weixin_43217958的博客

原创 ffmpeg解码webm视频为带透明通道的png

ffmpeg -vcodec libvpx-vp9 -i ejemplo.webm -pix_fmt rgba frame/%04d.png

原创 ffmpeg命令行截取视频

ffmpeg -i /rebuild_vid/face384.webm -ss 00:01:00 -t 00:01:00 -c copy /rebuild_vid/face384_1501_3000.webmparam1:start timeparam2:duration time

原创 python类析构函数防止显存泄漏

【代码】python类析构函数防止显存泄漏。

原创 softmax冗余性，上下溢出，max(x)

softmax的冗余性解决方法

原创 时序动作分割中常用的评价指标（Acc,Segmental Edit Score, Segmental F1-Score）

MS-TCN、MS-TCN++和BCN都使用了这三个评价指标，有必要深入一下。1.frame-wise Accuracy正确帧数/总帧数"Acc: %.4f" % (100*float(correct)/total)2.Segmental edit distance编辑距离，又称为莱文斯坦距离，NLP中常用来衡量两个字符串之间的差异程度。Segmental edit distance考量了每两帧之间，从A帧替换到B帧所需的最小操作次数。即考量了两帧之间的差异性。Edit distance越大，两

原创 OD--YOLOv5代码学习

最新的YOLOv5增加了wandb功能，要先注册一个wandb的账号将申请的API配置到电脑上，即可实时看到损失、权重和偏执。1.配置超参YOLOv5的配置文件是.yaml格式以yolov5l.yaml为例# Parametersnc: 80 # number of classesdepth_multiple: 1.0 # model depth multiplewidth_multiple: 1.0 # layer channel multiplenc：代表分类类别的数量de

原创 基于YOLOv5的视频流检测

在YOLOv5的基础之上做fine tune，用适合视频流大小尺寸的图像训练10个epoc1.用 cv2自带的VideoCapture读取摄像头信息import cv2cap=cv2.VideoCapture(0)if not cap.isOpened(): print("无法打开摄像头") exit()while True: ret,frame=cap.read() if not ret: print("捕获失败！") brea

原创 ObjectDetection--YOLOv1

YOLO官网：https://github.com/pjreddie/darknet​github.comyolo(you look only once)是基于深度学习的一种回归方法网络结构：借鉴了GoogleNet的设计思想，用1×1的reduction layers和3×3conv layers取代inceptionYOLOv1YOLOv1将整张图像作为输入，直接在BoundingBox的基础之上做回归实现方法：1.将一张图像分成S×S个网格（grid cell），如果某个objec.

原创 COCO数据集格式---XML转txt格式脚本

import xml.etree.ElementTree as ETimport pickleimport osfrom os import listdir,getcwdfrom os.path import joinimport globclasses=["crazing","inclusion",'patches',"pitter_surface","rolled-in_scale","scratches"]def convert(size,box): dw=1./size[0

原创 CNN实现房价回归预测

可以做类似波士顿房价的预测，等等多个输入变量预测单个输出变量按列读取影响因素import numpy as npimport pandas as pdfile = r'C:\Users\xy\Desktop\temp.xlsx'data = pd.read_excel(file)data.columns = ['y', 'x1', 'x2', 'x3', 'x4', 'x5', 'x6', 'x7', 'x8', 'x9','x10']数据预处理我这里的数据没做归一化，可以使用scaler

原创 train_loss和test_loss不同情况下的训练方案

train loss 不断下降，test loss不断下降，说明网络仍在学习;train loss 不断下降，test loss趋于不变，说明网络过拟合;train loss 趋于不变，test loss不断下降，说明数据集100%有问题;train loss 趋于不变，test loss趋于不变，说明学习遇到瓶颈，需要减小学习率或批量数目;train loss 不断上升，test loss不断上升，说明网络结构设计不当，训练超参数设置不当，数据集经过清洗等问题。...

原创 使用pre_trained模型进行VGG预测

第一步：导入VGG模型以及实例化from tensorflow.python.keras.applications.vgg16 import VGG16model=VGG16()第二步：读入图片，并把图片转换成数组格式from tensorflow.python.keras.applications.image import load_imgfrom tensorflow.python.keras.applications.image import img_to_arrayimg=load

原创 TypeError: The added layer must be an instance of class Layer. Found: ＜tensorflow.python.keras.layer

import keras和from tensorflow.python.keras混用导致的解决方案：把import keras 中的keras从tensorflow.python中导入

原创 Python正则表达式

import rekey = r"javapythonhtmlvhdl\n"#字符串加r可去除掉转义字符p1=r"python"pattern=re.compile(p1)matcher=re.search(pattern,key)print(matcher.group(0))字符串前加r，可以去除掉转义字符加入元字符，代表匹配内部的任意一个字符import rekey = r"javaPythonhtmlvhdl\n"#字符串加r可去除掉转义字符p1=r"[pP]ython"

原创 MySQL:Access denied for user ‘root‘@‘localhost‘

登录MySQL时报错解决办法：# /etc/init.d/mysqld stop # mysqld_safe --user=mysql --skip-grant-tables --skip-networking & # mysql -u root mysql mysql> UPDATE user SET Password=PASSWORD(’newpassword’) where USER=’root’; mysql> FLUSH PRIVILEGES; mysq

原创 修改Jupyter Notebook的存储路径

1.打开Anaconda Prompt输入jupyter notebook --generate-config找到文件所在位置，打开config.py文件，把dir这一行前面的注释符去掉，引号里写入需要存储的文件夹的地址2.打开Jupyter笔记本所在位置，找到快捷图标进入快捷图标的属性，找到“目标”把目标后的"%USERPROFILE%/"删去，再重启Jupyter笔记本即可。...

原创 C++ system不明确

添加头文件即可#include<cstdlib>

原创 Python--多线程

为什么要使用多线程进程是分配资源的最小单位，一旦创建一个进程就会分配一定的资源。线程是程序执行的最小单位，实际上进程只负责分配资源，而利用这些资源执行程序的是线程，也就是说进程是线程的容器，一个进程中最少有一个线程来负责执行程序。同时线程自己不拥有系统资源，只需要一点儿在运行中必不可少的资源，但它可与同属一个进程的其他线程共享进程所拥有的全部资源。线程的创建步骤1.导入线程模块import threading2.通过线程类创建线程对象线程对象=threading.Thread(target=任务

原创 Python--多进程

多任务：指在同一时间执行多个任务多任务的最大好处：充分利用CPU资源，提高程序的执行效率多任务的表现形式：1.并发（任务数量大于CPU的核心数）：在一段时间内交替去执行多个任务单核CPU执行多任务，操作系统轮流让各个任务交替执行2.并行（任务数量小于等于CPU的核心数）：在一段时间内真正地同时执行多个任务多进程进程：进程是资源分配的最小单位，是操作系统进行资源分配和调度运行的基本单位（一个运行起来的任务至少有一个进程）进程的创建步骤：1.导入进程包import multiprocessi

原创 卷积神经网络笔记

转载 梯度下降法的不同形式及优缺点

梯度下降，批量梯度下降，随机梯度下降梯度下降（batch gradent）：W的每一次更新，使用所有的样本。计算得到的是一个标准梯度。更新一次的幅度较大，样本不大的情况，收敛速度可以接受；但是若样本太大，收敛会很慢。随机梯度下降（stochastic gradient decsent ）：随机 — 每次使用训练数据中的一个样本更新，因而随机梯度下降是会带来一定的问题，因为计算得到的并不是准确的一个梯度，容易陷入到局部最优解中。一直不会收敛，只是在最小值附近波动。批量梯度下降（mini-batch）：批

原创 关于contrib模块在tensorflow2.0下运行的解决方案

今天在学习代码时，因为tensorflow2.0对contrib模块进行分开维护，contrib在tensorflow2.0已经被移除，其功能要不就是集成在tensorflow中了，要不就是转到别的repo上了，compat.v1方法尝试之后发现并没什么用。解决方案：1.在对tensorflow版本没有要求的情况下，可以降低tensorflow的版本，进行重新安装。pip uninstall tensorflow2.对应要使用的contrib中的功能，找tensorflow2.0的API手册中相应方法

原创 This TensorFlow binary is optimized with oneAPI Deep Neural Network Library..

该警告提示tensorflow可以以更快的速度运行。消除此警告的方法：import osos.environ['TF_CPP_MIN_LOG_LEVEL']='2'加入这两行代码，也就是把tensorflow的警告等级降为2

原创 python中串口通信的步骤及实现

python内置的库函数确实很强大，serial库中包含了串口通信所用到的一些函数。本文用python实现了串口的一种简单通信。代码实现：import serial#导入串口通信库from time import sleepser = serial.Serial()def port_open_recv():#对串口的参数进行配置 ser.port='com3' ser.baudrate=9600 ser.bytesize=8 ser.stopbits=1