whocare的博客

原创 不同分辨率标准，720p 1080p 2k 4k HD FHD UHD

对于我们常说的视频分辨率主要可以分为两个标准：DCI(数字电影联盟)和屏幕分辨率标准。1.DCI定义了2k和4k标准：2K=2048x1080，4K=4096x2160之所以这样定义是，在数字技术领域，通常采用二进制运算，而且用构成图像的像素数来描述数字图像的大小。由于构成数字图像的像素数量巨大，通常以K来表示2^10即1024，因此：1K=2^10=1024，2K=2^11=2048，4K=2^12=4096。2.对于屏幕分辨率标准： 480p ...

原创 C++链表基本用法及LeetCode经典链表题目汇总

链表基本用法：目录链表基本用法：C++链表及基本操作LeetCode链表经典题目汇总：2. 两数相加19. 删除链表的倒数第 N 个结点21. 合并两个有序链表23. 合并K个升序链表24. 两两交换链表中的节点25. K 个一组翻转链表61. 旋转链表92. 反转链表 II141. 环形链表142. 环形链表 II160. 相交链表328. 奇偶链表C++链表及基本操作 1 2 ...

原创 model.train()和model.eval()的用法及model.eval()可能导致测试准确率的下降

问题导入：一般我们在训练模型时会在前面加上：model.train()在测试模型时会在前面使用：model.eval()但是在某次使用网络测试模型时，训练准确率很高，但测试准确率很低，排查了各种问题，绝不是过拟合问题，因为都使用了训练集来测试模型，准确率还是不行，最终发现把model.eval()去掉后，准确率就上来了，百思不得其解。为何使用model.train()和model.eval()?model.train()和model.eval()主要是针对网络中存在BN层(Batch Normal

原创 Sigmoid和Softmax在二分类中使用的区别与实现

对于二分类有三种实现方式：1. nn.Linear(input, 1) + sigmoid + BCELoss全连接输出维度为1，使用sigmoid将输出映射到0,1之间self.outputs = nn.Linear(input, 1)def forward(self, x): # other layers omitted x = self.outputs(x) return torch.sigmoid(x) 那么在这种情况下，我们使用torch.

原创 两数交换的几种方式--python

两数交换比较简单方式1：利用python本身的性质----元组如下：直接a, b = b,a即可，只是其中用的中间变量元组（b,a）def swap1(a,b): a, b = b,a #等价于 # c = (b,a) # a = c[0] # b = c[1] return a,b方式二：最简单也最常规的方法，中间变量def swap2(a,b): temp = a a = b b = temp return a

原创 FLOPS和FLOPs、GFLOPs区别与计算

FLOPS （全部大写）是floating-point operations per second的缩写，意指每秒浮点运算次数。用来衡量硬件的性能。FLOPs 是floating point of operations的缩写，是浮点运算次数，可以用来衡量算法/模型复杂度。常用当然还有GFLOPs和TFLOPsGFLOPS 就是 Giga Floating-point Operations Per Second,即每秒10亿次的浮点运算数,常作为GPU性能参数但不一定代表GPU的实际表现，因为还要考虑具

原创 ffplay播放源yuv视频文件--ffplay常用命令大全

ffplay播放有封装格式的视频：ffplay testvideo.mp4ffplay播放源视频文件，即无封装或压缩的文件yuv/rgbffplay -f rawvideo -video_size 640x360 testvideo.yuvffplay常用命令：参考链接：https://blog.csdn.net/akai9898/article/details/109689734...

原创 引导滤波/导向滤波原理与实现

引导滤波/导向滤波是何凯明等人在2010年ECCV上提出来的，文章为《Guided Image Filtering》。import cv2import numpy as npinput_fn=r"E:\study\python\python_code\code\CV\Guide_filter\pic\beach.jpg"def my_guidedFilter_oneChannel(srcImg,guidedImg,rad=9,eps=0.01): srcImg=srcImg/

原创 双边滤波原理与实现

转载 FFmpeg自定义Filter

FFmpeg是一款音视频编解码库，是多媒体开发者的必备技能。FFmepg提供了多种媒体格式的封装和解封装，包括音视频编码、多种协议的流媒体、多种色彩格式转换、多种采样率转换、多种码率转换等。 1 FFmepg的基本组成 FFmpeg框架的基本组成包含AVFormat、AVCodec、AVFilter、AVDevice、AVUtil...

原创 linux服务器创建新用户

服务器创建新用户：（home环境下的）（1）创建用户：sudo adduser user（2）加入权限组：sudo usermod -a -G sudo user（3）提升文件权限：chmod 777 fileName（4）使用vscode连接服务器当前新建用户（5）在vscode安装python解释器用来选择python Interpreter（6）在data/disk中创建数据文件夹（是disk硬盘环境下的），用于保存数据以及编写程序。home下主要用于软件环境的配置。...

原创 linux添加路径到环境--以ffmpeg为例

如果在linux安装了ffmpeg但是仍然需要输入 /usr/local/ffmpeg/bin/ffmpeg -version, 才可以查看版本号，而不可以直接 ffmpeg -version时，则需要进行将安装路径添加到环境。在终端下输入以下代码：vi ~/.bash_profile然后在最下面加入一行代码：export PATH="/usr/local/ffmpeg/bin:${PATH}"接着保存并回到终端下，执行以下代码：source ~/.bash_profile于是就可以直接

原创 linux命令大全学习查找网站

推荐几个学习或者查找linux的网站链接：1.linux命令大全手册2.linux命令大全|菜鸟教程3.linux常用命令学习（首先学习，很重要）4.linux系统在线帮助文档|C语言中文网5.linux中文命令手册

转载 linux添加环境变量方法

一、需要明白以下2点：1、Linux的环境变量是保存在变量PATH中，可通过Linux shell命令 echo $PATH 查看输出内容，或者直接输入export查看。2、Linux环境变量值之间是通过冒号进行隔开的( : )格式为：PATH=$PATH:<PATH 1>:<PATH 2>:<PATH 3>:------:<PATH N>二、暂时的添加环境变量PATH：可通过export命令，如export PATH=/usr/local/ngi

原创 input/output is not in graph tf.layers.conv2d在name命名时会自动在其后添加Conv2D

tf.layers.conv2d()在用name命名时会自动在其后添加Conv2D下面是编写的一个dncnn网络模型，分别给第一层block1和第17层block17命名为input和outputdef dncnn(input, is_training=True, output_channels=1): with tf.variable_scope('block1'): output = tf.layers.conv2d(input, 64, 3, padding='same',

原创 linux下ffmpeg安装libtensorflow

参考安装链接：ffmpeg深度学习模块dnn_processing使用libtensorflow C端安装教程1.下载tensorflow安装包:这里因为要使用GPU，所以使用的版本为：libtensorflow-gpu-linux-x86_64-1.14.0.tar.gz下载链接为：https://tensorflow.google.cn/install/lang_c?hl=zh-cn可根据自己的需求选择版本：2.解压解压缩下载的归档文件，其中包含要添加到 C 程序中的头文件以及要与之

原创 linux解压压缩包安装软件库 Error: XX not found

在linux下安装一些软件或者库时，有时会发生错误，比如：Error : XX not found因为我是先将libtensorflow-gpu-linux-x86_64-1.14.0.tar.gz,这个库压缩包解压后到本地，然后再将其拷贝到linux系统下的usr/local下的，参考的是：linux下安装ffmpeg中的tensorflow分别将文件夹下的lib和include文件分别拷贝到usr/local/下的lib和include.结果一直报错，not found。解决方法：自己解压把

原创 .ckpt模型转.pb模型（查找ckpt节点名称）-Tensorflow

ckpt模型和pb模型介绍：ckpt：1.这种模型文件是依赖 TensorFlow 的，只能在其框架下使用；2.在恢复模型之前还需要再定义一遍网络结构，然后才能把变量的值恢复到网络中。pb：1.谷歌推荐的保存模型的方式是保存模型为 PB 文件，它具有语言独立性，可独立运行，封闭的序列化格式，任何语言都可以解析它，它允许其他语言和深度学习框架读取、继续训练和迁移 TensorFlow 的模型；2. 保存为 PB 文件时候，模型的变量都会变成固定的，导致模型的大小会大大减小，适合在手机端运行。所以

原创 本地加载数据集---keras下载mnist或imdb等数据集较慢解决方法

正常下载mnist或imdb等keras自带的数据集，下载程序为：import tensorflow as tffrom tensorflow import kerasimdb = keras.datasets.imdb(train_data, train_labels),(test_data, test_labels) = imdb.load_data(num_words=10000)下载后数据集会默认保存到路径：C:\Users\asus\.keras\datasets可能遇到问题：使用

原创 const引用详解

“对const的引用”简称为“常量引用”const引用作用const引用可以用不同类型的对象初始化不加const的引用如下：不能完成不同类型的转换，也即不能用不同类型的对象进行初始化。即对于普通引用，引用的类型必须与其所引用对象的类型一致。加入const引用：运行后发现 j=10.上述运行过程其实是先生成一个临时量temp：const int tmp = i; //生成临时变量 const int &j = tmp; //绑定临时变量 const引用注意事项：（1

原创 keras中fit和evaluate中verbose用法 model.evaluate(test_images, test_labels, verbose=2)

keras中在model.fit和model.evalution中都含有verbose

原创 jupyter notebook代码自动补全

之前一直在vscode使用jupyter notebook，使用vscode中的补全代码插件就可以自动提示并且补全代码，但一直嫌弃vscode中jupyter功能做的不好、功能太少并且编辑的功能也很少，整个界面看上去也很难受，近期转用网页版的jupyter notebook，界面功能好看了很多：但是有发现没法进行代码提示和补全了，进行如下操作：必须先关闭jupyter notebook安装nbextensionspip install jupyter_contrib_nbextension

原创 pip安装TensorFlow超时ReadTimeoutError：pip._vendor.urllib3.exceptions.ReadTimeoutError: Read timed out

在使用安装TensorFlow2.3版本时，由于安装包比较大，网络环境比较差，尝试了好几种安装方式（好几种源）都安装失败，显示错误为：pip._vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(host=‘pypi.tuna.tsinghua.edu.cn’, port=443): Read timed out使用如下方法：pip --default-timeout=1000 install tensorflow==2.3

原创 Jupyter Notebook介绍、安装及使用教程

Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算、开发、文档编写、运行代码和展示结果。在学习机器学习、深度学习、数据分析等经常会用到的工具。关于jupyter notebook的学习入门链接：Jupyter Notebook介绍、安装及使用教程Jupyter Notebook官方介绍Jupyter Notebook 的快捷键...

转载 如何理解 图像傅里叶变换的频谱图

如何理解 图像傅里叶变换的频谱图转载自：https://blog.csdn.net/ViatorSun/article/details/82387854 很多人都不了解图像（二维）频谱中的每一点究竟代表了什么，有什么意义? 一句话解释为： 二维频谱中的每一个点都是一个与之一 一对应的二维正弦/余弦波。视觉的优势永远大于其他器官对人的作用，所以对标眼睛的图像处理起到了非常重...

原创 使用windeployqt自动打包QT动态链接库

使用windeployqt自动打包QT动态链接库关于Qt5Cored.dll和Qt5Core.dll文件的区别：Qt5Cored.dll和Qt5Core.dll分别用于Qt软件的Debug版和Release版。Qt 官方开发环境使用的动态链接库方式，在发布生成的exe程序时，需要复制一大堆 dll，如果自己去复制dll，很可能丢三落四，导致exe在别的电脑里无法正常运行。因此 Qt 官方开发环境里自带了一个工具：windeployqt.exe。发布qt程序，就要找到dll文件，使用qt自带的 wi

原创 qtmaind. lib(qtmain win.obj) : error LNK2019:无法解析的外部符号main，函数 WinMain 中引用了该符号

qtmaind. lib(qtmain win.obj) : error LNK2019:无法解析的外部符号main，函数 WinMain 中引用了该符号一般对于这类无法解析外部符号的错误，多是由于缺少对应的附加库例如尝试（1）：#pragma comment(lib, “Shell32.lib”) 其中shell32.lib改为对应的附加库。但这个无法解析的外部符号为main，一般是项目创建的不对，导致程序入口错误例如尝试（2）：将win32应用程序改为控制台项目。 但是我建立的项目是qt wid

原创 纠正pylint no member报错

Instance of ‘tuple’ has no ‘target’ member pylint(no-member)在vscode中使用第三方库进行编程时，经常会出现下面的情况：这是我在使用sklearn中的load_boston时，报错没有这些参数，但是实际上是有的。原因：pylint是vscode的python语法检查器，pylint是静态检查，在用第三方库的时候有些成员只有在运行代码的时候才会被建立，它就找不到成员。解决方法：添加"python.linting.pylintArgs":

原创 查看和安装matlab工具箱

matlab自带很多工具箱（toolbox）,如何查看？方法一：matlab命令行输入:ver如图：方法二：通过附加功能的管理附加功能打开，如下图可查看安装的toolbox如下图：安装工具箱：可通过附加功能–获取附加功能添加搜索打开想要安装的工具箱，点击安装再进行一系列后续操作即可，后续操作参考：https://blog.csdn.net/qq_38789542/articl...

原创 图像灰度、亮度、强度区分

图像灰度(image grayscale)：把白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。用灰度表示的图像称作灰度图。图象亮度(image brightness)：指画面的明亮程度，单位是堪德拉每平米(cd/m2)或称nits。图象亮度是从白色表面到黑色表面的感觉连续体，由反射系数决定，亮度侧重物体，重在“反射”。在灰度图像中，亮度等于灰度，图像运算处理方式相同，但是在彩...

转载 灰度图转为伪彩色图像-伪彩处理

彩色图像–伪彩处理 灰度图转伪彩色图像 转载自：http://blog.csdn.net/tonyshengtan ，出于尊重文章作者的劳动，转载请标明出处！文章代码已托管，欢迎共同开发：https://github.com/Tony-Tan/DIPpro开篇废话观察了一下冈萨雷斯的书，发现彩色图像处理仅仅用了一章进行介绍，原因分析了一下，后来发现，好像别的介绍的也...

原创 Anaconda An HTTP error occurred when trying to retrieve this URL.HTTP errors are often intermittent

产生上面的原因是anaconda的.org服务器在国外，下载速度很慢，对于大安装包就会导致上面的问题，国内的镜像普遍用清华的，在命令窗口输入如下：#添加TUNA镜像conda config --add channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'#设置搜索时显示通道地址conda config --...

原创 网络调试助手TCP server不能成功连接

<第一次写博客，开始打算记录学习路上的问题，以方便巩固和讨论，还请多多包涵>正文：在使用网络调试助手时，想一个建立TCP server，一个建立TCP client，两者之间进行通信，打开网络调试助手其默认读取本地IP地址，而端口号默认为8080，如下图：配置好之后，点击连接出现最下面的报错，经过一番查询，知道这里的本地端口号设置需要设置一个没有被占用的端口号0-65535，而...