学习记录
文章平均质量分 54
吴大炮
机器学习入门者
展开
-
faiss使用实例,快速入门
在这个示例中,我们首先生成了一些随机数据,然后创建了一个FAISS索引,并将数据添加到索引中。最后,我们打印了搜索结果,包括每个查询的最近邻的索引和距离。在FAISS中,"训练"通常是指为某些类型的索引(例如,量化索引)学习一组聚类中心。:最后,代码生成了一些新的随机查询向量,并使用加载的索引对这些查询进行了搜索。:这段代码首先生成了一些随机的浮点数向量,这些向量将被用于训练和添加到FAISS索引中。:然后,代码将索引从GPU转移到CPU,并将其保存到文件中,以便以后使用。类型,这是一种需要训练的索引。原创 2024-05-21 18:31:54 · 682 阅读 · 1 评论 -
RESA 车道线检测模型-debug分析
上述代码中的一些超参数,是我自己设置的,便于看,免得看config了,这个的关键就是如何x.add_是怎么加的,这里面用到了一些索引,我们具体来dubug看一下。看到这里大家应该就明白了吧,主要实现错位的相加,依照这个顺序执行的啊,这样就实现了文中说的消息的传递,比CNN好。该模型只有一个关键点就是resa模块,把这个想清楚就没什么了,下面看代码。原创 2024-04-15 23:31:47 · 313 阅读 · 1 评论 -
轻量化模块整理,即插即用
总结一下轻量化的模块,可以即插即用的,原创 2024-04-13 16:55:40 · 943 阅读 · 0 评论 -
numba加速python,实战应用,对比测试结果
numba加速的函数,即@jit()修饰的函数内,如果调用了其他函数,那么这个函数也应该被@jit()修饰,比如bbox_iou()这个函数,也应该被@jit()修饰。主要任务是有两组bboxs,进行匹配,计算iou阈值,如果直接用for循环,需要写两个for循环,时间复杂度还是很大的。第一个是for循环计算的结果,第二个是numba加速后的结果,确实加速了很多,很不错。使用numba库加速python的for循环,时间确实快很多。网上有很多解释的博文,不在详细介绍 ,比如。原创 2023-03-11 23:44:02 · 286 阅读 · 1 评论 -
卷积、转置卷积、膨胀卷积学习记录
卷积、转置卷积、膨胀卷积学习记录原创 2022-12-29 11:35:29 · 636 阅读 · 0 评论 -
机器视觉作业2:感知增强系统设计(去雾、增强算法MSR、MSRCP、automatedMSRCR)
机器学习实践作业,用了些图像增强算法(去雾、增强算法MSR、MSRCP、automatedMSRCR等),以及pyqt写了界面原创 2022-11-13 09:33:16 · 1885 阅读 · 0 评论 -
深度学习实验2:卷积神经网络
卷积神经网络实验原创 2022-07-20 11:34:46 · 3747 阅读 · 10 评论 -
机器学习、深度学习笔试题面试题整理
感受野如何计算?参考链接:https://blog.csdn.net/a841454735/article/details/88558906感受野指的是一个特定的 CNN 特征(特征图上的某个点)在输入空间所受影响的区域。就是特征图上的一点对应输入特征图的区域a)第一层卷积层的输出特征图像素的感受野的大小等于滤波器的大小;b)深层卷积层的感受野大小和它之前所有层的滤波器大小和步长有关系;c)计算感受野大小时,忽略了图像边缘的影响,即不考虑padding的大小。计算公式从原始input出发,逐原创 2022-05-11 21:16:42 · 5230 阅读 · 0 评论 -
点云3D目标检测学习(3):Complex YOLO
Complex YOLOCVPR 2018的一篇文章因为对YOLO相对熟悉一些,因此以Complex YOLO 做为第一个学习的3D目标检测模型主要贡献1、检测速度快的3D检测网络2、使用E-RPN计算3D框的朝向3、能够一次预测多个类点云的数据处理将点云数据转为鸟瞰图,选择左右80m,前方40m作为检测区域,8cm划分栅格然后提取强度密度高度特征组成RGB图,这里的RGB图只是仿照图像的,组成三个通道网络结构这里的网络的结构主要使用的YOLOv2,因为后续的YOLO网络还没提出来原创 2022-03-30 14:04:20 · 3702 阅读 · 2 评论 -
matplot绘图
利用matplot绘制折线图,要点:1、有间隔的显示横坐标信息;数据的横坐标为日期,如果每一个都显示出来,横坐标日期将会拥挤在一起,无法看清,因此要有间隔的显示日期,也可以拓展为有间隔的显示其他的数据形式2、如何保存完整的图具体内容看代码代码如下:import matplotlib as mplimport matplotlib.pyplot as plt#绘图部分times=east_day_volum['日期']times = [i for i in times][:85]#.原创 2022-03-21 17:03:46 · 4013 阅读 · 0 评论 -
点云3D目标检测学习(2):pointnet++源码
pointnet++源码学习pointnet++中包含pointnet源码,因此只看pointnet++就可以了整体流程以debug的形式看源码,分析电源数据在网络中的变化过程,如何进行特征提取以batch size = 2 为例输入数据: 2, 1024, 3->channel_first 2, 3, 1024第一个SA首先又给变回来了 2,1024,3然后是MSG 三个不同的半径利用query_ball_point()进行分组最远点采样选择了512个点[ 2,512原创 2022-03-05 15:25:19 · 2446 阅读 · 0 评论 -
注意力机制(SE、Coordinate Attention、CBAM、ECA,SimAM)、即插即用的模块整理
总结曾经使用过的一些即插即用的模块以及一些注意力机制注意力模块:SE代码源自这位大佬的仓库:https://github.com/moskomule/senet.pytorchclass SELayer(nn.Module): def __init__(self, channel, reduction=16): super(SELayer, self).__init__() self.avg_pool = nn.AdaptiveAvgPool2d(1)原创 2021-12-23 11:16:22 · 41937 阅读 · 40 评论 -
Github简单使用
1、在github上建立一个仓库用于保存项目文件2、提前建一个对应的分支,(如果不建立分支,经过测试不能合并到main,也可能是我的操作问题)3、git init 将本地变成一个仓库4、git checkout -b yolo在本地创建yolo分支 并切换到yolo分支 yolo只是个分支名字,和GitHub上仓库分支名 字一致5、 git remote add origin https://github.com/dxxxxxxx.git与远程仓库建立连接6、git statu原创 2021-12-23 00:27:13 · 362 阅读 · 0 评论 -
KNN K近邻算法学习
KNN算法、k-nearest neighbor,或者K-近邻算法是一种经典的机器学习算法,可以完成分类和回归任务。KNN算法主要思想:对于输入的特征X,选取与他记录最近的K个点,统计这K个点所属类别,X属于最多的一类。KNN参数通过上面的算法思想,可以知道,我们需要确定超参数K的数量和距离度量的表示1、超参数Kk的取值非常重要,如果k的取值国小,一旦原数据分布有噪声的存在,那么会对最终预测结果产生影响,产生偏差。如果k的取值较大,就意味着用较多的样本进行预测,训练误差会增大,即使是较远的点也会原创 2021-12-07 22:31:58 · 1091 阅读 · 0 评论 -
python os库使用
os.path.mkdir 首先判断path是否存在,如果存在就使用shutil中的rmtree()函数,将其删除,会将文件中的所有全部删除掉然后利用mkdir进行创建import osimport shutilpath = "./" if os.path.exists(path): shutil.rmtree(path) #删除目录,包括目录下的所有文件os.mkdir(path)...原创 2021-12-04 00:25:07 · 1087 阅读 · 0 评论 -
语义分割论文阅读:FCN、PSPNet、DDRNet、BiseNet、BiseNetV2、deeplabv3
FCN网络主要思想:使用卷积层替换到全连接层,以voc数据集、backbone为VGG16为例,最后的全连接层替换为卷积层,通道数为21(voc20类+背景),接着进行上采样为输入尺寸大小,对每一个像素点(21个特征图)进行softmax操作,确定该像素点所属类别。...原创 2021-11-07 21:53:11 · 2403 阅读 · 0 评论 -
点云3D目标检测学习(1):pointnet、pointnet++模型
点云数据处理模型:pointnet++1、点云数据无序性:只是点而已,排列顺序不影响近密远疏非结构化数据,直接CNN有点难2、PointNet整体网络架构分类任务就是得到整体的特征,得到所述类别的概率分割就是针对各个点,输出每个点的所属概率存在问题:没有局部特征融合,要不就自己,要么就一个整体没有关系概念,局部样本点之间存在的关系,没有考虑到PointNet++基于半径选择局部区域,得到很多簇针对得到每个区域进行特征提取(卷积)主要问题就是在解决:如何选择区域,每个簇的半径大小原创 2021-10-08 21:48:20 · 1326 阅读 · 0 评论 -
深度学习实验1:pytorch实践与前馈神经网络
深度学习实验1:pytorch实践与前馈神经网络1、pytorch基本操作原创 2021-09-13 20:47:38 · 8269 阅读 · 5 评论 -
pytorch4:简单的线性回归
#-*- codeing = utf-8 -*- #@Time: 2021/5/12 21:28#@Author : dapao#@File : linear_regression.py#@Software: PyCharm#线性回归 ,自定义生成数据集,然后进行拟合import randomimport torch##生成数据def synthetic_data(w,b,num_examples): '''生成y = Xw + b + 噪声。''' X = tor原创 2021-05-12 22:11:12 · 214 阅读 · 0 评论 -
pytorch学习2:搭建VGG16网络,利用预训练权重网络进行训练
#微调预训练的VGG16网络import numpy as npimport pandas as pdfrom sklearn.metrics import accuracy_score,confusion_matrix,classification_reportimport matplotlib.pyplot as pltimport seaborn as snsimport hiddenlayer as hlimport torchimport torch.nn as nnfrom原创 2021-05-12 21:28:01 · 2583 阅读 · 0 评论 -
pytorch学习2:pytorch搭建Alexnet网络
推荐神仙up主 霹雳吧啦Wz 我的代码基本就是按照他的代码自己写了一遍加深印象,有兴趣的可以去看看,强烈推荐。我写这个博客只是记录一下学习的过程,防止忘记。添加了一些注释,帮助理解。1、模型import torch.nn as nnimport torchclass AlexNet(nn.Module): def __init__(self,num_classes = 1000,init_weights = False): super(AlexNet,self).__ini原创 2021-04-19 21:19:25 · 340 阅读 · 0 评论 -
pytorch学习1:pytorch 定义网络的方式
#-- codeing = utf-8 --#@Time: 2021/4/13 22:06#@Author : dapao#@File : chapter_3.6.py#@Software: PyCharmimport torchimport torch.nn as nnfrom torch.optim import SGDimport torch.utils.data as Datafrom sklearn.datasets import load_bostonfrom sklearn原创 2021-04-13 22:55:15 · 343 阅读 · 0 评论 -
2021-03-19
conda create -n pytorch18 python=3.8#创建新的环境conda env list 查看环境列表查看cudn版本 cmd命令nvcc --version可直接在相应的文件夹下输出cmdtorch 版本的安装可以直接在官网上下载下来 然后本地安装原创 2021-03-19 14:47:39 · 95 阅读 · 0 评论 -
学习笔记4 :opencv 、PIL、matplotlib.image打开、保存图片
opencvimport cv2img = cv2.imread("图片路径”)#opencv打开的图片为np数组的形式,按照BGR排列PILfrom PIL import Imageimg1 = Image.open(“ ")#打开的图片不是np数组,需要转换img1 = np.array(img1)matplotlib.imageimport matplotlib.image as processimagesnp.set_printoptions(threshold = np.原创 2021-02-11 16:14:20 · 364 阅读 · 2 评论 -
学习笔记3 :pyqt5 显示opencv 和 PIL图片
1显示PILimage = ImageQt.toqpixmap(image)#qimage = ImageQt.ImageQt(image)self.label_2.setPixmap(image)qimg = ImageQt.toqimage(pil_img)可以直接变成QPixmap格式pixmap = ImageQt.toqpixmap(pil_img)2、显示opencv由于opencv打开是变成了bgr image_height, image_width, image_dept原创 2021-02-04 20:02:00 · 2524 阅读 · 0 评论 -
tensorflow学习笔记1
tensorflow学习笔记1本文主要记录我在慕课上观看北大曹建老师的《人工智能实践:Tensorflow笔记》,链接:https://www.icourse163.org/course/PKU-1002536002讲得很好。下面的内容主要来源于老师的课堂内容,自己整理,用来以后复习,防止自己忘记。TF 常用函数:创建张量```pythona = tf.constant([1, 5], dtype=tf.int64)将numpy格式转化为tenso格式a = np.arange(0, 5)原创 2021-02-02 11:55:40 · 153 阅读 · 0 评论 -
opencv学习笔记1
**opencv学习笔记1开始学习了**在使用前需要import opencv库1.读取图片import cv2 import numpy as npsrc = cv2.imread("图片保存路径")print(src)#打印出的是图像像素值2.显示图片cv2.namedWindow("创建的窗口,用来显示图片的窗口",cv.WINDOW_AUTOSIZE)cv2.imshow("窗口名称",src)#引用之前创建的窗口3.waitKey函数retval = cv2原创 2021-01-22 16:07:13 · 102 阅读 · 0 评论 -
学习笔记1:更改python下载源
学习笔记1:更改python下载源,让安装速度更快!1、常用的国内镜像源清华镜像源https://pypi.tuna.tsinghua.edu.cn/simple中科大镜像源https://pypi.mirrors.ustc.edu.cn/simple/豆瓣镜像源http://pypi.douban.com/simple/阿里云镜像源http://mirrors.aliyun.com/pypi/simple/2、使用方法2.1 直接使用如下在opencv 直接从国外网站下载速原创 2021-01-02 12:47:45 · 753 阅读 · 3 评论 -
学习路上遇到的Error2
学习路上遇到的Error2:SyntaxError: (unicode error) ‘unicodeescape’ codec can’t decode bytes in position 2-3: truncated \UXXXXXXXX escape本文仅仅只是用来记录自己在学习过程之中遇到的问题,以备后面回顾。报错:原因引起这个错误的原因就是转义的问题。在windows系统当中读取文件路径可以使用,但是在python字符串中\有转义的含义,如\t可代表TAB,\n代表换行,解决办法原创 2020-12-30 13:50:40 · 519 阅读 · 0 评论 -
学习路上遇到的Error1
@[TOC](学习路上遇到的Error1:ValueError: Shape must be rank 1 but is rank 0 for ‘bn_conv1/cond/Reshape_4’ (op: ‘Reshape’) with input shapes: [1,64,1,1], [].)学习路上遇到的Error1:ValueError: Shape must be rank 1 but is rank 0 for ‘bn_conv1/cond/Reshape_4’ (op: ‘Reshape’)原创 2020-12-29 21:37:08 · 1742 阅读 · 2 评论