weixin_44575717的博客

原创 Key img_path is not in available keys；TypeError: Caught TypeError in DataLoader worker process 0

真的是要把人整的崩溃了，先是mmcv不兼容，cuda降版本，来回修改环境变量，再是Key img_path is not in available keys，一直怀疑是我数据格式的问题，来回修改。看有的博主说num_worker,于是改改改，不起作用（省略其中的n种方法）。这不兼容，那不兼容，真让人崩溃。库与 MMYOLO 不兼容，从而导致此错误。这是一个图像增强库，因为某些版本的。

原创 验证集精度来回震荡是什么原因，怎么解决

验证集精度来回震荡是什么原因，怎么解决

原创 RuntimeError: DataLoader worker (pid(s) 17016, 18312) exited unexpectedly

RuntimeError: DataLoader worker (pid(s) 17016, 18312) exited unexpectedly

原创 AttributeError: type object ‘VisionTransformer‘ has no attribute ‘from_pretrained‘

AttributeError: type object 'VisionTransformer' has no attribute 'from_pretrained'

原创 DSAN代码:Deep Subdomain Adaptation Network forImage Classification

Deep Subdomain Adaptation Network forImage Classification

原创 深度学习：AttributeError: module ‘torchvision.transforms‘ has no attribute ‘Scale‘

报错：AttributeError: module 'torchvision.transforms' has no attribute 'Scale'

原创 深度学习：from tensorflow.contrib.rnn import LSTMStateTuple没有contrib模块

ModuleNotFoundError: No module named ‘tensorflow.contrib‘

原创 深度学习2：支持向量机与对偶问题的转化，强对偶定理，SVM算法总结

原创 深度学习1：支持向量机(优化问题、SVM处理线性及非线性问题、常用和函数、原问题和对偶问题)

原创 深度学习：ImportError: cannot import name ‘QuantStub‘ from ‘torch.ao.quantization‘

错误语句：from torch.ao.quantization import QuantStub, DeQuantStub正确语句：from torch.quantization import QuantStub, DeQuantStubtorch版本问题。

原创 深度学习：目录的获取 绝对路径的使用

# 获取当前目录print(os.getcwd())# 获取上级目录print(os.path.abspath(os.path.join(os.getcwd(), "..")))# 获取上上级目录print(os.path.abspath(os.path.join(os.getcwd(), "../..")))# 绝对路径的使用r'绝对路径地址 C:\.\...''' ： 当前同级目录'/' ：根目录'./' ：当前同级目录'../' ：上级目录.

原创 机器学习笔记１(西瓜书)：聚类任务、性能度量、距离计算、

聚类： 试图将数据集中的样本划分为若干个不相交的子集，每个子集称为一个“簇”。性能度量： 聚类性能度量亦称聚类“有效性指标”。通常希望聚类结果的“簇内相似度”高且“簇间相似度”低。 聚类性能度量大致有两类，外部指标和内部指标。 外部指标：将聚类结果与某个“参考模型”进行比较。x为数据集数据，C是通过聚类划分结果，C*是参考模型给出的簇划分结果，和*分别表示与C和C*对应的簇标记向量。因此常用的聚类性能度量外部指...

原创 深度学习：CNN的实现

'''CNN的实现image-->Conv-->ReLU-->Pooling-->Affine-->ReLU-->Affine-->Softmax-->参数： input_dim----输入数据的维度：（通道，高，长） conv_param----卷积层的超参数（字典）。字典的关键字如下： filter_num---滤波器的数量 filter_size---滤波器的大小 stride---.

原创 迁移学习论文解读：《Unsupervised Domain Adaptation via Structurally Regularized Deep Clustering》

存在问题： 直接实现源域和目标域对齐会破坏目标数据的内在结构。 但是如果先对目标域数据进行聚类，则可以保留完整的目标数据结构。 ...

原创 深度学习：view size is not compatible with input tensor‘s size and stride (at least one dimension spans a

错误提示：view size is not compatible with input tensor's size and stride (at least one dimension spans across two contiguous subspaces). Use .reshape(...) instead.错误代码：prec1 = accuracy(-1 * dist_xt_ct.data, target_targets, topk=(1,))[0].item()正确代码：

原创 深度学习pytorch代码：利用GPU进行卷积神经网络训练(含代码注释)

GPU训练方法一.cuda可以使用GPU训练的内容：数据(输入、标签) 损失函数 网络模型GPU训练方法二.to(device)# 使用cpu训练device = torch.device("cpu")#使用GPU训练torch.device("cuda")# 指定训练的GPUtorch.device("cuda:0")model.eval() # 将模型转化为测试类型model.train() # 将模型转化为训练模型...

原创 深度学习pytorch代码：完整的卷积神经网络模型的搭建及训练(含注释)

import torch.optim.optimizerimport torchvision# 准备数据集from torch.utils.tensorboard import SummaryWriterfrom model import *from torch.utils.data import DataLoadertrain_data = torchvision.datasets.CIFAR10(r"C:\Users\123\Desktop\python4.7\test03\data".

原创 深度学习pytorch：VGG网络模型的使用、修改及保存、添加线性层、修改网络输出

# 现有网络模型的使用及修改import torchvisionfrom torch import nn# 加载预训练网络模型vgg16_true = torchvision.models.vgg16(pretrained=True) # 下载网络模型vgg16_false = torchvision.models.vgg16(pretrained=False) # 只是加载网络模型print((vgg16_true))train_data = torchvision.datas.

原创 深度学习pytorch代码：损失函数与反向传播

损失函数:计算实际输出和目标之间的差距 为我们更新输出提供一定的依据(反向传播)注： 在L1损失下，如果reduction=none，则输入和输出的维度要相同import torchfrom torch import nnfrom torch.nn import L1Loss, MSELossinputs = torch.tensor([1, 2, 3], dtype=torch.float32)targets = torch.tensor([1, 2,...

原创 深度学习pytorch代码：Sequential的使用及CIFAR10模型搭建实战

CIFAR10模型结构：import torchfrom mmcv.cnn import Conv2d, MaxPool2d, Linearfrom torch import nnfrom torch.nn import Flatten, Sequentialclass LR(nn.Module): def __init__(self): super(LR, self).__init__() # self.conv1 = Conv2d.

原创 python笔记4：面向过程和面向对象基本概念及区分、类和对象

面向过程--怎么做？把完成某一个需求的所有步骤从头到尾逐步实现 根据开发需求，将某些独立功能的代码封装成一个又一个函数 最后完成的代码，就是顺序的嗲用不同的函数特点注重步骤与过程，不注重职责分工 如果需求复杂，代码会变的很复杂 开发复杂项目，没有固定的套路，开发难度很大面向对象--谁来做？相比较函数，面向对象是更大的封装，根据职责在一个对象中封装多个方法在完成某一个需求前，首先确定职责--要做的事情(方法) 根据职责确定不同的对象，在对象内部封装不同的方法(多个) 最后.

原创 python笔记3：字符串的切片(代码)

切片方法适用于字符串、列表、元组切片使用索引值来限定范围，从一个大的字符串中切出小的字符串 列表和元组都是有序的集合，都能够通过索引值获取到对应的数据 字典是一个无序的集合，是使用键值对保存数据格式：字符串[开始索引：结束索引：步长] 左闭右开若不指定结束索引，则从开始索引处切到最后一个值num_str="0,1,2,3,4,5,6,7,8,9"# 将字符串逆序输出num_str[-1::-1]Out[8]: '9876543210'...

原创 python笔记2：模块概念及使用、pyc文件(代码)

模块是python程序架构的一个核心概念模块就好比是工具包，想要使用这个工具包里的工具，就要导入import这个模块 每一个以扩展名py结尾的python源代码文件都是一个模块 在模块中定义的全局变量、函数都是模块能够提供给外界直接使用的工具# 定义模块def print_line(char, times): ''' :param char: :param times: :return: ''' print(char * times).

原创 Python笔记1：函数的定义及使用(代码)

定义函数的格式：def 函数名(): 函数封装的代码 ......注：def是define的缩写 函数是对一段具有独立功能代码的封装

原创 深度学习pytorch:linear()

import torchimport torchvision.datasetsfrom mmcv import DataLoaderfrom mmcv.cnn import Linearfrom torch import nndataset = torchvision.datasets.CIFAR10(r"C:\Users\123\Desktop\python4.7\test03\data", train=False, transform=torchvision.transforms.ToTe.

原创 深度学习pytorch代码：非线性激活Relu（）

input为ReLu()中的一个参数，默认为Faluse，保留输入数据import torchfrom torch.nn import ReLUfrom torch import nninput =torch.tensor([ [1, -0.5], [-1, 3] # 1为batchsize])output = torch.reshape(input, (-1, 1, 2, 2))print(output.shape)class LR(nn.Module): ...

原创 深度学习pytorch代码：dilation空洞卷积、最大池化

dilation=1，称为空洞卷积，在卷积核相邻像素之间插入一个空白像素。默认池化核：kernel_size = 3Ceil_model=True or False： 是否对非完整像素进行保留(默认为False)import torchimport torchvision.datasetsfrom mmcv import DataLoaderfrom mmcv.cnn import MaxPool2dfrom torch import nnfrom torch.utils..

原创 深度学习：size of input tensor and input format are different

错误代码： writer.add_image("input", imgs, step, dataformats='HWC')正确代码： writer.add_images("input", imgs, step, dataformats='HWC')错误原因：add_image只接收单一图像，而我们直接将imgs批量传入是不行的。...

原创 深度学习pytorch代码：卷积神经网络模型module的搭建、卷积层conv_1 conv_2

jmodule是所有神经网络模块的基类，我们自己构造的模型也应该继承这个类。import torchfrom torch import nnclass LR(nn.Module): def __init__(self) -> None: # 重写方法快捷键 alt+insert super().__init__() def forward(self, input): output = input + 1 return ou

原创 深度学习pytorch代码: torchvision 中的数据集使用 、DataLoader的使用

torchvision中数据集的自动下载以及使用import torchvisionfrom tensorboardX import SummaryWriterdataset_transform = torchvision.transforms.Compose( [torchvision.transforms.ToTensor() ])train_set = torchvision.datasets.CIFAR10(root="./data", train=True, transf

原创 深度学习pytorch代码: transforms结构及用法 常见的transforms

transforms.py 工具箱totensor resize图片-------->工具(transforms)---------->结果 | 使用工具创建具体的工具 transforms.ToTensor()使用工具：输入：图片输出：result = tool(图片)from PIL import Image as imimfrom tensorboardX...

原创 深度学习pytorch代码:TensorBoard使用 图像变换 transforms的使用

from torch.utils.tensorboard import SummaryWriterimport numpy as npfrom PIL import Imagewriter = SummaryWriter("logs") # 存储事件文件image_path = r"C:\Users\123\Desktop\python4.7\hymenoptera_data\train\ants\0013035.jpg"image_PIL = Image.open(image_path).

原创 深度学习pytorch代码：数据加载 Dataset() Dataloader()

Dataset(): 提供一种方式去获取数据及其label功能：如何获取每个数据及其label 告诉我们总共有多少数据Dataloader(): 为后面的网络提供不同的数据形式(对数据进行打包)from torch.utils.data import Datasetfrom PIL import Imageimport osclass MyData(Dataset): def __init__(self, root_dir,label_dir): sel

原创 深度学习pytorch代码:两大函数—dir() && help()

dir():打开、看见help()：说明书打开工具箱：dir(pytorch)输出：1、2、3、4dir(pytorch.3)输出：a,b,c查看其功能：help(pytorch.3.a)输出：将此扳手放在特定的地方，然后拧动实战：import torchtorch.cuda.is_available()# Out[3]: Truedir(torch)'''Out[4]: ['AVG', 'AggregationType', 'Ali.

原创 迁移学习：《Entropy Minimization vs. Diversity Maximization for Domain Adaptation》

注：代码部分属于节选，具体参考官网代码。

原创 深度学习：invalid index of a 0-dim tensor. Use `tensor.item()` in Python or `tensor.item＜T＞()` in C++ to

版本问题源代码：test_loss += F.nll_loss(out_tgt.log(), target_label, size_average=False).data[0] # sum up batch loss修改后代码：test_loss += F.nll_loss(out_tgt.log(), target_label, size_average=False).item() # sum up batch loss

原创 深度学习：name ‘xrange‘ is not defined

python3中应将所有的xrange换为range

原创 迁移学习：深度加权子域自适应网络

找了一篇关于子域自适应的文章，准备在上一篇子域自适应文章的基础上进一步进行深入学习。是一篇来自很呐工业大学的一篇论文《深度加权子域自适应网络》，本文分析的切入点主要是对比两篇文章的不同之处。DSAN在我看来已经是非常成功的一篇论文了，没想到这篇论文只是借用相同的方法做出稍稍的改进就可以在OFFICE31上实现如此大的突破，真的也是让我大吃一惊。不过遗憾的是，没有论文代码，联系通讯作者也没有要到，表示理解吧，但是不开源也还是很遗憾.........

原创 迁移学习：《Layer Adaptive Deep Neural Networks for Out-of-distribution Detection》

原创 深度学习：RuntimeError: No CUDA GPUs are available

提前声明：我的环境里面已经安装torch，而且cuda版本与安装环境是匹配的，但就是出现了这个错误。测试(使用cuda必须要做的测试)：环境没有问题，GPU也是可用的，但为什么依然报错。解决方法： 因为我的电脑上只有一块GPU，因为我们的装备和程序员装备的差异，所以要更改GPU的使用个数。os.environ["CUDA_VISIBLE_DEVICES"] = "1"讲这里的1改为0，使用第一块GPU进行训练就可以啦~os.environ["C..