Always066-CSDN博客

原创南安普顿大学人工智能硕士课程

又开始写博客了我感觉我已经停止写博客很久了，当时是疫情期间在家里无聊，所以决定开始写自己的CSDN博客。当时只是搬运了一些其他机构的学习笔记，写了一些我对于Pytorch框架的粗略笔记。现在我又开始写博客了，就当是树洞，随便碎碎念吧。申请院校我一共只拿了两个offer，一个是圣安德鲁斯的人工智能专业，另外一个是南安普顿的人工智能专业。圣安德鲁斯的IELTS要求是7分，我这个英语大彩笔，完全是达不到那个水准的，所以我来了南安，好在南安真争气啊，我来的这一年QS就升到了70+。人工智能专业选课我这个专

2022-05-30 08:36:01 349

原创 Ubuntu18.04 Pycharm打开界面就卡死

首先检查是否安装了最新的sogo输入法，sogo输入法会卡死pycharm的界面搜狗输入法 for Linux v2.3.1.0112这个版本对与pycharm是友好的

2020-11-16 12:13:11 991 2

原创 geoio ImportError: libpoppler.so.71: cannot open shared object file: No such file or directory

https://github.com/ContinuumIO/anaconda-issues/issues/9449conda install “poppler<0.62”

2020-10-16 14:15:36 766

原创 RoboMaster 小车目标识别方案-视觉组 [CPU 0.018s]

开始做的动机某日在RoboMaster论坛上，看到有小伙伴使用TensorFlow Object Detection API 制作了小车装甲板识别的帖子，刚好最近在看人脸识别网络的内容，识别小车的装甲板和识别人脸是不是有什么关联呢？数据集看了之前提到的文章，我得到一个很好的启示：要把官方数据集内含有小车的部分截取下来作为数据集比较靠谱，因为原始数据集是1920x1080的大小，我们截取的小车大于在400x300左右，较小的尺寸方便训练把官方文件夹内的一个文件夹移动到，我的项目中，然后再使用Proce

2020-07-30 14:56:44 2777 1

原创 Pytorch设备选择,多GPU训练

To函数功能：转换数据类型\设备1.tensor.to()2.mouble.to()例子：torch.cuda多GPU分发并行机制把数据等分，给不同的GPU运行torch.nn.DataParallel# ============================ 手动选择gpugpu_list = [2,3] gpu_list_str = ','.join(map(str, g

2020-07-05 15:54:19 1552

原创 Pytorch-Model Fintune

Model FinetuneTransfer Learning:机器学习分支，研究源域的只是如何应用到目标域模型微调首先要加载模型参数resnet18_ft = models.resnet18() path_pretrained_model = os.path.join(BASEDIR, "resnet18-5c106cde.pth")state_dict_load = torch.load(path_pretrained_model)

2020-07-05 13:02:53 263

原创 Pytorch-模型的保存于加载

简介Pytorch中的序列化和反序列化troch.save主要参数obj:对象f:输出路径torch.load主要参数f:文件路径map_location:指定存放位置，cpu或者gpu对于保存有两种方法：1.保存整个Moucle, torch.save(net,path)2.保存模型的参数:state_dictt=net.state_dict()torch.save(state_dict,path)#方式1加载模型path_model='./model.

2020-07-05 11:41:47 3163

原创 Pytorch-TensorBoard

简介TensorBoard：Tensorflow中强大的可视化工具TensorBoard测试代码import numpy as npfrom torch.utils.tensorboard import SummaryWriterwriter=SummaryWriter(comment='test_tensorboard')for x in range(100): writer.add_scalar('y=2x',x*2,x) writer.add_scalar('y=pow(2,x)

2020-07-04 23:29:11 2882

原创 Pytorch-学习率调整策略Scheduler

class_LRScheduler主要方法step():更细你下一个epoch的学习率get_lr():虚函数，计算下一个epoch的学习率学习率调整1.StepLR 等间隔调整学习率2.MultiStepLR 按给定间隔调整学习率3.按照指数衰减调整学习率4.CosineAnnealingLR诡异的学习率5.ReduceLRonPlateau这个和keras的ReduceLearningRate很像需要注意的是，在scheduler_lr的step方法中必须输

2020-07-03 20:56:42 4467 1

原创 Pytorch优化器-Optimizer

简介pytorch优化器：管理并更新模型中可学习参数的值，是的模型输出更接近真实标签。导数：函数在指定坐标轴上的变化率方向导数：指定方向上的变化率梯度：一个响亮，方向为方向导数取得最大值的方向pytorch中的optimizer基本属性：default：优化器超参数state:参数的缓存，如momentum的缓存param_groups：管理的参数组_step_count：记录更新次数，学习率调整中使用基本方法zero_grad():清空所管理参数的梯度pytorch特性

2020-07-01 23:56:00 3191

原创 Pytorch损失函数

定义损失函数(Loss Function)Loss=f(a^,y)Loss=f( \hat{a} ,y)Loss=f(a^,y)代价函数(Cost Function)Cost=1N∑iNf(yi^,yi)Cost=\frac{1}{N}\sum_{i}^{N}f(\hat{y_{i}},y_{i})Cost=N1i∑Nf(yi^,yi)目标函数(Objective Function)Obj=Cost+RegularizationObj=Cost+RegularizationObj=Co

2020-07-01 23:10:29 711

原创数据增强2

Transform的剩余方法Pad对图片进行填充transform.Pad(padding, fill=0, padding_mode='contant')padding设置填充大小参数三种方式(a),(a,b),(a,b,c,d)分别为四面，上下和左右，以及上下左右padding)mode：填充模式，有四种，constant,edge,reflect和symmetricfill：Contant时，设置填充的像素值(R,G,B)or(Gray)...

2020-06-30 08:17:41 7131

原创数据加载以及数据增强1

Dataset是一个抽象类，需要继承并重写__getitem__(self,item)方法对比Epoch和Iterator BatchsizeEpoch：表示把所有的样本都输入到模型中进行一遍训练Iteration : 一批样本输入到模型中，称之为一个iterationBatchSize:表示批大小，决定了一个Epoch有多少个Iterationtransform1.CenterCrop 中心裁剪2.RandomCrop随机裁剪transforms.RandomCrop(224,paddi

2020-06-29 01:11:52 234

原创 pytorch杂记-torch.max

torch.max的理解关于这个API，他的名字是torch.max，根据名字不难意识到，它表示寻找最大值在tf2.0中，对应API的名字是reduce_max，对于这个名字我一开始是无法理解，reduce的含义，但是根据一些代码，确实有这样的认识：我们要想找出一些最大值，是要抛弃一些非最大值，这就是一个纬度的缩减cheat is cheap，我们来看一下代码import torcha=torch.stack([torch.randperm(10),torch.randperm(10),torc

2020-05-31 11:02:37 1428

原创 matplotlib笔记-subplot和subplot2grid

subplotimport matplotlib.pyplot as pltimport numpy as npimport matplotlibfig=plt.figure()#构建数据x=np.linspace(0,2*np.pi)y=np.cos(x)*np.sin(x)ax1=fig.add_subplot(121) #绘制第一个子图一行两列第一个ax1.plot(x,y,ls="-",color='b')ax2=fig.add_subplot(222) #绘制第二个

2020-05-29 23:34:34 997 1

原创 TF2.0笔记2

TF2.0笔记2Tensor的索引可选择索引三级目录Tensor的索引1.经典索引方式a=tf.ones([1,4,5,12])a[0][1][2]2.Numpy风格的索引方式不同于经典模式，用逗号隔开可读性更强a=tf.ones([4,12,23,67])a[1,2,3].shape3.Tensor的切片类似于python的索引方式，含左不含右主要的运算符就是在索引部分使用 : 运算符step表示采样间隔a=tf.range(10)a[-1:]a[0:2]#start:

2020-05-27 16:49:00 124

原创深入理解YOLO-1

深入理解YOLO loss3.输入的label2.compose taget三级目录本文是对于yolo loss的一个代码阅读+理解解析所参考的代码为Pytorch版的yolo v3，附上repository3.输入的label2.compose taget我们参考众多的CSDN博客或者是原论文，yolo是一个基于anchors的目标监测算法，所以我们的target必须要有anchors这个元素，同时要有检测框的x y w h conf class_conf这个几个元素，同时因为yolo是一个滑动

2020-05-27 16:44:57 387 1

Always的博客