NTU20220813-数据结构化和深度学习-WSL音频转发

https://zhuanlan.zhihu.com/p/232271603
https://www.proschoolonline.com/blog/data-science-interview-questions-on-linear-regression
https://orangedatamining.com/download/#windows
在这里插入图片描述
在这里插入图片描述
orange右键即可找到想要的东西。
安装R语言
linux的R安装好后,
输入R进入R命令行
在这里插入图片描述

输入如下命令
首先更换清华源

在~/.Rprofile修改内容如下

options(repos=structure(repos="http://mirror.bjtu.edu.cn/",
        BioC_mirror="http://mirrors.ustc.edu.cn/bioc/")

发现没有什么用,修改profile并不行,因为我在命令行查看,得到了如下结果

在这里插入代码片

#使用命令行设置镜像
options()$repos  
## 查看使用install.packages安装时的默认镜像
options()$BioC_mirror 
##查看使用bioconductor的默认镜像
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") 
##指定镜像,这个是中国科技大学镜像
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) 
##指定install.packages安装镜像,这个是清华镜像

在这里插入图片描述
这下子才算修改成功了
在这里插入图片描述
但是一重新登录进R啥都没了

进入到R的库目录
在这里插入图片描述
这才是那个所谓的profile
在这里插入图片描述

cd /usr/lib/R/etc
sudo cp Rprofile.site Rprofile.site.bak
sudo vi Rprofile.site

修改如下

# set a CRAN mirror 
local({
    r <- getOption("repos")
    r["CRAN"] <- "http://mirrors.tuna.tsinghua.edu.cn/CRAN/"
    options(repos = r)
})

这下子源才是真正改了。
package ‘pbdZMQ’ is not available (for R version 3.4.4)
不能自动安装依赖,实在是一大痛点!

想用biocLite安装
Error: ‘no packages in repository (no internet connection?)’ while trying
http://mirrors.ustc.edu.cn/bioc/packages/3.6/bioc

install.packages(c('repr', 'IRdisplay', 'evaluate', 'crayon', 'pbdZMQ', 'devtools', 'uuid', 'digest'))
devtools::install_github('IRkernel/IRkernel')
IRkernel::installspec(user = FALSE)

ERROR: dependencies ‘usethis’, ‘pkgdown’, ‘rcmdcheck’, ‘rversions’, ‘urlchecker’ are not available for package ‘devtools’

然后一堆依赖报错,所以说,还是只有单个单个来,然后看到却依赖,单独安装。
不进入内核
可以升级R语言
参考清华大学的方案即可
https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/linux/ubuntu/

安装pyAudio在wsl上,貌似对访问摄像头,麦克风有些问题
先考虑linux下pyaudio的安装
ImportError: libportaudio.so.2: cannot open shared object file: No such file or directory
解决办法:原因是pyaudio的pip和apt不匹配

sudo apt-get purge --remove python-pyaudio
sudo apt-get install portaudio19-dev
pip install pyaudio

wsl实现音频转发

sudo apt install pulseaudio
echo 'export PULSE_SERVER=tcp:127.0.0.1' >> ~/.profile

https://blog.sandtears.com/2020/02/27/wsl-gui-audio-support.html
设置音频转发,下载压缩包,参考这个,却出现了如下报错
PS D:\software\pulseaudio-1.1> bin\paplay.exe -p --server=tcp:localhost C:\Windows\Media\ding.wav
Connection failure: Connection refused

import torch 出现
NameError: name ‘nn’ is not defined
这个只有重装,最好重新创建一个环境

The kernel appears to have died. It will restart automatically.
内核死了,我的心死了

Some weights of Wav2Vec2ForCTC were not initialized from the model checkpoint at facebook/wav2vec2-base-960h and are newly initialized: [‘wav2vec2.masked_spec_embed’]
You should probably TRAIN this model on a down-stream task to be able to use it for predictions and inference.
这个其实不用管,就是说一部分权重没有初始化

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
将 Kinetics 数据集转换为 NTU-RGBD 数据集需要进行以下步骤: 1. 下载 Kinetics 数据集和 NTU-RGBD 数据集,并解压缩它们。 2. 安装 Python 和必要的依赖项(如 NumPy、Pandas 和 OpenCV)。 3. 创建一个 Python 脚本,读取 Kinetics 数据集中的所有视频文件并将其转换为 NTU-RGBD 数据集中的格式。以下是一个示例脚本: ```python import os import shutil import numpy as np import pandas as pd import cv2 # 设置路径 kinetics_path = '/path/to/kinetics/dataset' ntu_path = '/path/to/ntu-rgbd/dataset' # 读取动作类别映射 class_map = pd.read_csv(os.path.join(ntu_path, 'class_map.csv'), index_col=0) # 创建 NTU-RGBD 数据集目录 if not os.path.exists(ntu_path): os.makedirs(ntu_path) # 遍历 Kinetics 数据集中的所有视频文件 for filename in os.listdir(os.path.join(kinetics_path, 'videos')): # 获取动作类别和视频 ID class_name, video_id = filename.split('_')[:2] class_id = class_map.loc[class_name]['ntu_id'] # 创建输出目录 output_dir = os.path.join(ntu_path, 'nturgb+d_rgb', 'Skeletons', 'S001', 'C001', 'P001', class_id) if not os.path.exists(output_dir): os.makedirs(output_dir) # 读取视频文件并提取帧 cap = cv2.VideoCapture(os.path.join(kinetics_path, 'videos', filename)) frames = [] while True: ret, frame = cap.read() if not ret: break frame = cv2.resize(frame, (640, 360)) frames.append(frame) # 提取帧的关键点 keypoints = [] for frame in frames: # 使用 OpenPose 提取关键点 # 这里需要引入 OpenPose 的库 keypoint = extract_keypoints(frame) keypoints.append(keypoint) # 保存关键点数据 np.save(os.path.join(output_dir, 'S001C001P001R001A{:03d}.npy'.format(int(video_id))), keypoints) # 复制 RGB 视频文件到 NTU-RGBD 数据集目录 shutil.copyfile(os.path.join(kinetics_path, 'videos', filename), os.path.join(ntu_path, 'nturgb+d_rgb', 'avi', 'S001', 'C001', 'P001', class_id, 'A{:03d}.avi'.format(int(video_id)))) ``` 4. 运行 Python 脚本,等待转换完成。 5. 完成后,检查 NTU-RGBD 数据集目录,确保格式正确并且所有文件都已转换成功。 需要注意的是,以上示例脚本中使用了 OpenPose 库来提取帧的关键点。如果您没有安装该库,需要先安装并配置环境。另外,由于 Kinetics 数据集和 NTU-RGBD 数据集的标注方式不同,转换后的数据可能存在一定的误差。因此,在使用转换后的数据集进行训练或评估时,需要注意这些差异。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

irrationality

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值