- 博客(105)
- 收藏
- 关注
RSS订阅原创 linux 命令相关
长列表输出该目录下文件信息(注意这里的文件是指目录、链接、设备文件等)，每一行对应一个文件或目录，ls -lR是列出所有文件，包括子目录。通过这三个命令的组合可以统计目录下文件及文件夹的个数。统计输出信息的行数，统计结果就是输出信息的行数，一行信息对应一个文件，所以就是文件的个数。过滤ls的输出信息，只保留一般文件，只保留目录是grep “^d”。查看某目录下文件夹(目录)的个数（包括子目录）统计当前目录下文件的个数（不包括目录）统计当前目录下文件的个数（包括子目录）
2023-03-24 08:26:06
731
原创 paddle易错总结
这个api，boxes_num，如果应对的是batch大于1，这里要传入list，指定每个batch的num。这个神奇的框架，居然不支持自己的tensor传入。
2022-09-03 20:32:04
451
原创 GFP-GAN学习笔记
GFP-GAN利用丰富和多样化的先验封装在预训练的脸GAN盲脸恢复。通过空间特征变换层，将生成式面部先验(GFP)融合到人脸恢复过程中，使人脸恢复过程更容易实现论文说，之前的研究GAN中，。论文提出了，以在一次向前传递中实现真实和保真的良好平衡的网络结构，具体地说，GFPGAN包括。......
2022-07-29 23:54:51
3661
1
原创 FPGA初次尝试
module名字要和文件名字一样，这个名字也要尽量和项目名字一样，这样不容易出错再添加testbench，自己写仿真程序假设修改了testBench程序文件或者元器件程序，要重新编译一下选择要重新编译的两个文件，从新编译然后打开仿真文件拉到最底下选work里面的testBench文件，然后确定然后最左边instance那里，ctrl+w添加波形，然后restart和run进行仿真。记得中间是总时间长度......
2022-06-08 00:11:47
331
原创 腾讯云部署
腾讯云部署刚开始测试时，部署vue项目，要在宝塔的这里也开放端口！！！nginx配置信息user www www;worker_processes auto;error_log /www/wwwlogs/nginx_error.log crit;pid /www/server/nginx/logs/nginx.pid;worker_rlimit_nofile 51200;events { use epoll; worker_co
2022-05-18 00:28:58
137
原创 Vue易错总结
Vue易错总结引入import * as echarts from 'echarts'Vue.prototype.$echarts=echarts在页面里使用，一定要放到mounted函数里<template> <div> <div id="main1" style="width: 600px;height:400px;"></div> </div></template><scri
2022-04-27 15:51:37
1078
原创 python xpath request json
import requestsfrom lxml import etreeimport jsonheader_data={ "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.127 Safari/537.36"}resp=requests.get(url,headers=header_data)resp.enco
2022-04-22 23:13:59
970
原创 python当写作业的计算器
计算器import mathfrom math import log2 as lfrom math import pow as pfrom fractions import Fraction as ffrom sympy import *def c(a,b): return math.factorial(a)//(math.factorial(a-b)*math.factorial(b))p=symbols('p')ans=1-(1-(1-p)**2)**3ans=simplif
2022-03-27 00:02:17
839
原创 弦图重要证明的更正
弦图重要证明的更正注意从倒数第三行开始x<v0改为a(x)<a(v0),v0<x改为a(v0)<a(x)倒数第一行是min(a(v0),a(vk))
2022-02-12 14:51:09
312
原创 PQ树及其例题
PQ树参考1参考2PQ树是什么？PQ树构建#include<iostream>#include<cstdio>#include<cstring>#include<algorithm>#include<cmath>#include<queue>#define re(a) scanf("%d",&a)#define r(i,a,b) for(int i=a;i<=b;i++)#defin
2022-02-11 15:34:50
597
原创 嗨森矩阵正定与函数凹凸性关系证明
嗨森矩阵正定与函数凹凸性关系证明多元函数泰勒展开函数凹凸性的切线定义法后面根据正定时，泰勒展开第二项大于0即可判断
2021-12-29 12:21:44
1783
原创 Wasserstein GAN和LSGAN
Wasserstein GAN和LSGAN令人拍案叫绝的Wasserstein GANLSGAN：最小二乘生成对抗网络【数学】Wasserstein Distance
2021-11-02 21:56:23
115
原创 pyqt用label展示视频
pyqt用label展示视频用label，通过cv2，先将视频分帧，然后对于每一帧的每一张图片，逐个展示cv2配合pyside2# QTimer类提供了重复和单次的定时器，要使用定时器，# 需要先创建一个QTimer实例，# 将其Timeout信号连接到槽函数，并调用start（），# 然后，定时器，会以恒定的间隔发出timeout信号# 当窗口的控件收到Timeout信号后，他就会停止这个定时器。# QTimer常常用于更新QLabel图像等。...
2021-10-27 22:12:55
2286
原创 PyQt designer里面使用图片
PyQt里面使用图片1.先把所有图片放到一个文件夹下2.在qt designer里面打开资源浏览器然后用小笔添加那个文件夹下的资源接下来是重点！！！要想在加载了ui文件后还能看到图片，需要将资源浏览器生成的qrc文件转换成py格式，然后在主程序里面导入转换方法：在含有qrc的那个文件夹下pyside2-rcc source.qrc -o source.py import source注意主程序，.ui所在的位置，qrc所在位置，qrc转成的py所在位置，所有source所在的位置不能
2021-10-21 22:15:35
997
原创 Vision transformer复现
Vision transformer复现深度学习模型之——Stochastic depth（随机深度）伯努利分布方差_概率分布，先懂这6个Paddle 2.0：Vision Transformer 模型的构建思路是 把一张图片划分成num_patches个小图片，然后对每一个图片做卷积，相当于将每个小图片生成embed（特征数量）个数，用这些数表示小图片，剩下的就是正常的transformer了import numpy as npimport paddleimport paddle.nn as
2021-10-17 20:34:01
347
原创 shuffleNet实现
shuffleNet实现ShuffleNet算法详解Pytorch上分之路—ShuffleNetv3(鸟群分类算法)CNN模型复杂度import torchimport torch.functional as Fclass ShuffleBlock(torch.nn.Module): """ 这里相当于：将输入通道分成g组，每组包含C/g个。 然后 相当于channel shuffle """ def __init__(self,groups):
2021-10-13 21:50:37
253
原创 transformer核心复现
transformer核心复现import torchimport torch.nn.functional as Fimport numpy as npimport math, copy, timefrom torch.autograd import Variableimport matplotlib.pyplot as pltimport seabornseaborn.set_context(context="talk")#------------------------------主体
2021-10-08 18:58:00
280
原创 PySide2的This application failed to start because no Qt platform plugin could be initialized解决方式
PySide2的This application failed to start because no Qt platform plugin could be initialized解决方式开始的时候写上import sys,osimport PySide2 dirname = os.path.dirname(PySide2.__file__)plugin_path = os.path.join(dirname, 'plugins', 'platforms')os.environ['QT_QP
2021-10-06 18:40:06
88
原创 pyside2多线程运行
pyside2多线程运行from PySide2.QtUiTools import QUiLoaderimport PySide2.QtWidgets as pswfrom PySide2.QtCore import Signal,QObjectfrom threading import Threadclass MySignals(QObject): text_print=Signal(psw.QTextBrowser,str) updata_table=Signal(str)g
2021-10-04 19:39:25
850
原创 yolox核心部分复现
yolox核心部分复现yolox讲解重要策略OTA讲解，虽然yolox用的是简单的k动态分配OTA另一个讲解样本标记原则：预处理：对于每个苗匡，和真实框，先进行预处理筛选出可能作为有物体的苗匡。依据：如果中心在真实框内，或者中心在，以真实框中心点为中心，向外扩展center_radius的正方形内然后动态分配，见底下的代码然后再删除重复的点import torchimport numpy as npimport mathimport torch.nn as nnimport torc
2021-10-01 18:04:01
344
1
原创 目标检测中的各种IoU Loss（IoU、GIoU、DIoU、CIoU）
目标检测中的各种IoU Loss（IoU、GIoU、DIoU、CIoU）iou loss们this样本分类中交叉熵损失函数们this
2021-09-28 18:08:37
552
原创 pyside2发布程序
pyside2发布程序先安装pyinstaller在含有带以下代码的app=QApplication([])status=Status()status.ui.show()app.exec_()那个文件夹目录下运行pyinstaller …py --noconsole --hidden-import PySide2.QtXml其中…是那个python格式文件的名字...
2021-09-22 21:01:50
187
原创 yoloV3训练与推理
yoloV3训练与推理真实框与绘制的框，都是根据基础的框，也就是上面定义的anchors,和一些偏差相加减得到的 我们的目标样本是：根据真实地标记框，来标记的0,1和物体类别，框的位置我们的前向传播样本，是根据仅仅的一张图片得到一个形状和目标样本一样的东西要做的是：使得传播后的样本拟合目标样本class YOLOV3(paddle.nn.Layer): def __init__(self,num_classes=7): super(YOLOV3, self).__in
2021-09-19 20:28:16
462
原创 yolov3的整体网络结构代码实现
yolov3的整体网络结构代码实现损失函数def get_loss(output, label_objectness, label_location, label_classification, scales,num_anchors=3, num_classes=7): """设计损失函数""" reshaped_output=paddle.reshape(o
2021-09-19 19:23:09
243
原创 关于yoloV3的苗匡处理函数
关于yoloV3的苗匡处理函数计算ioudef box_iou_xywh(box1, box2): x1min, y1min = box1[0] - box1[2] / 2.0, box1[1] - box1[3] / 2.0 x1max, y1max = box1[0] + box1[2] / 2.0, box1[1] + box1[3] / 2.0 s1 = box1[2] * box1[3] x2min, y2min = box2[0] - box2[2] / 2
2021-09-19 16:42:30
211
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人