weixin_44777827的博客

1. conda环境准备首先，按照mmdetection操作步骤创建好虚拟环境，并安装好mmcv、mmdet等安装包然后，下载TinaFace项目代码：git clone https://github.com/Media-Smart/vedadet.gitcd vedadetvedadet_root=${PWD}最后，编译vedadet项目，执行：pip install -r requirements/build.txtpip install -v -e .特别注意：如果在安装过程中出

记录一下最近跑TinaFace代码在原来服务器跑没有问题，新服务器跑遇到的错误首先，按照官网步骤安装相关包：本人环境：显卡驱动版本： NVIDIA-SMI 460.73.01 Driver Version: 460.106.00 CUDA Version: 11.2CUDA版本：nvcc -V： Cuda compilation tools, release 11.1, V11.1.74pytorch 1.8.1 torchvision

最近在训练网络模型时，出现以下错误：/home/xw/anaconda3/envs/openmmlab/lib/python3.7/site-packages/torch/cuda/__init__.py:52: UserWarning: CUDA initialization: CUDA unknown error - this may be due to an incorrectly set up environment, e.g. changing env variable CUDA_VISIBLE

用朋友cocotools包时，直接用pip安装慢的一批，而且总是会因为网速等问题下载不下来。报一堆错误： ERROR: Command errored out with exit status 1: command: /root/anaconda3/envs/pytorch/bin/python /root/anaconda3/envs/pytorch/lib/python3.7/site-packages/pip install --ignore-installed --no-user --p

下载WIDER_FACE数据集如有过期，我会不定时更新下载数据集标签文件，https://github.com/sovrasov/wider-face-pascal-voc-annotations将WIDER_train_annotations 和 WIDER_val_annotations文件名更改为Annotations，并分别放置在WIDER_train 和 WIDER_val两个文件下，并将改名前WIDER_train_annotations 和 WIDER_val_annotations两.

下载Swin Transformer Object Detection官方代码Swin-Transformer-Object-Detection按照官方readme安装相关环境和软件包根据官网mmdetection安装完mmcv和mmdet后，测试代码会遇到一个坑，显示mmcv版本过大（mmcv==1.4.2），看了官网后，发现版本并没有问题，此处需要修改mmdet/init.py文件：mmcv_minimum_version = '1.3.17'mmcv_maximum_versi..

最近自己写了个模型，采用mmdetection框架去训练coco数据集。由于数据集较大，单卡情况下预计需要一个月时间才能完成1x的训练。这无法容忍，于是采用多卡分布式训练。首先，第一次由于batchsize过大，导致显存爆了。调整batchsize后，报如下错误：显示有信号泄露警告，起初以为只是警告忽略就可，主要关注其中的error错误，百度这个错误，网上并没有关于这个问题的解答。于是关注于警告的部分，这个警告的解决方案，可以参考相关博文：UserWarning: semaphore_tracker

极市平台：https://mp.weixin.qq.com/mp/appmsgalbum?__biz=MzI5MDUyMDIxNA==&action=getalbum&album_id=1685054606675902466&scene=173&from_msgid=2247531914&from_itemidx=1&count=3&nolastread=1#wechat_redirect

WIDER FACE数据集官方链接提供的下载链接实在太慢，分享一下自己下载好的百度网盘链接链接：https://pan.baidu.com/s/1WoQCn5_3HKpIIe-mTRVsqw提取码：o35l复制这段内容后打开百度网盘手机App，操作更方便哦–来自百度网盘超级会员V4的分享...

文章转载自：https://zhuanlan.zhihu.com/p/1334671091.Faster RCNN 整体思路概述如图1.1所示，Faster RCNN 的整体框架按照功能区分，大致分为4个模块，分别是特征提取网络backbone模块、RPN模块、RoI and RoI pooling模块和RCNN模块。图 1.1 Faster RCNN 整体框架Backbone模块：主要负责接收输入数据，并进行数据预处理和特征提取得到输入图像对应的feature maps，并传递给下一层。这部分论

ImageNet数据集准备方法登录imagenet官网用教育邮箱注册后，点击下载原始图片，选择2012下载ISLVRC2012http://www.image-net.org/challenges/LSVRC/2012/downloads下载training images 和 validation images获得两个压缩包，放在同一个文件夹下，直接在该文件夹目录下执行下面的指令解压训练集 mkdir train && mv ILSVRC2012_img_tr

Ubuntu 20.04 LTS/RTX30XX显卡 快速配置深度学习环境（一行命令）近日，新入一台RTX3080的服务器，目前好像还没办法很方便地在 RTX 30 系列 GPU上通过 pip/conda 安装 TensorFlow 或 PyTorch。因为这些 GPU 需要 CUDA 11.1，而当前主流的 TensorFlow/PyTorch 版本不是针对 CUDA 11.1 编译的。现在要在 30XX GPU 上运行这些库的话，需要很强的动手能力，手动编译或者用英伟达 docker 容器。我搜到一

轻量级 CNN 架构设计以下文章来源于GiantPandaCV ，作者Ironboy卷积神经网络架构设计，又指backbone设计，主要是根据具体任务的数据集特点以及相关的评价指标来确定一个网络结构的输入图像分辨率，深度，每一层宽度，拓扑结构等细节。公开发表的论文大多都是基于ImageNet这种大型的公开数据集来进行的通用结构设计，早期只以其分类精度来证明设计的优劣，后来也慢慢开始对比参数量(Params)和计算量(FLOPs)，由于ImageNet的数据量十分巨大且丰富，所以通常在该数据集上获得很好精

日常对于批量处理文件的需求非常多，用Python写脚本可以非常方便地实现，但在这过程中难免会和文件打交道，第一次做会有很多文件的操作无从下手，只能找度娘。本篇整理了10个Python中最常用到的文件操作，均采用内置函数实现，无论是批处理还是读取文件都会用到，相信这个梳理对大家有所帮助。1. 显示当前目录当我们想知道当前的工作目录是什么的时候，我们可以简单地使用os模块的getcwd()功能，或者使用pathlib的cwd()，如下所示。>>> # 第一种方法：显示当前目录...

1、冒泡排序lis = [56,12,1,8,354,10,100,34,56,7,23,456,234,-58]def sortport(): for i in range(len(lis)-1): for j in range(len(lis)-1-i): if lis[j]>lis[j+1]: lis[j],lis[j+1] = lis[j+1],lis[j] return lisif __name_

学习 Python 的话，仅掌握标准库是远不够的，有很多好用的第三方库我们也需要用到的，比如，由鼎鼎大名的 K 神开发的爬虫必不可少的 requests 库，一般都是必装的库吧。安装第三方库当然还是用 pip 命令安装最方便了。但是，大家发现 pip install + 包名 的方式 安装第三方库的时候，下载速度很慢，有时还会超时，遇到第三方库比较大时候，是真的很慢，我刚开始学 Python 的时候，我就大意了，没想到这么慢。话说有时都提裤子了，它却报安装超时了。。。咳咳，言归正传，今天就教大家解决这该死

报错：Anaconda Error - module ‘brotli‘ has no attribute ‘error‘brotli包错误，使用pip install brotliconda install brotli依然出错的解决方案:找到文件：E:\anaconda\envs\pytorch\Lib\site-packages\pip_vendor\urllib3\response.py注释掉388-389行的代码：# if brotli is not None:# D

文章转载来自：Dormineered内容有些词汇翻译不准确，请见谅！！！个人整理不易，包含参数计算内容，更多训练阶段细节会在后期更新。转载请注明EfficientNets是谷歌大脑的工程师谭明星和首席科学家Quoc V. Le在论文《EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks》中提出。该模型的基础网络架构是通过使用神经网络架构搜索（neural architecture search）设计得到。卷积神经

torch官方文档：https://pytorch.org/docs/stable/nn.html#non-linear-activations-weighted-sum-nonlinearitytorch官方可视化：https://dashee87.github.io/deep%20learning/visualising-activation-functions-in-neural-networks/

模块型号参考价格数量参考总价GPU技嘉RTX 2080Ti TURBO 11G (CUDA® Cores : 3328; 显存: 11GB GDDR5X; 内存带宽:11 GB/s )9999219998CPU英特尔® 酷睿™ i7-9800x 8核心 16线程269912699主板技嘉X299 UD4 Pro199811998内存金士顿DDR4 3200频16G4792958电源EVGA 额定1200w P2电源199...