- 博客(84)
- 收藏
- 关注
RSS订阅原创 CNN中的参数，计算量，FLOPs，Multi-Add(乘加)，输出特征图尺寸和通道变化
在阅读论文时，我们会遇到参数量，FLOPS，Multi-add， CNN参数，CNN计算量等概念，通过阅读整理，这篇博客希望以最简洁的解释帮助大家理解这些基本概念。FLOPs：注意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。卷积的参数可以理解为在一个卷积窗口内的计算个数，即输出一个卷积结果元素产生的运算操作。当 d = 1时，表示的普通卷积，退化为前面的公式；3 的卷积核，其步长为2进行计算的例子：最后的输出特征图是 3。
2024-03-09 21:39:43
1282
原创 可变形卷积 DeformConv2d
codebase地址：（很多框架中都已实现，这里选择以pytorch的为例）3×3标准和可变形卷积的采样位置图示。(a) 标准卷积的规则采样网格（绿点)。(b) 可变形卷积中带有增强偏移量（浅蓝色箭头）的变形采样位置（深蓝色点)。（c)(d)是(b)的特例，表明可变形卷积概括了尺度、（各向异性)长宽比和旋转的各种变换。
2023-11-17 12:15:43
1859
1
原创 解决Python中“Clipping input data to the valid range for imshow with RGB data ”
方法一：plt.imshow(ndarray.astype(‘uint8’))将 float 型数据截短转换成 uint8 型数据。方法二：plt.imshow(ndarray/255)将数据缩放到[0,1]。
2023-10-19 11:29:52
140
原创 图像分块及拼接(二)python代码
代码中对图像分块不均匀，本文给出的代码，图像分块大小相同。改进方法：图像分块不均匀时，填充事情shape相同。完整代码查看我的github。
2023-10-19 11:24:57
188
原创 将Windows本地的数据集上传到Linux服务器
在左侧边栏中找到存放数据集的位置，点击上传按钮（这里只能上传单个文件），就可以完成上传了。初稿完成时间：2023.9.12 21：33。具了解上传速度为1M/s-22M/s.其他方法待尝试，未完待续。
2023-09-12 21:34:35
373
原创 Union类型和集合的union()方法-set.union()
Python中的Union类型是 3.10版本引入的新功能之一。一般情况下，一个变量只能包含一种数据类型，但是使用Union类型可以创建一个变量，可以包含多种类型的数据。python集合union方法返回多个集合的并集，并集中的元素包含所有集合的元素，参与计算的集合都是它的子集。下面是一个示例代码，展示了如何使用Union类型创建包含多种不同数据类型的变量。Union[int, float]表示age参数可以是int型或float型。5.Union 嵌套 Union 会自动解包。4.自动忽略类型参数顺序。
2023-09-04 18:03:40
1126
1
原创 python中super()用法
super() 是python 中调用父类（超类）的一种方法，在子类中可以通过super()方法来调用父类的方法。超类： 是指 2层以上的继承关系，假如 C类继承B类，B类由继承A类，那么A类就是C类的超类。
2023-09-02 19:49:58
832
原创 Pytorch-lightning简介
pytorch-lighting（简称pl），它其实就是一个轻量级的PyTorch库，用于高性能人工智能研究的轻量级PyTorch包装器。缩放你的模型，而不是样板。
2023-08-31 17:54:23
807
原创 YAML基本介绍和使用语法
YAML是一种计算机数据序列化语言。（YAML is a computer data serialization language.）YAML is a human friendly data serialization standard for all programming languages（YAML是一个对所有编程语言都很友好的数据序列化标准），可以用于多种编程语言。因其良好的跨语言、跨平台、易于理解、格式简单而广泛应用于配置文件、数据文件、日志文件等。
2023-08-30 18:07:53
2422
原创 详解Python argparse ---命令行选项、参数和子命解析器
argparse模块使编写用户友好的命令行界面变得容易。该程序定义了它需要什么参数，argparse将找出如何从sys.argv中解析这些参数自动生成帮助和使用消息。当用户给予程序无效时，该模块也会发出错误论点。-------注：来自官网文档介绍。
2023-08-28 23:05:16
235
原创 生成模型基础概念-JS散度和Wasserstein散度
Wasserstein距离相比 KL 散度和 JS 散度的优势在于：即使两个分布没有重叠或者重叠非常少，Wasserstein距离仍然能反映两个分布的远近。如果将两个分布看作是两个土堆，联合分布 𝛾(𝑥, 𝑦) 看作是从土堆 𝑞1 的位置𝑥到土堆𝑞2 的位置𝑦的搬运土的数量，并有。其中Γ(𝑞1, 𝑞2)是边际分布为𝑞1 和𝑞2 的所有可能的联合分布集合，𝑑(𝑥, 𝑦)为𝑥和𝑦的距离，比如ℓ𝑝 距离等。可以理解为在联合分布𝛾(𝑥, 𝑦)下把形状为𝑞1 的土堆搬运到形状为𝑞2 的土堆所需的工作量，
2023-08-23 20:48:45
818
原创 详解VAE（变分自编码器）
变分自编码器(Variational auto-encoder,VAE) 是以自编码器结构为基础的深度生成模型。自编码器在降维和特征提取等领域应用广泛, 基本结构是通过编码 (Encoder) 过程将样本映射到低维空间的隐变量, 然后通过解码 (Decoder) 过程将隐变量还原为重构样本。
2023-08-22 18:46:14
17827
4
原创 conda 常用命令
阿里云 http://mirrors.aliyun.com/pypi/simple/清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/升级Anaconda需先升级conda。
2023-08-18 16:38:34
3280
原创 PS实现多个图片转化GIF动画
这是最后一步，一帧对应一张图片，根据自己的设计，创建帧。点击储存，命名，选择保存位置就欧克了。Select [创建帧动画]点击红框的部分，可以复制帧。点击[确定]就OK！点击时间可以修改停留的时间。在图层中设置对应的内容。
2023-08-17 12:14:21
4481
原创 pytorch安装VAE项目详解
其他的都按照requirements.txt文件来安装。这个项目无法自动下载数据集，需要手动安装。切记torch 不要重新安装！有相关介绍，包括数据下载百度云地址。2.配置conda 虚拟环境。配置环境使用的安装包及版本。提示：如果不修改代码会报错。下载后修改文件的目录。
2023-08-16 23:38:14
1020
原创 ForkingPickler(file, protocol).dump(obj)BrokenPipeError: [Errno 32] Broken pipe问题解决
跑VAE模型时遇到的问题。
2023-08-16 21:27:50
496
原创 问题：RuntimeError: Distributed package doesn‘t have NCCL built in
python在windows环境下dist.init_process_group(backend, rank, world_size)处报错‘RuntimeError: Distributed package doesn’t have NCCL built in’
2023-08-16 21:01:58
728
3
原创 pytorch_lightning报错 You requested gpu: [1]，But your machine only has: [0]
gpu:[1]指代的gpu的标号，如果笔记本中只包含一个GPU，一般序号为[0].所以无法找到程序指定的GPU。找到定义模型使用GPU的地方，修改GPU使用的序号。将图中的gpus:[1]修改为gpus:[0]此问题可以有效解决，亲测有效！
2023-08-16 20:32:37
775
原创 pytorch报错torch.cuda.is_available()结果false处理方法
进入torch官网：https://pytorch.org/get-started/locally/ 选择合适的版本进行安装，可以直接复制下面的Command命令到conda虚拟环境，重新安装torch即可。要跑VAE模型，重新安装了torch,GPU就无法使用了，我重新安装了 cuda,torch.cuda.is_available()的结果依然是False。配置项目环境不要重新安装torch,因为在windows环境下，重新安装torch,会是CPU版本的。
2023-08-16 20:24:35
333
原创 生成模型相关算法：EM算法步骤和公式推导
EM 算法是一种选代算法，1977 年 Dempster 等人总结提出，用于含有隐变量(hidden variable)的概率模型参数的极大似然估计，或极大后验概率估计EM算法的每次选代由两步组成:E步，求期望 (expectation);一般地，用Y表示观测随机变量的数据，Z表示隐随机变量的数据Y和Z连在一起称为完全数据 (complete-data)，观测数据Y又称为不完全数据(incomplete-data)。的极大似然估计每次代包含两步:E 步，求期望:M步，求极大化，下面来介绍 EM 算法。
2023-08-02 00:23:32
1369
1
原创 生成模型基本概念：信息熵、交叉熵和相对熵（KL散度）
KL 散度（Kullback-Leibler Divergence），也叫KL 距离或相对熵(Relative Entropy)，是用概率分布𝑞来近似𝑝时所造成的信息损失量. KL散度是按照概率分布𝑞的最优编码对真实分布为𝑝的信息进行编码，其平均编码长度（即交叉熵）𝐻(𝑝, 𝑞)和𝑝的最优平均编码长度（即熵）𝐻(𝑝)之间的差异. 对于离散概率分布𝑝和𝑞，从𝑞到𝑝的KL散度定义为。时p(x)=1,则熵为0.也就是说，对于一个确定的信息，其熵为0.如果其概率分布为一个均匀分布，则熵最大.
2023-07-28 23:54:57
731
原创 图像处理之Hough变换检测直线
霍夫变换是一种特征检测(feature extraction)，被广泛应用在图像分析（image analysis）、计算机视觉(computer vision)以及数位影像处理(digital image processing)。由RichardDuda和PeterHart在公元1972年发明，并称之为广义霍夫变换(generalizedHoughtransform)，广义霍夫变换和更早前1962年的PaulHough的专利有关。
2023-07-25 21:15:35
1751
原创 图像处理之LoG算子（高斯拉普拉斯）
LoG算子是由拉普拉斯算子改进而来。拉普拉斯算子是二阶导数算子，是一个标量，具有线性、位移不变性，其传函在频域空间的原点为0。所有经过拉普拉斯算子滤波的图像具有零平均灰度。但是该算子的缺点是对噪声具有敏感性，因此在实际应用中，一般先要对图像进行平滑滤波，再用拉氏算子进行图像的边缘检测。这就是LoG算子的产生的背景（最后的梯度表达式为高斯函数和原图像卷积，再去二阶微分算子）。
2023-07-19 22:33:14
2436
原创 图像处理之canny边缘检测（非极大值抑制和高低阈值）
Canny算子是John F.Canny 大佬在1986年在其发表的论文 《Canny J. A computational approach to edge detection [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986 (6): 679-698.》提出来的。
2023-07-19 16:43:25
3257
原创 图像处理之梯度及边缘检测算子
梯度是一个量变化的速度，在数学中通常使用求导、求偏导获取梯度或者某一方向上的梯度。在数字图像中梯度可以看为像素值分别在x,y方向上的变化速度，因为数字图像的离散型，以及像素是最小处理单元的特性，求数字图像的梯度时，不需要求导，只需要进行加减运算即可。
2023-07-17 16:22:07
3049
1
原创 pycharm新建分支并提送至GitHub
当我们写的项目代码越来越多时，一个master分支无法满足需求了，这个时候就需要创建分支来管理代码。创建分支可以快速的回滚到某个节点的版本，也可以多个开发者同时开发一个项目，当自己的功能完成后，提交到自己的分支上。在分支上测试通过后，最后把代码合并到master分支。
2023-07-14 18:20:28
2872
1
原创 图像处理之高斯滤波
高斯函数广泛应用于统计学领域，用于表述正态分布，在信号处理领域，用于定义高斯滤波器，在图像处理领域，二维高斯核函数常用于高斯模糊Gaussian Blur，在数学领域，主要是用于解决热力方程和扩散方程，以及定义Weiertrass Transform。二维高斯函数在计算机视觉领域用处广泛，利用0均值的二维高斯函数,可以生成高斯卷积核，用于图像处理中的高斯滤波，实现高斯模糊，可以去除噪声。
2023-07-14 00:30:25
2132
原创 pycharm 配置github
在自己项目文件夹中，点击鼠标右键，选择Git Bash here，弹出Git命令框在命令框中输入命令 ssh-keygen，然后一路点击enter，遇到y填y，这时会在系统盘下你的用户名下的.ssh文件夹里生成一个id_rsa.pub和一个id_rsa文件，用记事本打开其中的id_rsa.pub，复制所有字符，然后登录github中你的帐户，在帐户setting中选择SSH and GPG Key，创建一个新的SSH Key，把刚才复制的字符全部粘贴到这里。点击顶栏git，然后点提交。
2023-07-12 19:45:06
3070
5
原创 图像处理之比特平面分层和重构
像素是由比特组成的数字。例如在256级灰度图像中，每个像素的灰度是由8比特（一个字节）组成。如下图所示，一幅8比特图像由8个1比特平面组成，其中平面1包含图像中所有像素的最低阶比特，而平面8包含图像中所有像素的最高阶比特。
2023-07-09 13:36:51
1967
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人