDN博客

原创 SummaryWriter函数用法

是PyTorch中用于将数据写入TensorBoard的工具。它提供了一种方便的方式来可视化训练过程中的各种指标。

2024-01-31 22:02:27 2530

原创 os.environ函数用法

os.environ是 Python 中os模块提供的一个字典，它表示当前系统的环境变量。环境变量是在操作系统级别设置的键值对，用于配置系统行为和提供信息给正在运行的进程。os.environ的基本用法包括获取和设置环境变量的值。

2024-01-31 21:56:03 1711

如果需要复制数据以创建新张量，可以使用 `torch.clone()` 或 `torch.copy()`。此外，要进行广播操作，通常可以直接使用运算符（例如 `+`，`*`），PyTorch 会自动执行广播，无需显式使用 `torch.expand()`。如果需要真正的数据复制，您可以使用 `torch.clone()` 或 `torch.copy()` 等操作。`torch.expand()` 主要用于扩展张量的维度以匹配目标形状，但还可以使用不同的参数来改变其行为，以满足其他需求。

2023-10-24 16:49:46 1332

原创 Python中format函数的用法

str.format() 是 Python 字符串的格式化方法，用于将值插入字符串中的占位符。这个方法允许我们以更灵活的方式创建字符串，将变量、表达式或其他字符串值插入到已有字符串的特定位置。

2023-10-16 14:46:16 787

原创 softmax激活函数

Softmax激活函数是一种用于多类别分类问题的激活函数，通常用于神经网络的输出层。它将原始分数（也称为logits）转换为表示概率分布的数值，使得每个类别的概率值都在0和1之间，并且所有类别的概率之和等于1。这使得它适用于多类别分类问题，其中每个样本只能属于一个类别。Softmax函数的数学定义如下：对于给定的原始分数（logits）z = [z1, z2, …, zn]，Softmax函数将这些分数转换为概率分布p = [p1, p2, …, pn]

2023-10-14 17:32:05 7722

原创 pytorch中的归一化函数

在 PyTorch 的nn模块中，有一些常见的归一化函数，用于在深度学习模型中进行数据的标准化和归一化。这些函数用于批量归一化 (Batch Normalization) 操作。它们可以应用于一维、二维和三维数据，通常用于卷积神经网络中。批量归一化有助于加速训练过程，提高模型的稳定性。Layer Normalization 是一种归一化方法，通常用于自然语言处理任务中。它对每个样本的每个特征进行归一化，而不是对整个批次进行归一化。可用于一维数据。

2023-10-13 20:57:38 3845 1

原创 pytorch中的池化函数

PyTorch 提供了多种池化函数，用于对输入数据进行不同类型的池化操作。这些池化函数允许你对不同维度的输入数据进行平均池化或最大池化，并且有自适应版本，可以自动调整输入大小以满足指定的输出大小。选择适当的池化函数取决于你的应用和输入数据的维度。

2023-10-13 20:20:27 4007 1

原创 ReLU激活函数

ReLU（Rectified Linear Unit）激活函数是深度学习中最常用的激活函数之一，它的数学表达式如下：在这里，(x) 是输入，(f(x)) 是输出。ReLU激活函数的使用非常简单，它将输入(x)的所有负值变为零，而保持正值不变。这个激活函数具有以下用途和优点：（1）：ReLU引入了非线性性质，使神经网络可以学习和表示非线性函数关系。这对于捕捉复杂的数据模式和特征非常重要。（2）：ReLU计算非常简单，因为它只涉及一个比较和一个取最大值的操作。这使得训练神经网络更加高效。（3）

2023-10-11 21:34:35 988

原创 setattr()函数与getattr()函数用法

函数的一些常见用法，它可以在运行时根据字符串来获取对象的属性、模块中的函数或变量以及类的方法。因此，通常建议在需要动态属性时慎重使用，以确保代码的清晰性和可维护性。这在需要根据字符串的内容来动态调用模块中的函数或访问模块中的变量时非常有用。在需要动态获取属性值的情况下非常有用，尤其是当你不确定属性是否存在或希望提供默认值时。的主要用途是在运行时获取对象的属性值，如果属性不存在，则可以提供一个默认值。是另一个与属性相关的内置函数，它用于获取对象的属性值。也可以用于设置类的属性。修改对象已有的属性的值。

2023-10-11 10:24:00 740

原创 torch.cat函数用法

torch.cat函数是PyTorch中用于拼接张量（tensors）的函数。它可以沿着指定的维度将多个张量连接在一起。

2023-10-10 21:34:00 3825

原创 LeakyReLU激活函数

是PyTorch中的Leaky Rectified Linear Unit（ReLU）激活函数的实现。Leaky ReLU是一种修正线性单元，它在非负数部分保持线性，而在负数部分引入一个小的斜率（通常是一个小的正数），以防止梯度消失问题。：x为负数时的需要的一个系数，控制负斜率的角度。默认值：1e-2(0.01)

2023-10-07 20:38:38 9228 1

原创 nn.Sequential、nn.Linear、nn.ReLU()函数

是 PyTorch 中的一个容器模块，用于按照顺序组合多个神经网络层（如线性层、激活函数、池化层等）。这个容器允许你将各种层按照指定的顺序串联在一起，构建一个神经网络模型。nn.Sequential() 可以允许将整个容器视为单个模块（即相当于把多个模块封装成一个模块），forward()方法接收输入之后，nn.Sequential()按照内部模块的顺序自动依次计算并输出结果。

2023-10-07 19:59:18 2732

原创 Conv1d与Conv2d函数用法

Conv1d和Conv2d分别是卷积神经网络（CNN）中的两种卷积层操作，它们在处理不同维度的数据上有联系和区别，本文是一篇学习笔记。

2023-10-07 15:37:48 6065 1

原创 torch.randn()函数

函数是PyTorch中用于生成具有正态分布（均值为0，标准差为1）的随机数的函数。：可选参数，用于指定生成的随机张量的数据类型。：可选参数，用于指定生成的随机张量所在的设备。这将创建一个形状为(2, 2)的张量，其中的元素是从均值为2，标准差为0.5的正态分布中随机抽样得到的随机数。：表示生成的张量的形状。：可选参数，如果指定了这个参数，生成的随机张量将会被存储在这个参数指定的张量中。是一个形状为(3, 4)的张量，其中包含了随机生成的标准正态分布的随机数。：可选参数，用于指定生成的随机张量的布局。

2023-10-05 20:54:15 11542 1

原创 OrderedDict函数用法

是 Python 标准库中的一个数据结构，它是一个有序的字典（Ordered Dictionary）。与普通字典不同，有序字典会记住元素的插入顺序，这意味着你可以按照元素插入的顺序来迭代字典中的键值对。我们可以使用模块来导入，然后使用它来创建有序字典。以下是一个示例：在某些情况下非常有用，特别是当你需要保持数据的顺序性，并且需要在迭代字典时按照插入的顺序访问数据时。它是一个非常方便的工具，用于处理需要保持顺序的数据。OrderedDict可根据key 或者val 进行排序，例如：(1)按照key

2023-10-05 17:28:19 3158

原创 vars函数

具体而言，vars() 函数可以接受一个对象作为参数，然后返回该对象的属性和属性值组成的字典。对于内置类的实例对象（如列表、字符串等），vars() 函数返回的字典通常只包含内置属性和方法，并不包含实例化时添加的自定义属性。的属性和对应值的字典。这个字典中的键(key,k)是对象的属性名，而值(value,v)是属性的值。如果传递一个对象作为参数给 vars() 函数，它将返回该对象的属性和属性值的字典。具体地说，它返回对象的。对于自定义类的实例对象，vars() 函数返回的字典将包含实例的属性和属性值。

2023-10-05 16:21:50 462

原创 super().init()函数

是用于在 Python 中调用父类（也称为超类或基类）的构造方法（__init__方法）的一种方式。这通常在子类的构造方法中使用，以便在添加子类特有的功能之前，初始化父类中定义的属性和执行其他必要的设置。super()用来调用父类(基类)的方法，__init__()是类的构造方法，就是调用父类的__init__()方法，同样可以使用super()去调用父类的其他方法。

2023-10-04 17:54:57 6179 2

原创 python字符串插入变量的多种方法

当您需要将变量插入字符串时，可以使用不同的方法来实现这一目标。

2023-10-02 20:27:30 4829

原创 envs.yaml与requirements.txt

envs.yaml” 文件通常用于配置和管理环境变量（Environment Variables）的设置。环境变量是在计算机操作系统中存储配置信息的一种常见方式，它们可以影响程序的行为和设置。通常，环境变量用于存储敏感信息（例如API密钥）或配置信息（例如数据库连接字符串），以便在不同的应用程序或环境中共享。“requirements.txt” 文件是用于指定 Python 项目的依赖关系的文本文件。它通常包含了项目所需的 Python 包及其版本信息。

2023-09-26 14:28:07 947

原创 torch.device函数

torch.device 是 PyTorch 中用于表示计算设备（如CPU或GPU）的类。它允许你在代码中指定你希望在哪个设备上执行张量和模型操作，本文主要介绍了 torch.device 函数的用法和功能。

2023-08-02 23:00:13 8134

原创 import函数用法

你也可以导入自己编写的模块，只需确保模块在Python路径中可找到。

2023-08-02 22:27:41 3194

原创 init函数用法

在上面的示例中，MyClass类有一个构造函数__init__，它接受两个参数name和age，其中age有一个默认值0。通过构造函数，我们可以接收外部传递的参数，并将它们用于设置对象的初始状态，使得对象在创建后处于可用的状态。这样，每个EvalState类的实例都会有一个image属性和一个depth属性，分别对应传递给构造函数的image和depth参数的值。构造函数的完整命名是__init__()，注意它的名字中有两个前导和后缀的双下划线，这是Python中的命名约定，表明它是一个特殊的方法。

2023-07-27 22:57:20 2480

原创 argparse函数用法

常用的动作有 “store”（保存值，默认）、“store_const”（保存常量值）、“store_true”（保存 True）、“store_false”（保存 False）、“append”（追加值到列表中）、“append_const”（追加常量到列表中）等。argparse 是 Python 内置的用于解析命令行参数的库，它可以帮助开发者创建用户友好的命令行界面，从而方便用户通过命令行向程序传递参数。通过 argparse，你可以定义程序可以接受的命令行参数的类型、数量以及帮助文本等。

2023-07-27 00:38:14 853

原创 pytorch安装教程（Ubuntu22.04.1，Anaconda3-2023.03）

在安装Anaconda之后，Anaconda会提供一个cudatoolkit工具包，同样包含了CUDA的运行API，可以用来替代官方CUDA的CUDA Toolkit。nvcc -V为查看CUDA运行API版本的命令，由于运行API在CUDA里的CUDA Toolkit工具包中，所以运行API版本也是CUDA Toolkit工具包的版本。可以看到显卡驱动版本是470.141.03，最高支持的cuda版本是11.4，我们可以根据cuda的最高支持版本进行pytorch的安装。

2023-06-24 21:57:42 5636

原创 Ubuntu安装Anaconda详细步骤（Ubuntu22.04.1，Anaconda3-2023.03）

7.按回车键，选择默认的安装目录（默认在用户主目录下创建一个名为anaconda3的文件夹作为安装地址），等待安装完成。10.输入conda list，可以看到anaconda的安装的包，验证anaconda安装完成。2.在用户文件夹下新建一个名为anaconda的文件夹，并将刚刚下载的文件放在此文件夹中。9.此时在anaconda的安装目录anaconda3文件夹中，打开终端。安装完成后，之前建立的anaconda文件夹及安装包删除即可。6.输入yes，并按回车键。输入yes，并按回车键。

2023-06-24 12:07:31 56429 4

原创 YOLOv3&YOLOv5输出结果说明

本文使用的yolov3和yolov5工程文件均为github上ultralytics基于pytorch的v3和v5代码，其训练集输出结果类型基本一致，主要介绍了其输出结果，本文是一篇学习笔记本文使用的yolov3代码github下载地址：yolov3模型训练具体步骤可查看此篇博客：yolov3模型训练——使用yolov3训练自己的模型本文使用的yolov5代码github下载地址：yolov5模型训练具体步骤可查看此篇博客：yolov5模型训练———使用yolov5训练自己的数据集yolov3模型训

2022-06-29 20:41:56 25728 8

原创 YOLOv5添加注意力机制的具体步骤

本文主要介绍了本文在此篇博客的基础上向YOLOv5-5.0版本文主要包括以下内容一、CBAM注意力机制添加（1）修改yolov5s主干网络（2）在common.py中添加可调用的CBAM模块（3）向yolo.py文件添加CBAMC3判断语句二、SE注意力机制添加本文以yolov5s网络为例一、CBAM注意力机制添加注意力机制可以添加在backbone，Neck，Head等部分，接下来本文以backbone主干网络为例（1）修改yolov5s主干网络1.在yolov5-5.0工程文件夹下，找到m

2022-06-06 17:04:59 24340 28

原创 yolov3模型训练——使用yolov3训练自己的模型

本文主要讲述了在Windows10环境下使用yolov3训练模型的具体步骤本文主要包括以下内容：一、程序下载与准备（1）yolov3下载（2）训练集文件夹创建（3）预训练权重下载二、环境搭建（1）pytorch安装（2）将pytorch应用到工程（3）requirements中的依赖包安装（4）环境搭建可能遇到的问题三、数据集制作四、yolov3模型训练（1）修改数据配置文件（2）修改模型配置文件（3）train.py主函数修改（4）模型训练可能遇到的问题五、测试结果（1）图片测试步骤软件准备：anac

2022-05-05 14:44:29 35304 77

原创 yolov5模型训练———使用yolov5训练自己的数据集

本文主要讲述了在Windows10环境下使用yolov5训练模型的具体步骤，是对前一篇博客yolov5的学习和补充，讲述了使用从github上下载yolov5作者源码训练自己模型的具体过程，本文是一篇学习笔记。yolov5目前更新到了最新版的6.1版本，本文将以6.1版本为例本文主要包括以下内容：一、程序下载与准备（1）yolov5下载（2）训练集文件夹创建（3）预训练权重下载二、环境搭建（1）pytorch安装（2）将pytorch应用到工程（3）requirements中的依赖包安装（4）环境搭建可

2022-05-02 22:47:58 10015 7

原创目标检测—基于Yolov5的目标检测项目（学习笔记）

今天学习了炮哥带你学的yolov5入门教程，并成功的训练出了模型，原博客地址：目标检测—教你利用yolov5训练自己的目标检测模型本文主要讲述了在Windows10环境下复现项目的具体过程和遇到的一些问题及解决方法，主要包括以下内容：代码下载：yolov5的github地址：yolov5本项目百度网盘地址：yolov5-hat提取码：pVG2 （来自up主炮哥带你学）软件准备：已安装好anaconda、pycharmanaconda安装步骤可以参考此篇博客：Anaconda安装步骤（W

2022-04-29 17:22:15 20591 4

原创 MMD原神动画制作（学习教程二）

本文主要讲述了使用MikuMikuDance制作视频动画的基本步骤，本文所使用的全部模型均在模之屋可以下载学习本文主要分为以下部分：一、影子操作二、镜头远近操作三、镜头上下操作一、影子操作1.影子颜色调整首先切换到照明模式，然后调整颜色的值，例如这里增大了赤的值，可以看到模型影子变为红色。这里我们可以通过组合赤（红）、绿、青（蓝）三基色去调整不同光照环境下影子的颜色，得到自己想要的颜色（例如树荫下片绿色，海水中偏蓝色）点击下方初始化，颜色会还原为初始值2.影子角度调整x轴：影子方向控制z

2022-04-04 17:46:40 8510 1

原创 MMD原神动画制作（学习教程一）

本文主要讲述了使用MikuMikuDance制作视频动画的基本步骤，本文所使用的全部模型均在模之屋可以下载学习本文主要分为以下几个部分：一、导入模型二、导入动作三、导入音乐四、导入场景五、导入摄像头六、导出视频一、导入模型1.打开MikuMikuDance界面如下：2.接下来选中我们下载好的pmx模型文件（原神官方模型），直接拖入MMD中，如下图所示：3.取消选择，可以取消显示骨骼帧，如下图所示：二、导入动作1.在MMD左下角我们可以看到有两个窗口，分别是照明窗口和动作窗口，我们需要在动

2022-04-03 18:59:46 25905 4

原创 pmx转fbx的具体步骤

本文主要讲述了在Windows10环境下，通过blender将pmx格式文件转化为fbx文件的具体步骤本文主要包括以下三个部分：一、blender下载与安装二、cats插件安装三、pmx格式转换为fbx格式一、blender下载与安装1.下载blender到电脑上blender下载建议下载2.83版本，3.0版本以上在修理模型时会丢失材质2.下载后双击打开安装文件，除了安装地址（建议安装在D盘）之外，其他均默认即可二、cats插件安装1.cats插件下载要将pmx转为fbx格式，需

2022-03-28 19:15:49 30483 11

原创 YOLOV3论文阅读（学习笔记三）

cv小白的yolov3学习笔记总结原文：yolov3在COCO奇怪的mAP@0.5:0.95上和ssd是平分秋色的，在另一个指标上比ssd快三倍由图表可知，yolov3在AP50时效果是比较好的（红色框），在AP和AP75条件下效果并不好（绿色框）...

2022-03-26 23:06:10 4429 1

原创 YOLOV3论文阅读（学习笔记二）

cv小白的yolov3学习笔记总结论文下载地址：YOLOv3: An Incremental Improvementyolov网址：https://pjreddie.com/darknet/yolo/2.2多类别标注分类（Class Prediction）原文：在yolov3中每一个预测框会输出输出85个值，其中的5个是中心点坐标，宽高，置信度，还有80个是条件类别概率。每一个类别，单独用一个二分类输出0到1之间的概率，也就说，可能会有多个类别的概率都是1，标签值为1，预测值为1。我们并不使用so

2022-03-21 17:55:19 5577

原创 YOLOV3论文阅读（学习笔记）

cv小白的yolov3学习笔记总结论文下载地址：YOLOv3: An Incremental Improvementyolov网址：https://pjreddie.com/darknet/yolo/yolov3是yolov系列的第三个版本，yolov1和yolov2分别发表在2016和2017年的CVPR上。yolo系列算法是基于深度学习和卷积神经网络的单阶段通用目标检测算法，把目标检测问题转化为回归问题，不需要经过提取候选框的冗余问题。yolov3网络体积比yolov2网络更大，更深，但是准确度更高。

2022-03-20 16:49:07 7290

原创 An HTTP error occurred when trying to retrieve this URL.（解决方案）

在通过vscode向服务器安装pytorch时，切换了清华源之后，遇到了下面的错误：An HTTP error occurred when trying to retrieve this URL. HTTP errors are often intermittent, and a simple retry will get you on your way.遇到此错误的时添加的清华源如下：conda config --add channels https://mirrors.tuna.tsinghua

2022-03-17 23:20:49 37938 10

空空如也

空空如也