- 博客(13)
- 收藏
- 关注
RSS订阅原创 pyclipper.PyclipperOffset()函数的使用方法
pyclipper.PyclipperOffset() 函数是 Pyclipper 库中用于执行多边形偏移操作的类的构造函数。它返回一个 PyclipperOffset 对象，该对象提供了执行多边形偏移操作所需的方法。在这个示例中，我们首先创建了一个 PyclipperOffset 对象 offset。然后，我们定义了一个多边形路径 path，并使用 AddPath 方法将其添加到偏移对象中。接下来，我们执行了多边形偏移操作，指定偏移的距离为 delta。最后，我们打印了偏移后的多边形路径。
2024-04-05 22:30:29
225
1
原创 根据tensorRT版本确定cuda，cudnn等相关版本
下面链接如下图所示可以根据tensorRT版本确定cuda，cudnn等相关版本。我是因为报了这两个警告，结合网上解释，发现是tensorRT和cuda不匹配。
2023-10-07 15:32:16
213
1
原创 yolov5数据构建的两种方式
对于还不太熟悉yolov5源代码的同学，利用自己的数据集构建符合yolov5训练格式的数据集应该挺让人头大的，所以下面我来讲一下构建训练数据的两种常用方式：一般标注的标签格式为xml文件格式，我们首先需要将xml格式转成txt格式文件。通过以上代码就可以获取labels文件夹，里面是每张图片的GT框信息。还有images文件夹，里面是对应的图像文件。
2023-09-22 16:50:23
169
1
原创 Bag of Tricks for Image Classification with Convolutional Neural Networks论文笔记
训练图像分类模型的tricks
2022-11-16 14:33:05
134
2
原创 Nuitka 打包pytorch图像分类代码
首先还是得安装mingw64， 其实你不安装，在运行Nuitka 命令的时候，他会自己安装合适的版本，就是有点龟速，如果一直下不了，可以自己根据链接去github上面下载，还可能提示没得cache，方法和上面一样建议使用python创建虚拟环境，反正我用conda 配置环境 怎么打包都不成功，不信的可以去试试安装的python3.8，然后使用python3.8创建虚拟环境venv，然后pip安装pytorchpip install torch==1.8.0+cu111 torchvision==0.9
2022-05-24 11:47:08
1087
原创 window10环境，在conda中编译安装softpool包
首先在github上找到大神的源码并下载下来。https://github.com/alexandrosstergiou/SoftPoolsoftpool介绍不是本文重点，具体可参考：https://blog.csdn.net/WZZ18191171661/article/details/113048529需要的依赖环境：pytorch >=1.4CUDA （我是在11.0版本编译成功）python 3.8（3.7也可以）这里需要将CUDA_PATH改成v11.0保证上面的环境安装
2022-04-18 09:52:44
4152
36
原创 Windows 10 pytorch模型转换为 OpenVINO需要的IR文件 附推理测试代码
提示：假设读者OpenVINO环境已经配置好环境配置可参考：https://nickhuang1996.blog.csdn.net/article/details/81391468pytorch模型不能直接转成OpenVINO需要的IR文件， 需要先转成onnx中间模型。可参考pytorch官网实例：https://pytorch.org/docs/master/onnx.html#torch-onnxmodel_name = "导出的onnx模型名字"dummy_input = torch.ra
2022-04-14 11:19:41
1629
原创 VS2019配置ONNXRuntime c++环境
参考：https://blog.csdn.net/qq_19865329/article/details/115945454参考：https://blog.csdn.net/hjxu2016/article/details/118391341一、下载对应版本的onnx在github上查看 pytorch1.8.1对应的版本是onnx runtime v1.8.1我的pytorch是1.7.1 所以我下载的是onnx runtime v1.7.0 cpu 版本选择cpu或者gpu : h
2022-03-30 08:33:40
6172
5
原创 语义分割 利用pytorch的transform数据增强方法同时对image和mask做数据增强
今天阅读其他大佬的代码，发现了一种可以同时对image和mask做数据增强的方法，记录一下。from torchvision.transforms import functional as Ffrom torchvision import transforms as tfsfrom PIL import Imageimport matplotlib.pyplot as pltdef rand_crop(image, label, height=300, width=300): '''
2022-02-25 19:48:03
2589
原创 np.random.randint和random.randint的区别
import randomimport numpy as nplista = []listb = []for _ in range(10):a = np.random.randint(0, 2)b = random.randint(0, 2)lista.append(a)listb.append(b)print(lista)print(listb)运行结果：[0, 0, 0, 0, 1, 0, 0, 1, 0, 1][0, 1, 0, 1, 2, 0, 2, 1, 0, 0]可以
2022-02-24 10:09:55
1998
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人