weixin_56405212的博客

原创 kitti数据集下载

kitti

原创 训练VainF/DeepLabV3Plus-Pytorch

使用VainF/deeplabv3plus

原创 自行装机配置

自行装机

原创 实时语义分割的一些记录

python3 cv_bridge

原创 ImportError: No module named builtins

anaconda

原创 运行kitti里的数据集（用kitti2bag将.bin转成.bag）

kitti2bag

原创 ROS学习笔记

ROS学习笔记

原创 关于A-loam的运行及安装

a-loam运行

原创 激光SLAM、视觉SLAM

slam算法

原创 avg = nn.AdaptiveAvgPool2d(1) 和 torch.mean

import torchimport torch.nn as nna = torch.rand(2,3,4,4)nn.AdaptiveAvgPool2d(1),就是将各4*4的矩阵变成1*1.torch.mean：可以理解为，对哪一维做平均，就是将该维所有的数做平均，压扁成1层(实际上这一层就给合并掉了)，而其他维的形状不影响。nn.AdaptiveAvgPool2d(1),就是将各4*4的矩阵变成1*1.avg = nn.AdaptiveAvgPool2d(1)(a).

原创 windows下的./ 和 ../

"./"：代表目前所在的目录。" . ./"代表上一层目录。"/"：代表根目录。import osjjpath = "./world"if not os.path.exists(jjpath): os.makedirs(jjpath)会在本文件当前位置创建名为world的文件夹import osjjpath = "../world"if not os.path.exists(jjpath): os.makedirs(jjpath)会在本文...

原创 单通道图片

import torchimport randomimport numpy as npimport osimport matplotlib.pyplot as pltfrom PIL import Imageimge = np.random.randint(0,256,size=(20,10))#最小的那个数字0表示为黑，最大的那个数字256表示为白# image = np.random.randint(0,256,size=(20,10,3))plt.imshow(imge,cmap=.

原创 学习率下降---cos

import mathfrom torch.utils.tensorboard import SummaryWriterdef yolox_warm_cos_lr(lr, min_lr, total_iters, warmup_total_iters, warmup_lr_start, no_aug_iter, iters): # 1e-4 1e-6 100 3 1e-5 .

原创 dataloader的长度

数据集/batchsize比如数据集共有10582张图片，batchsize设为26。那么len(dataloader) = 10582/26=407

原创 关于生成图片

数组生成图片image = Image.fromarray(np.uint8(arr))#arr的shape必须是3在后面，比如（375，500，3）tensor生成图片trans = transforms.ToPILImage()image = trans(tensor)#tensor的shape须是3在后面，比如（3，375，500），而且就应该是三维的#如果给的是四维的tensor，会报错 pic should be 2/3 dimensional. Got 4 di

原创 关于tensorboard使用的注意事项

1、这个.py文件不要命名为tensorbord.py。2、使用代码tensorboard --logdir=logaaa --port=10086（自定义，防止和别人冲突）前，要cd到对应的目录下，logaaa文件夹的上级目录当中。

原创 图像 -----＞ array与tensor的不同

#image的size为（w,h）即（w = 1000，h = 500）img_arr = np.asarray(image) #将image转换成arrayimg_tesnor = trans(image) #image转换成tensor，其中函数trans自定义的。测试可知，image在array中表示为（H,W,C）在tensor中表示为（C,H,W）...

原创 python控制台

原创 pytorch笔记

PIL ：PIL.JpegImageFile类型 Image.open(img_path)tensor ：tensor类型 transforms.ToTensor(img)narrays ：numpy.ndarry类型 cv2.imread(img_path) 或者 np.array(img)

原创 cat、stack的理解

···for example，在两个tensor中，除了要cat的dim位置的数字可以不一致外，其他位置的数字必须一样。例如一个老师记录了 4个班级、32个学生、8门课程 【4，32，8】，记a1另一个老师记录了5个班级、32个学生、8门课程 【5，32，8】，记a2用torch.cat([a1,a2],dim=0) ，则为【9，32，8】stack和cat不同的是，会创建一个新的维度，而且要各tensor的shape和size要一样例如一个老师记录了 一个班级、32个学生、8门..

原创 3*3卷积核优势

https://www.bilibili.com/video/BV1LT4y1v7CM?p=3232P最外面的那个3是指三次的卷积操作才走到最后，也是指3个不同的3*3卷积核

原创 pytorch 安装

conda create -n pytorch python=3.6conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3

原创 VOC数据集分类

名字类=["背景"，"飞机"，"自行车"，"鸟"，"船"，"瓶子"，"巴士"，"汽车"，"猫"，"椅子"，"牛"，"餐桌"，"狗"，"马"，"摩托车"，"人"，"盆栽"，"绵羊"，"沙发"，"火车"，"电视监视器"]

原创 下载源地址

-i https://pypi.douban.com/simple-i https://pypi.tuna.tsinghua.edu.cn/simple

原创 下载Microsoft visual studio code 很慢很慢

https://az764295.vo.msecnd.net/stable/dfd34e8260c270da74b5c2d86d61aee4b6d56977/VSCodeUserSetup-x64-1.66.2.exe把下载链接换成上面这个

原创 深度学习中batch、epoch、 iteration和batch size理解

（1）batch：将数据集分成几个 batch，每一个batch数据的数量就是[batch size]，在一个 epoch 中，batch 数和迭代数是相等的。（2）batch size：批大小。一个 batch 中样本总数。在DL中，一般采用SGD训练，即每次训练在训练集中取batch size个样本训练；（3）iteration：1个iteration等于使用batch size个样本训练一次；（4）epoch：1个epoch等于使用训练集中的全部样本训练一次；举个例子，训练集有1000个