weixin_47166887的博客

Linux常用命令

图片标签格式的转换：TXT-->XML,PNG-->JPG

机器学习基础算法

VGG16网络结构及代码下图为VGG网络结构图，最常用的就是表中的D结构，16层结构（13层卷积+3层全连接层），卷积的stride为1，padding为1，maxpool的大小为2，stride为2（池化只改变图像的大小，不改变特征矩阵的深度）vgg网络结构可以看作两部分：特征提取网络（连接层之前）+分类网络（3层全连接层）...

AlexNet网络结构及代码AlexNet网络结构AlexNet网络构建代码模型构建import torch.nn as nnimport torchclass AlexNet(nn.Module): def __init__(self, num_classes=1000, init_weights=False): super(AlexNet, self).__init__() self.features = nn.Sequential(

Linux下载VOC数据集1、VOC数据集简介PASCAL VOC挑战赛 （The PASCAL Visual Object Classes ）是一个世界级的计算机视觉挑战赛, PASCAL全称：Pattern Analysis, Statical Modeling and Computational Learning，是一个由欧盟资助的网络组织。http://host.robots.ox.ac.uk/pascal/VOC/简言之，VOC是 (Visual Object Classes)的简称，它是一

win安装cuda、cudnn检测是否安装成功1、win+R cmd进入终端激活创建的虚拟环境conda activate PyTorch(PyTorch) E:\Wan_ji_project\yolo3-pytorch-master>pythonPython 3.8.13 (default, Mar 28 2022, 06:59:08) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32Type "help", "copyri

cuda、cudnn环境配置查看当前cuda版本在cmd命令行中输入nvidia-smi查看NVIDIA显卡driver version以及可安装的最高CUDA版本，如下图本电脑所示，driver version为431.40，可安装的最高CUDA版本为10.1.

深度学习必备核心算法通俗解读机器学习流程：（1）数据获取（2）特征工程（3）建立模型（4）评估与应用深度学习的本质是提特征计算机视觉图像表示：计算机眼中的图像一张图像被表示成三位数组的形式，每个像素的值从0到255，例如3003003神经网络基础可以看到上面的结果不好，主要是权重参数的问题（权重参数随机初始化）损失函数：用来衡量模型的好坏归一化，计算损失（只关注正确类别）（预测值和真实值的差异）算出损失的目的是更新权重梯度下降：沿着梯度的反方向去更新（链式法则）

Linux基础最近在做课题，需要用到Linux系统，之前从未接触过，从现在开始学，突然想起一句话：只要你想学，什么时候都不算晚！这算是我学习Linux的一些笔记，也是记录一下我学习的过程~Linux简介（什么是Linux）它是一套开放源代码（在互联网上找到Linux系统的源代码，C语言写出的文件），可以自由传播（系统免费使用），支持多用户同时操作系统，多任务（可以同时运行多个程序）支持多CPU，多线程的操作系统。Linux主要用在服务器端Linu有着如下的关键特点：（1）开放源代码的程序软件，可

You probably need to get an updated matplotlibrc file from解决方法在运行程序时出现了以下错误：显示需要升级matplotlibrc包，试过很多方法都不行，最后卸载了又重新安装了一下就可以了，具体方法是：（1）先卸载pip uninstall matplotlib（2）后安装python -m pip install -U matplotlib --prefer-binary -i https://pypi.tuna.tsinghua.

目标检测算法最近在学目标检测各类算法，主要分为传统的目标检测方法和基于深度学习的目标检测算法，这里记录了一些基本的算法介绍。下图是目标检测算法的发展历程传统目标检测方法分三部分：区域选择–>特征提取–>分类器①　VJ（Viola-Jones）Viola-Jones人脸检测算法可以说是非常经典的一个算法，所有从事人脸检测研究的人，都会熟悉了解这个算法，Viola-Jones算法在2001年的CVPR上提出，因为其高效而快速的检测即使到现在也依然被广泛使用。在无约束条件（如肤色分割）的情

数据集与算法评估数据集Fashion-MNIST数据集1、FashionMNIST 是一个替代 MNIST 手写数字集 的图像数据集。它是由 Zalando旗下的研究部门提供，涵盖了来自 10 种类别的共 7 万个不同商品的正面图片。2、FashionMNIST 的大小、格式和训练集/测试集划分与原始的MNIST 完全一致。60000/10000 的训练测试数据划分，28x28的灰度图片。你可以直接用它来测试你的机器学习和深度学习算法性能，且不需要改动任何的代码。CIFAR-10数据集1、 CI

pytorch深度学习：60分钟快速入门学习链接：https://www.jianshu.com/p/889dbc684622官方教程https://www.pytorch123.com/动手学深度学习https://zh-v2.d2l.ai/Deep learning with pytorch: https://pytorch.org/assets/deep-learning/Deep-Learning-with-PyTorch.pdf...

将py文件打包成exe可执行文件将python程序打包成exe文件，这样下次使用的时候就不用打开python或者是编辑器了，可以直接点exe运行，是个比较实用的功能1、pyinstaller的安装（1）按住win+R键，输入cmd命令后回车，进入cmd命令行界面。（2）下载安装pyinstaller库，在cmd命令行输入pip install pyinstaller下载成功是这样的：（2）将py文件打包进入到需要转换的py文件目录下，输入命令行pyinstaller -F show_bo

车辆行人检测学习笔记1、目标检测&常见检测网络目标检测：物体识别是要分辨出图片中有什么物体，输入是图片，输出是类别标签和概率。而目标检测不仅要检测图片中有什么物体，还要输出无异的外框(x,y,width,height)来定位物体的位置。object detection，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object detection要解决的问题就是物体在哪里以及是什么的整个流程问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态

YOLO系列首先先说一下目标检测之one-stage和two-stage网络是什么意思？有什么区别？刚开始看目标检测的时候总能看见单阶段（one-stage）和两阶段（two-stage）目标检测网络，一开始不太懂，后来通过自己查资料，明白了一些，这里记录一下。**单阶段（one-stage）：**目标检测经典算法比如YOlO，SSD这是单阶段（One-Stage）算法，单阶段算法主要思想就是用一个CNN网络直接预测不同目标的类别与位置。这类算法是速度快，但是准确性要低一些。简单介绍一些YOLO算法

RCNN, Fast RCNN, Faster RCNN刚涉足目标检测，向通过写博客来记录一下自己的学习过程，也希望可以给大家的学习带来一些帮助，今天的2021年的最后一天，希望看到我文章的朋友们，在新的一年里都能学有所成，学有所获！R-CNN算法最早在2013年被提出，它的出现打开了运用深度学习进行目标检测的大门，从此之后，目标检测的精准度与实时性被不断刷新。R-CNN系列算法自提出之际，就非常引人注目，以至于在之后的很多经典算法中，如SSD、YOLO系列、Mask R-CNN中都能看到它的影子。

python标准异常查询异常名称描述这是我在学习try except时总结的python的标准查询，方便自己以后查询，也希望能给大家带来一些帮助。BaseException 所有异常的基类SystemExit 解释器请求退出KeyboardInterrupt 用户中断执行(通常是输入^C)Exception 常规错误的基类S

log日志的使用在开发过程中我们遇到bug是不可避免的，怎么能轻松找到bug？Python中有个logging模块可以记录着哪里错了，记录相关信息，帮我们轻松debug日志级别日志一共分成5个等级，从低到高分别是： 1. DEBUG 2. INFO 3. WARNING 4. ERROR 5. CRITICAL说明:DEBUG：详细的信息,通常只出现在诊断问题上INFO：确认一切按预期运行WARNING：一个迹象表明,一些意想不到的事情发生了,或表明一些问题在不久的将来(例