- 博客(45)
- 收藏
- 关注
RSS订阅原创 paddle2onnx的一个坑
解决方法将paddle2onnx升级到1.1.0以上（现在windows下可以直接装的貌似是1.0.6如果一定在windows下可能需要认为编译比较麻烦。条件允许可以考虑一下linux吧）。咱们要做的是直接把动态图加载好后转onnx这样实测下来精度没有丢失。正常步骤模型训练完成后转静态图，然后转onnx。但是实际对比发现这么干有精度丢失。
2024-05-17 15:12:20
145
转载 深度学习调试远程连接服务器
https://blog.csdn.net/flyingluohaipeng/article/details/124795643
2023-01-09 09:46:20
171
原创 阿里云镜像备份无法使用问题
事情是这样的，我是使用带gpu的配置镜像模型训练后来进行了镜像备份通过oss将img下载到本地在上传发现无法通过该镜像继续使用原来的配置了。咨询了技术人员需要选择bios模式就ok了。
2023-01-05 09:48:23
278
原创 研究一下带旋转的目标检测工作
Open Dir为打开要标注的图像文件夹，Files->change default saved Annotation dir 更改保存的标注xml文件路径，Create RotatedRBox开始绘制旋转矩形。进入下载好的roLabelImg-master文件夹内（resources.py所在目录），CMD中输入。进入下载好的labelImg-master文件夹内（resources.py所在目录），CMD中输入。，即打开了labelImg运行页面可开始标注了。（或者下载whl文件进行离线安装。...
2022-08-31 16:59:11
1156
原创 jetson安装pytorch
Installing PyTorch for Jetson Platform :: NVIDIA Deep Learning Frameworks Documentation
2022-08-30 10:37:09
1400
转载 ubuntu加装固态硬盘设置
ubuntu新增加固态硬盘，格式化并挂载到根目录下 - 奔跑的虎皮猫 - 博客园前言：将固态硬盘装到电脑，ubuntu系统需要格式化并挂载才能正式使用 将固态装在电脑上后，打开后端 1：查看现有硬盘分区及挂载状态 命令 ：df -h 没有新增的SSD固态硬盘 2：查看服务器所有安https://www.cnblogs.com/bpdhpm/p/11384473.html...
2022-02-07 11:18:20
521
原创 开始monai
MONAI是nvidia技术人员在2022年1月13日线上沙龙分享出来的repository。主要针对医疗影像的特殊性质在pytorch基础上做了一些相关工作。本文章只作为线上沙龙的一些体会，关于monai技术的具体使用后续在有文章更新（如果我还想得起来更新的话233）。如上所示，MONAI是主要针对healthcare的基于pytorch（吐槽一下paddle要取代pytorch还有很长的路要走，当然paddle也有他的亮点233）。以下是他的设计初衷，由于本人的工作是做医疗影像的，听完他们的
2022-01-13 11:28:30
1379
2
原创 yolox
好久没做目标检测，之前一直在做分割问题，目前体验下来目标检测在算法上要求貌似更高一点。所以计划研究下yolo系列最新出的yolox。yolox相对于之前的yolo系列在速度上有了比较大的提升并且移除了anchor的步骤，做到了anchor free。这里吐槽一下yolo1也是anchor free，yolo2引入了anchor，发展到现在又把anchor给移除掉。毕竟anchor有其局限性，我们要先聚类出预置框然后再去学习偏移。聚类这一步就导致了他的局限性，毕竟预先设定好的anchor肯定是有限的，不同的数
2021-12-31 13:16:02
1983
1
原创 3d图像变形操作
We appliedposition of[17] and then resampled to a common resolution of 1 × 1 × 1.5 mm. We appliedrandom deformations to the scans used for training by varying the position ofthe control points with random quantities obtained from gaussian distributio..
2021-11-29 14:32:44
254
2
原创 医学影响重采样，规范化空间像素
医学影像重采样 - 码农教程本文章向大家介绍医学影像重采样，主要包括医学影像重采样使用实例、应用技巧、基本知识点总结和需要注意事项，具有一定的参考价值，需要的朋友可以参考一下。http://www.manongjc.com/detail/14-cpagtylrvatsdqn.html...
2021-11-29 10:09:40
2110
原创 关于git的常用操作
git fetch git pull git commit git push git checkout git remote prune git status git add git branch -d大佬目前教了我这些git操作，一般来说目前工作上够了。在有复杂的功能以后慢慢研究git fetch是拿取操作 git fetch 完成后，进行git checkout ？？，检出自己接下来要改的分支 git pull=git fetch+git checkout 当前自己本地所在的分
2021-11-22 10:52:05
196
转载 关于图卷积
跳出公式，看清全局，图神经网络（GCN）原理详解_结构回忆一下，我们做图像识别，对象是图片，是一个二维的结构，于是人们发明了CNN这种神奇的模型来提取图片的特征。现实生活中，其实有很多很多不规则的数据结构，典型的就是图结构，或称拓扑结构，如社交网络、化学分…https://www.sohu.com/a/342634291_651893...
2021-10-26 22:39:31
95
转载 python多线程获取返回值
python获取多线程的返回值 - Hu知非 - 博客园最近有个需求，用多线程比较合适，但是我需要每个线程的返回值，这就需要我在threading.Thread的基础上进行封装 执行结果 (0, 2, 4)(2, 4, 6)(4, 6, 8)(6, 8, https://www.cnblogs.com/hujq1029/p/7219163.html...
2021-10-13 17:37:58
152
原创 关于pytorch模型转tensorrt模型遇到的问题
实现一个对于dcm格式的人体切下来的组织就行钙化点检测。我采用了unet分割算法，期间pth模型训练已经到达了一定精度。准备部署到嵌入设备上。期间遇到一个印象深刻的坑，pth转onnx转trt。用trt跑的时候精度变低了。试了trtexec的命令进行各种参数设置并没有改观该现象。在onnx转trt过程中查了很多资料也辗转了很久以为是onnx转换过程出现了问题。后来无意一次心血来潮想试一下onnx的本身精度。发现onnx的精度也有问题，那么问题原来处在onnx上。问题解决的也挺奇特的，本来onnx是放在bai
2021-09-29 16:05:33
1103
5
原创 关于广播机制
各种深度学习框架中的tensor广播机制和numpy是一样一样的。使用于张量形状不一致的情况。广播机制需要遵循以下条件：每个张量至少为一维张量。就是说总得有吧 然后从后往前对张量比较张量的形状，当前维度的大小要么相等，要么其中一个的大小为1（之所以为1相当于可以根据这个值进行“copy”到匹配大小） 如果两个张量的形状长度不一致。我们就扩充短的形状张量的维度（形状上向前+1）到形状长度一致（维度一致）总得过程可以理解为，先通过广播的方式让两个张量的形状变得一致，然后进行运算...
2021-07-15 07:52:22
330
原创 c++关于友元类的坑
#include<iostream>#include<string>using namespace std;class Building;class goodGay {public: goodGay(); void visit(); Building *building;};class Building { friend class goodGay;public: Building();public: string m_SittingRoom;.
2021-06-25 08:32:36
167
原创 关于DANet注意力机制
所谓注意力，是把关注点放在值得特征图上值得关注的一些地方。那么为我们怎么知道哪些点值得关注哪些点不值得关注呢？这个也是需要构建网络来学习的。DANet又叫做Dual attention Net。
2021-06-21 11:29:17
1997
原创 学习率的调整策略以及loss函数的设定总结
我们知道，深度学习过程的本质，实际上是在网络构建好、以及loss计算方式确认的情况下。用loss对模型总可学习参数求梯度值乘以学习率来更新模型里面的相关学习参数。那么学习率我们应该如何设定呢？最朴素的思路是，学习率要先大后慢慢变小。因为一开始参数初始化后距离他的最优解距离通常来说是比较远的。我们要一开始以较大的学习率把参数更新到离最优值比较近的位置，然后在减小学习率来进行微调，达到使学习参数尽可能的接近最优值的目的。如下图所示红线是我们想要的最佳效果。已知的学习率调整策略也是多样的，但是其本质都
2021-06-11 08:04:48
4185
1
原创 关于mAp的理解
要理解mAp，首先要知道Ap。mAp是网络模型对不同类别Ap的平均值。那么什么是Ap。我们知道precision和recall。我们将预测出来的detector框（网络计算输出框后进过nms去重后的），按照confidence从高到底进行排序。这个时候我们按照顺序拿取我们的预测框与groundtruth做比较，根据其与对应类别的groundtruth的iou来判断其是正样本还是负样本。如果判断为正样本则把该groundtruth框去掉，并且更新precision和recall值。所以整个过程我们的recal
2021-06-07 07:16:58
573
原创 神经网络的基本训练流程要素
什么是模型训练呢？简单来说就是我们根据我们的任务内容，构建网络模型。模型的输出与我们处理后的目标label值构成loss值。我们的目的是让我们的模型输出与lable的loss数值越小越好。这样能够让模型在测试的时候仅仅通过输入数据能够得到相对比较准确的label值。那么这件事情有哪些技术关键点了。我做了如下总结明确我们要训练的label值。在构建dataset的时候，能够对label值进行处理明确我们网络要训练得到的输出数据是什么样子的，又是如何与我们的具体任务相映射。这个label的处理方式不同的任务
2021-06-06 22:11:43
1223
原创 yolo系列值yolov2
https://blog.csdn.net/weixin_41630455/article/details/117408955这里我整理的yolov1的一些知识点。https://zhuanlan.zhihu.com/p/35325884在听完老师讲课心里还有疑惑的地方，也参考了这篇文章做了解答。yolov2相对于yolov1 做了哪些改动呢？其实从设计上简单来说做了两点改动多尺度提取特征（与ssd的设计有点类似，不光计算了深层的特征，同时也结合了浅层的特征） 预测偏移量（借鉴了faster.
2021-06-01 07:53:42
522
原创 目标检测yolo系列之yolov1
计算机视觉任务一般有分类任务、检测任务、分割任务等。其中检测任务是其中的一个典型应用。什么是目标检测，目标检测就是我们给定一张图片，通过模型能够用矩形框（也有其他形式的框，比较基础的是矩形框）标注出我们希望检测到的物体并且在将该物体框出来的同时能够给出这个物体属于哪一种类别。那么我们该如何达到目标检测的目的呢？首先我们有这样一个思想：深度学习中所有的问题都可以归纳为分类问题和回归问题（这个思想我是和我的老师也是这一领域的一个大佬验证过，所以是比较可靠的一个思想）。然后根据这个思想我们可以将检测问题也
2021-05-31 10:33:34
398
1
原创 深度学习关于数据处理部分心得
我们知道，我们一般深度学习的过程。可以简单的分为训练过程、验证过程、使用过程。其中训练过程和验证过程需要送入data、label数据。而使用过程则是输入data数据直接得到模型计算出来的label信息。在训练过程中我们将data数据输入模型得到模型计算出来的结果然后和我们输入的label信息进行对比误差，然后根据误差反向传播来更新模型中的可学习参数，最后让模型预测值和给到的label值的误差尽可能的小。所以如何将data数据和label数据传入模型这件事情就变得十分重要了。课程中老师讲到这一块我觉得
2021-05-30 08:32:26
556
原创 关于cv2读取文件返回为None的问题
cv2.imread(filename)如果读取的filename里面含有中文，则会由于编码问题无法识别。如果想要读取的话，需要用到np先进性读取，然后在转化以下。如下
2021-05-29 09:40:05
544
原创 deeplab相关理解
前面这一段是我写的关于卷积和转置卷积的一些总结https://mp.csdn.net/editor/html/116109041。接下来我们讨论以下膨胀卷积。这个链接是老师关于膨胀卷积的一些讨论：https://zhuanlan.zhihu.com/p/372753977。膨胀卷积和普通卷积不一样，膨胀卷积是对kernel元素之间进行空间插入。膨胀率往往是一个超参数d，然后有d-1个空格被插入kernel元素中。d=1的时候就对应我们的常规卷积操作。膨胀卷积用来在不增大kernelsize的情况下简单的
2021-05-19 22:30:00
583
原创 Unet相关介绍
Unet是在Fcn基础上提出的一种应用于医学影响的分割网络。医学影像的特点是1、数据集小。2、单张图片大。由于以上医疗影像的特点，我们无法直接用Fcn进行分割学习。一个德国团队提出了Unet网络设计在，做到了仅仅用30张医疗影响的数据集就取得了相当不错的效果。我认为Unet与fcn主要有以下几点差异：使用了overlap-tile策略。它是对一张大的医疗影响先分成一小块一小块进行分割训练（388*388大小的子图）。最终将这一小块一小块的分割图拼接起来。这个与fcn相比，fcn的尺寸是直接拿原图
2021-05-12 20:03:08
33864
1
原创 关于fcn技术点知识总结（conv和transconv的关系详解）
https://github.com/vdumoulin/conv_arithmetic老师关于fcn的翻卷积后对浅层crop的计算细节地址https://zhuanlan.zhihu.com/p/367501459这个链接下有关于各种conv的各种计算细节。以及各种情况下conv与对应deconv的对应关系。根据convolution这个文章的解读。以下是关于我阅读这篇文章中的一些中文细节注释（标红的是个人理解）。文中开头提到一个conv层的输出形状受到他的输入形状、kernel形状的选择、零
2021-04-25 22:14:45
1487
3
原创 图像分割技术之上采样技术
上采样技术定义理解：可以理解为下采样的一种逆运算。下采样一般是特征图进行conv2d卷积操作或者pooling池化操作不断的提取原特征图的信息导致特征图会越来越小。而上采样技术恰好相反。我们希望将特征图变得越来越大，也就是在原来的信息基础上又生成一些信息出来上采样技术有以下几种：反池化unpooling 双线性插值interpolation 转置卷积unpooling技术又分为1、zero unpooling 2、max unpoolingzero unpooling实际上就是在原来的特征
2021-04-18 19:54:21
1273
原创 java的一些基础知识
java类中的main方法，为什么里面必须要有string []args 参数。那是因为有时候java是要在控制台运行，那个时候需要输入命令来运行，所以要有这个参数一个文件里面只能有一个public的类。这个public的类之后可以被其他对象引用。类和对象。类是对象的蓝图。class Student{ public String name; public double score; public Student(String name){ this.na
2020-11-28 22:46:31
68
原创 pytorch中lr_scheduler的使用
我们知道在实际训练中学习率最好是能够动态变化的。一般情况下，我们希望学习率一开始比较高，因为一开始训练的时候我们需要更快的学习速度，梯度下降法能够更快的帮助我们的模型参数到达一个比较好的值。但是当模型训练到一定程度后，学习速度能够降下来，相当于那个时候的训练会是一个微调训练的过程。pytorch中的lr_sheduler就满足了我们这样的需求...
2020-11-06 08:01:42
878
原创 python的基本函数使用（持续更新）
assert语法： assert expression 在expression为false的时候终止程序 等价于 if not expression: raise AssertionError(arguments) isinstance语法： isinstance(object,classtuple) 判断object是否是classtuple中的类型 python staticmethod 返回函数的静态方法。 class C(object): @
2020-10-27 22:22:23
803
原创 gpu上学习遇到loss下降不了的问题解决
模型构建完成后，以及遍历dataloader时候。我使用了import torch.nn as nnimport torch.nn.functional as Fclass Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(3, 6, 5) self.pool = nn.MaxPool2d(2, 2)
2020-10-24 08:49:03
668
原创 pytorch基础使用
pytorch的使用与numpy比较类似。在cpu上torch格式的数据能够和numpy格式的数据互相转换。共享一个内存。以下语法对比：x=torch.empty(5,3) x=torch.randn(5,3) x=torch.zeros(4,3,dtype=torch.long) x=torch.tensor([[1,2,3],[4,5,6]],dtype=torch.long) 。。。。。当torch中只有一个元素的时候。可以使用item方法获取torch中的数值。x=tor...
2020-10-20 07:45:09
153
原创 Linq
From 元素变量 in 元素集合 where 条件判断 select 返回元素join on联合查询into groups对结果进行分组操作group by对结果进行分组any、all量词操作符
2018-03-13 20:55:36
101
原创 正则表达式
正则表达式的静态方法功能：验证、提取、分割、替换@字符放在string前面对正则表达式中的斜杠定义为元字符而不会让编译器去解析其中的转义字符
2018-03-13 20:52:15
105
原创 事件的定义
事件event，只能在类里面进行调用执行。在类外只能进行+-操作事件是类或对象向其他类或对象通知发生事件的一种特殊签名的委托。事件的声明：public event 委托类型 委托名。观察者设计模式事件是一种特殊的委托。这种委托的执行只能在定义的类部进行，在类外无法执行。以此来规避错误。但是该委托可以在类的外部进行赋值...
2018-02-26 23:11:41
3109
原创 lambda表达式
lambda表达式用来顶替匿名方法。所以lambda表达式也是定义了一个方法。形式为：（参数）=>{方法体} lambda如果只有一个参数我们可以不用括号，如果lambda方法体只有一个语句我们不需要加{}和return。系统编译时会自动帮我们添加。...
2018-02-22 21:57:12
79
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