目标检测
xulei_zhai@163.com
这个作者很懒,什么都没留下…
展开
-
【chatgpt】工程编译过程中的经验总结
本文介绍了如何使用命令来搜索、分析和处理文件内容,这些命令在软件开发、系统维护和文件管理中非常有用。原创 2023-08-27 09:17:31 · 113 阅读 · 0 评论 -
DenseNet学习知识点记录
新知识清单:知识点一:self.features = nn.Sequential(OrderedDict([])这里问什么要在nn.Sequential()中加入python中的一个有序字典呢?知识点一:self.features = nn.Sequential(OrderedDict([])这里问什么要在nn.Sequential()中加入python中的一个有序字典呢?看一下**nn.Sequential()**的源码,发现原来使用OrderedDict是nn.Sequential()的两种用法中的原创 2022-05-21 11:34:16 · 290 阅读 · 0 评论 -
.tolist()函数
import randomimport numpy as nprandom.seed(0)a = np.random.randn(2,3)x1 = list(a)x2 = a.tolist()print("x1:\n___\n", x1)print("x2:\n___\n", x2)x1:___ [array([1.31652464, 0.25154352, 1.84586769]), array([ 0.19440879, -1.1563423 , 0.45750156])]x原创 2021-07-04 21:16:42 · 1516 阅读 · 0 评论 -
np.concatenate()函数类似于torch.cat()函数
import randomimport numpy as nprandom.seed(0)a = np.random.randn(2,3)b = np.random.randn(2,3)c = np.concatenate((a, b), axis=0)d = np.concatenate((a, b), axis=1)print("a:\n-----\n", a)print("b:\n-----\n", b)print("c:\n-----\n", c)print("d:\n---原创 2021-07-04 20:50:43 · 2949 阅读 · 0 评论 -
torch.squeeze()与torch.unsqueeze()
1.torch.squeeze与torch.unsqueeze()在一维数组上的横向对比结论:torch.squeeze()在指定的维度前面面减少一个维度torch.unsqueeze()在指定的维度后面增加一个维度import torcha = torch.randn(5)print(a)b = torch.unsqueeze(a, dim=-1)print(b)c = torch.squeeze(a, dim=-1)print(c)tensor([ 0.1454, -1.4046原创 2021-07-04 11:14:58 · 446 阅读 · 0 评论 -
数组切片中三个点(...)以及两个冒号(::-1)的含义
"""1.对比一下c和d或者bb和cc可以知道三个点的作用就是省略了前面所有的:,(冒号与逗号)2.对比一下b以及c或者bb和cc可以知道::-1的作用,即为使这一维度的元素倒序3.注意三个点省略的格式必须是n个冒号以n-1个逗号"""import numpy as npnp.random.seed(0)a = np.random.randn(3,2,3)b = a[:, :, -1:-a.shape[2]-1:-1] #c = a[:, :, ::-1]d = a[...,::-1原创 2021-07-04 10:46:01 · 924 阅读 · 0 评论 -
torch.meshgrid()函数
import torchyv, xv = torch.meshgrid(torch.arange(0, 7), torch.arange(0, 7))print("xv:","\n__\n", xv ,"\nyv:\n__\n", yv)xv, yv = xv.flatten().float(),yv.flatten().float()print("xv:","\n__\n", xv ,"\nyv:\n__\n", yv)xv: __ tensor([[0, 1, 2, 3, 4, 5,原创 2021-07-03 22:37:40 · 219 阅读 · 0 评论 -
torch.max()与numpy.max()函数
torch.max能同时返回最大值,及最大值索引numpy.max返回最大值axis = -1指倒数第一维度(本例子中等价于 axis=2)axis = -2指倒数第二个维度(本例子中等价于 axis=1)axis = -3指倒数第三个维度(本例子中等价于 axis=0)import numpyx = numpy.array([[[1, 2 ,3], [3, 0, 1]], [[2, 0, 1], [66, 16, 7]]])print("x")print原创 2021-07-03 22:30:51 · 1428 阅读 · 0 评论 -
permute()函数
import torcha = torch.randn(3,2,4)b = a.permute(1,2,0)print(a)print("a.shape", a.shape)print("(3,2,4)-->(2,4,3)")print(b)print("b.shape", b.shape)tensor([[[-0.3183, 1.2260, 0.4502, 1.1955], [ 0.0197, -0.7851, 0.0231, -1.3826]],原创 2021-07-03 22:19:18 · 487 阅读 · 0 评论 -
view()函数
import torcha = torch.randn(3,2,4)b = a.view(-1,3)print(a)print("______")print(b)tensor([[[ 2.0987e-01, -1.0433e+00, 8.5658e-01, 6.6644e-01], [ 2.0650e-03, -4.0122e-01, 9.4112e-02, 1.2041e+00]], [[-7.0400e-01, -1.6693e-01, 1.6原创 2021-07-03 22:10:54 · 431 阅读 · 0 评论 -
数组切片操作:一维数组[::-1]的理解,二维数组[:,::-1]三维数组[:,:,::-1]的理解
numpy数组切片操作:一维数组[::-1]的理解,二维数组[:,::-1]三维数组[:,:,::-1]的理解import numpy as npnp.random.seed(0)a = np.random.randn(3,2,3)b = a[:1,:1,::-1]print('a\n_____\n', a)print('b\n_____\n', b)a_____ [[[ 1.76405235 0.40015721 0.97873798] [ 2.2408932 1.867原创 2021-07-03 21:17:52 · 842 阅读 · 2 评论 -
CenterNet环境配置
centernet环境搭建Step1:创建虚拟环境conda create -n CenterNet python=3.7Step2:进入虚拟环境conda activate CenterNetStep3:安装pytorchconda install pytorch=1.4.0 torchvision -c pytorchStep4:修改torch / nn / functional.py文件cd ~/anaconda3/envs/CenterNet/lib/python3.7/sit原创 2021-05-09 10:43:07 · 2236 阅读 · 6 评论