u010879745的博客

python调试问题

pyenv: version `3.7.13' is not installed (set by /home/john/.pyenv/version）

先上一张图image[0, …] = image_data.reshape(shapeIn[1:])这句核心语句刚看到不理解，经查详述如下：image为numpy类型， 为shapeIn为turple类型image[0, …] 等同于image[0, : ]

C:\Users\DELL>jupyter notebookC:\Users\DELL>jupyter --config-dirThe directory to use for notebooks and kernels.c.NotebookApp.notebook_dir = ‘C:\Users\DELL\Desktop’指向一个你电脑上有效的目录即可

从目录中取出所有图像文件名写入一个文本文件在使用 write() 向文件中写入数据，需保证使用 open() 函数是以 r+、w、w+、a 或 a+ 的模式打开文件，否则执行 write() 函数会抛出 io.UnsupportedOperation 错误。import osimage_folder="./yolo"f = open("calib_data.txt", 'w+')listimage = [i for i in os.listdir(image_folder) if i.endswi

job_id = dpu.execute_async(inputData, outputData)dpu.wait(job_id)np.save("outputDatay[0]", outputData[0])np.load("outputDatay[0].npy")print(f"outputDatay[0] = {outputDatay[0].shape}")np.save("outputDatay[1]", outputData[1])np.load("outputDatay[1].n

DARKNET参考网页https://pjreddie.com/darknet/yolo/darknet转换keras h5https://gitee.com/huxiaoou/yolov3_keras?_from=gitee_searchjohn@john-wang:~/yolov3/yolov3_keras$ python3 convert.py yolov3.cfg yolov3.weights model_data/yolov3.h5john@john-wang:~/yolov3/yol

查看CUDA版本john@john-wang:~/yolov3/yolov3_mask_detect$ nvcc -V查看显卡john@john-wang:~/yolov3/yolov3_mask_detect$ nvidia-smi

upgrade pipjohn@john-wang:~$ python3 -m pip install --upgrade pipjohn@john-wang:~/pipenv$ pip3 install pipenvjohn@john-wang:~/pipenv$ pip3 install --user --upgrade pipenvpipenv --two # 使用当前系统中的Python2 创建环境pipenv --three # 使用当前系统中的Python3 创建环境pipenv

因为模型需要指定分辨率，但包括格式工厂内的软件均不提供指定分辨率，没办法，自己参考编一个python程序安装完opencv后，要重新启动anaconda# -*- coding: utf-8 -*-"""Spyder 编辑器这是一个临时脚本文件。"""import cv2#cap = cv2.VideoCapture(r"C:\Users\DELL\Desktop\seg\MOVA0015.mp4")cap = cv2.VideoCapture("MOVA0014.mp4")video

一个简单的caffe网络name: "convolution"input: "data"input_dim: 1input_dim: 1input_dim: 100input_dim: 100layer {name: "conv"type: "Convolution"bottom: "data"top: "conv"convolution_param {num_output: 2kernel_size: 5stride: 1weight_filler {type: "gau

print(image[0].shape)print(np.max(augmented_image[0],1).shape)两种显示方式plt.imshow(augmented_image[0].numpy().astype(“uint8”))plt.imshow(augmented_image[0] / 255))(160, 160, 3)(160, 3)np.max(a，1)np.argmax(a， 1)When you set layer.trainable = False, the

用minist.load.data()读取numpy数据直接送入model(x_train, y_train), (x_test, y_test) = mnist.load_data()x_train, x_test = x_train / 255.0, x_test / 255.0定义输入维数model = tf.keras.models.Sequential([tf.keras.layers.Flatten(input_shape=(28, 28)),tf.keras.layers.Dens

忽略告警import warningswarnings.filterwarnings(“ignore”)import osos.environ[“TF_CPP_MIN_LOG_LEVEL”] = “3”TensorFlow的日志级别分为以下三种：TF_CPP_MIN_LOG_LEVEL = 1 //默认设置，为显示所有信息TF_CPP_MIN_LOG_LEVEL = 2 //只显示error和warining信息TF_CPP_MIN_LOG_LEVEL = 3 //只显示error信息所以

课程页fast.ai releases new deep learning course, four libraries, and 600-page bookhttps://www.fast.ai/2020/08/21/fastai2-launch/fastai applications - quick starthttps://docs.fast.ai/quick_start.html教程页https://docs.fast.ai/tutorial.vision程序页https://col

Pytorch to(device)用法，如下所示：device = torch.device(“cuda:0” if torch.cuda.is_available() else “cpu”)model.to(device)非常重要的提示：这两行代码放在读取数据之前。mytensor = my_tensor.to(device)这行代码的意思是将所有最开始读取数据时的tensor变量copy一份到device所指定的GPU上去，之后的运算都在GPU上进行。https://www.jb51.n

pytorch数据加载、模型保存及加载https://blog.csdn.net/FPGATOM/article/details/85337469https://www.jb51.net/article/167892.htmtorch.train() torch.eval()https://blog.csdn.net/weixin_43593330/article/details/103365671以下是三种方式，作者亲自试过# torch.save(net.state_dict(), 'net

https://www.cnblogs.com/moon3/p/12199588.html查看CUDA版本john@john-wang:~$ cat /usr/local/cuda/version.txtCUDA Version 10.0.130john@john-wang:~$ nvcc -Vnvcc: NVIDIA ® Cuda compiler driverCopyright © 2005-2017 NVIDIA CorporationBuilt on Fri_Nov__3_21:07:

因要用到efficientnet模型，现在这个模型只存在在tf-nightly版本中, 又不想破坏主环境，因此采用虚拟环境virtualenv来安装，而不是采用conda create.sudo apt-get install python-virtualenvvirtualenv -p /usr/bin/python3 tf2进入envsource ~/tf2/bin/activate查看虚拟环境下安装的所有的包　pip list查看虚拟环境重通过pip安装的包pip freezepip

详解深度学习之经典网络架构（六）：ResNet 两代（ResNet v1和ResNet v2）_chenyuping333的博客-CSDN博客_resnet v2 https://blog.csdn.net/chenyuping333/article/details/82344334网络加深，梯度消失为什么随着网络层级越深，模型效果却变差了呢？下图是一个简单神经网络图，由输入层、隐含层、输出层构成：回想一下神经网络反向传播的原理，先通过正向传播计算出结果output，然后与样本比较得出误差值E

深度学习的激活函数 ：sigmoid、tanh、ReLU 、Leaky Relu、RReLU、softsign 、softplus - 程序员大本营 https://www.pianshen.com/article/6147380115/数学表达式： y = max(0, x) + leak*min(0,x)与 ReLu 相比 ，leak 给所有负值赋予一个非零斜率， leak是一个很小的常数 \large a_{i} ，这样保留了一些负轴的值，使得负轴的信息不会全部丢失）#leakyRelu

depthwise_conv2d和conv2d的不同之处在于conv2d在每一深度上卷积，然后求和，depthwise_conv2d卷积，不求和。[https://www.cnblogs.com/itmorn/p/11250371.html]depthwise_conv2d如下张量x和卷积核K进行depthwise_conv2d卷积结果为：import tensorflow as tf# [batch, in_height, in_width, in_channels]input =t

https://blog.csdn.net/mcyJacky/article/details/88706164模型保存model.save(‘model.h5’) # HDF5文件，pip install h5pyh5模型恢复和继续训练下面可以可以通过load_model()方法，对保存的模型进行恢复或者可以对模型进行继续训练。具体如下：import numpy as npfrom keras.datasets import mnistfrom keras.utils import np_ut

加上name值，方便在tensorboard里面查看def conv_layer(input, size_in, size_out, name=‘conv’):# 定义名字作用域with tf.name_scope(name):w = tf.Variable(tf.truncated_normal([5, 5, size_in, size_out], stddev=0.1), name=‘W’)b = tf.Variable(tf.constant(0.1, shape=[size_out]),

fit_generator函数简介浅谈keras通过model.fit_generator训练模型(节省内存)https://www.jb51.net/article/188905.htmfit_generator(generator,steps_per_epoch=None,epochs=1,verbose=1,callbacks=None,validation_data=None,validation_steps=None,class_weight=None,max_queue_s

TensorBoard的使用https://blog.csdn.net/duanlianvip/article/details/98498826概述TensorBoard是一个可视化工具，它可以用来展示网络图、张量的指标变化、张量的分布情况等。特别是在训练网络的时候，我们可以设置不同的参数（比如：权重W、偏置B、卷积层数、全连接层数等），使用TensorBoader可以很直观的帮我们进行参数的选择。本系列文章一共四篇，由浅入深，以常见的Mnist数据集为实验对象，从实现最简单TensorBoard开

john@john-virtual-machine:~/DPU-PYNQ/test$ sudo apt-get install pythonpython3-pip出现巨多依赖库无法正确安装问题解决办法：sudo apt-get remove python-pip-whlsudo apt -f installsudo apt update && sudo apt dist-upgradesudo apt install python3-pip终于正确出图.........

排序三种办法的性能比较start = time.time()fo = open(resultname, “w”)task = n2cube.dpuCreateTask(kernel, 0)print("\n")height, width, channel, mean = preprocess.parameter(task, KERNEL_CONV_INPUT)#print(“outputMean = %f”%mean[0])for i in range(imagenumber):path =

Python调试环境建议安装Anaconda，下面是下载安装链接：https://repo.anaconda.com/archive/Anaconda3-2020.02-Windows-x86_64.exe下载安装文件为Anaconda3-2020.02-Windows-x86_64.exe安装成功后，点击下图中的Anaconda Prompt安装完Python继续安装图像处理模块cv2安装方式为在Anaconda Prompt下输入, 为加速下载，建议用VPN软件pip install op

(8条消息)VS2015与Opencv4.1配置（win10系统） - 贾路飞的博客 - CSDN博客 https://blog.csdn.net/jgj123321/article/details/94636112

方法一、cv2import cv2filename=r’D:\Work\ILSVRC\val_3.jpeg’cv2.imread(filename)　#读文件BGR格式im1 = cv2.resize(im1,(400,400))　#默认双线性插值#cv2.imshow(‘cv2’,im1)　#显示图像#cv2.waitKey(0)方法二、matplotlib pltimport ...

前些天，编写文档时不小心python文件名与python关键字一样，argparsert.py和enum.py，用命令行编译时，将上述文件当成模块调入执行，造成编译错误，见下图。改好即好。...

import tensorflow as tfmatrix1=tf.constant([[3,3]])matrix2=tf.constant([[1],[2]])product=tf.matmul(matrix1,matrix2)##method1sess=tf.Session()#result=sess.run(product)#上下的两种方式完全一样，但eval()中必须有参数...

以下示范了Path、路径级连、改换当前目录、取出目录内的文件、打印目录内的文件、将当前目录文件名转换为字符串数组等方法。import osfrom pathlib import Pathfrom IPython.display import display, Imagepr =r’D:\Setup\Work\Xilinxsetup\ultra96\ILSVRC2012_img_val’p...