- 博客(27)
- 收藏
- 关注
RSS订阅原创 240628_昇思学习打卡-Day10-SSD目标检测
今天我们来看SSD（Single Shot MultiBox Detector）算法，SSD是发布于2016年的一种目标检测算法，使用的是one-stage目标检测网络，意思就是说它只需要一步，就能把目标检测出来。
2024-06-28 23:29:07
99
原创 240627_关于CNN中图像维度变化问题
输出通道数就是卷积核个数卷积后尺寸计算公式就是heightoutheightin−heightkernel2∗paddingstride1heightoutstrideheightin−heightkernel2∗padding1widthoutwidthin−widthk。
2024-06-27 20:59:13
497
原创 240627_图像24位深度（RGB图）转为8位深度（单通道图）
在使用网络上下载下来的一部分图像分割数据集时，有些标签图你看着是一个黑白图，但是他还是有可能是一张RGB三通道图，具体怎么区分呢。右击图片打开属性，打开详细信息，里面可以看到位深度，位深度为24，则为RGB图，位深度为8，则为单通道图。
2024-06-27 18:14:12
172
原创 240627_昇思学习打卡-Day9-ResNet50图像分类
传统CNN网络均是由一系列卷积、池化、全连接层叠加而成，在反向传播过程中梯度往往是连乘得操作，这种情况下可能就会出现梯度消失或梯度爆炸的问题。梯度消失：梯度小于1，小于1的数连乘后无限趋近于0。靠近输入层的参数w根本不动。梯度爆炸：梯度大于1，大于1的数连乘后趋近于无穷。靠近输入层的参数w来回震荡。出现这种情况后，往往添加神经网络的层数可能还不如浅层网络训练的效果好，这就制约了CNN的发展注：图中情况不是过拟合，过拟合是训练集误差低，测试集误差高，这个情况是训练集和测试集上的误差均高于浅层网络。
2024-06-27 15:43:03
823
原创 240626_昇思学习打卡-Day8-稀疏矩阵
在一些应用场景中，比如训练二值化图像分割时，图像的特征是稀疏的，使用一堆0和极个别的1表示这些特征即费事又难看，此时就可以使用稀疏矩阵。
2024-06-26 20:50:33
741
原创 240625_昇思学习打卡-Day7-使用静态图加速
AI编译框架分为两种运行模式，分别是动态图模式以及静态图模式。MindSpore默认情况下是以动态图模式运行，但也支持手工切换为静态图模式。
2024-06-25 17:58:59
1003
原创 240624_昇思学习打卡-Day6-张量Tensor
今儿扭头回来看看基础，看看最基本的数据结构，张量（Tensor）。张量和数组、矩阵非常相似。是MindSpore网络运算中的基本数据结构，本文主要介绍张量和稀疏张量的属性及用法。
2024-06-24 23:55:04
789
原创 240622_昇思学习打卡-Day4-5-ResNet50迁移学习
我们对事物的认知都是一点一点积累出来的，往往借助已经认识过的东西，可以更好地理解和认识新的有关联的东西。比如一个人会骑自行车，我们让他去骑摩托车他也很快就能学会，比如已经学会C++，现在让他去学python他也很容易就能理解。这种情况我们一般称为举一反三。反言之，我们从原始部落找出来一个人（仅作举例），指着摩托车让他骑，可能是一件特别难的事，因为他对这个领域没有丝毫的认知和理解，在实现这件事上就会特别困难。
2024-06-24 00:24:30
725
原创 240622_昇思学习打卡-Day4-ResNet50迁移学习
我们对事物的认知都是一点一点积累出来的，往往借助已经认识过的东西，可以更好地理解和认识新的有关联的东西。比如一个人会骑自行车，我们让他去骑摩托车他也很快就能学会，比如已经学会C++，现在让他去学python他也很容易就能理解。这种情况我们一般称为举一反三。反言之，我们从原始部落找出来一个人（仅作举例），指着摩托车让他骑，可能是一件特别难的事，因为他对这个领域没有丝毫的认知和理解，在实现这件事上就会特别困难。
2024-06-22 22:19:15
464
原创 240621_昇思学习打卡-Day3-余弦退火+周期性重启+warm up
先展示一个完整的余弦退火+周期性重启+warm up调整学习率的流程（横轴为epoch，纵轴为学习率）：我们换一个收敛较慢的图进行详细说明：在神经网络刚开始训练时，梯度较大，如果一开始就设置比较大的学习率的话，训练会极不稳定，导致不能得到较好的收敛效果，所以我们需要在最开始训练时将学习率保持在一个比较低的水平，让梯度先收敛到一定程度，然后再把学习率增大，可以有效提高收敛效果。这个过程称为网络训练的预热（warm up）余弦退火使用余弦函数可以达到一个较好的学习率衰减效果，具体来说，随着x的增加余弦值首先
2024-06-22 01:39:40
698
原创 240621_解决csdn上传md图片不显示问题
在写博客时，我们通常不使用csdn直接撰写，而是在本地使用markdown编辑器，比如比较好用的Typora，但是在本地写完直接上传到csdn时会存在图片由于防盗链不显示的问题，本文记录如何解决该问题。
2024-06-21 18:20:31
739
原创 240620_昇思学习打卡-Day2-FCN图像语义分割
这一部分主要对训练出来的模型效果进行评估，为了便于解释，假设如下：共有k+1个类（从 L0 到 Lk, 其中包含一个空类或背景）， p_{i j} 表示本属于i类但被预测为j类的像素数量。即p_{i i}表示真正的数量, 而 p_{i j} p_{j i}则分别被解释为假正和假负, 尽管两者都是假正与假负之和。Pixel Accuracy(PA, 像素精度)：这是最简单的度量，为标记正确的像素占总像素的比例。
2024-06-20 13:04:50
1328
原创 240619_昇思学习打卡-Day1-损失函数_交叉熵损失函数
在模型训练过程中，我们需要关注损失值，使得其无限缩小，即预测值无限接近于真实值，故需要选择合适的损失函数。其中log是以e为底的，也就是ln，但我不知道为什么网上的教程全是写的log，刚学习时我还算了半天对不上数值，我这里就写ln了。参数意思是第一张图预测是猫的概率是0.6，不是猫的概率是0.4，第二张图预测是猫的概率是0.3，不是猫的概率是0.7，以此类推。当然，以上只是我们自己根据公式所手动写的交叉熵损失函数，一切都只是我们自以为是，在实际应用过程中，往往直接使用pytorch的。
2024-06-20 00:25:16
932
原创 编写一个简单的UNet图像分割网络_（四）测试模块
加载网络-加载权重-把网络挂载在设备上-输入图片-图片处理-把图片输入到网络-保存输出图片。当然，这只是一个很简单的图像分割训练，可以适当休息，但不要骄傲自满。代码仍然有很多可以优化的地方，继续大步的往前走吧！对应步骤都有注释标注。
2024-06-17 00:46:03
97
原创 编写一个简单的UNet图像分割网络_（三）训练模块
首先我们要明确我们要用于训练的设备是什么，是gpu还是cpu，当前使用cuda训练的技术较为成熟，教程较多，但如果确实没有cuda，也没必要强行给自己创造需求，现在才刚开始学习，没必要几千上万块买一张卡，使用cpu训练一些小模型小数据集也是可以的，或者上云平台。训练前的准备工作，我们需要确定训练设备，加载数据集路径，加载权重文件（权重文件就是别人从0训练调试出来的一个模型，我们基于人家调试出来的模型进行训练，训练效果会更好，但是需要确保权重文件的网络结构匹配，网络结构不匹配权重文件不通用）
2024-06-17 00:45:14
466
原创 编写一个简单的UNet图像分割网络_（二）网络结构搭建
当前这个unet网络loss在收敛到0.1左右时，仍会上下剧烈波动，如有大佬知道是啥情况的话，有空的话烦请指点一二。此处使用的网络结构搭建比较基础，不做过多说明，说明都写在注释里，方便一行一行对照查看。示例，loss不能正确收敛，如有大佬知道是啥情况的话，有空的话烦请指点一二。
2024-06-17 00:44:30
292
原创 编写一个简单的UNet图像分割网络_（一）数据预处理
编写数据预处理则要有数据，如果你拿到的标签格式不是.png，而是.xml或者.seg或者更多，请具体查阅关于格式转换的代码或工具，如果确实是初学者，建议别多折腾，去找找标签是.png的数据集。我们的数据集中的数据往往是成千上万条的，不可能一条一条给到程序中，所以写的路径一般只写到程序所在的文件夹， 其中的数据交给程序自己去遍历，用到os.listdir()遍历。此处我给他提供的path就有可能是D:\datasets，当然，你的路径肯定比这个长的多，仅作举例方便理解，但结尾一定是整个数据集的一级文件夹名。
2024-06-17 00:43:35
367
原创 基于wxPthon所做的GUI桥梁数据监测管理项目（七）拓展功能
进入wxfb，在设计好的登录窗口下，先在密码的输入框中随便输点什么，在属性栏中找到style，点击左侧加号，展开子菜单，勾选wxTE_PASSWPRD，可以看到输入框中刚才输入的内容变成了黑点点，把这个框的名字改为m_PassWord（记得把代码中登录那个方法的name也改过来）。
2024-01-14 21:44:41
818
1
原创 基于wxPthon所做的GUI桥梁数据监测管理项目（六）相关度分析及退出
运行发现基本功能都已经能实现，但是每次启动的时候都需要系统初始化一下，是因为我们每次程序都不是正常退出的。现在我们的程序都已经能完整运行了，但是目前的成都也只能说能跑，还有一堆拓展功能等待实现。一堆绘图代码真不知道该怎么敲注释，个人觉得会套用就行。在主窗口的菜单事件中调用该类。
2024-01-14 18:28:06
336
1
原创 基于wxPthon所做的GUI桥梁数据监测管理项目（五）参数再计算
再核对一下左边各组件的名字能否对的上，给查询按钮添加事件evt_datacount，给第一个选项框（应变扰度那个）添加事件checkChoice，按F8生成代码。此时后端逻辑代码编写完成，和前端进行连接。现在太乱了，我们重新排列一下，并把第三个第四个选择栏进行隐藏（就和刚才画图那个窗口的逻辑是一样的，根据第一个选项框返回的值，决定后面显示哪个选项框）注意左侧选项框的名字，选项框名字和代码对不上就会报错。
2024-01-14 18:26:43
307
1
原创 基于wxPthon所做的GUI桥梁数据监测管理项目（四）数据可视化界面（绘制折线图）
重复存储，导致一份数据的结尾和另一份数据的开头连接起来了。而我们在每次运行程序都要载入一次表格，所以我们需要编写一个函数用于检查数据库中是否有数据，如果有就把数据库清空，并在程序正常退出时清空数据库。注意这里是连续三个wxComboBox，依次改名为m_comboBoxyb，m_comboBoxrd，m_comboBoxwd（截图有误）。因为我们的窗口支持多次点击。这个__init__方法重写略有不同，因为需要调整画板的位置，所以多了几行。这个方法实现了当类型选择框结果不同时，显示不同的下属选择框。
2024-01-14 18:25:15
915
原创 基于wxPthon所做的GUI桥梁数据监测管理项目（三）主界面及对excel、mysql数据库的操作
3.在MyApp类的中OnInit方法中添加if判断status，在if条件里面写一个return false，在进入if条件后可以执行return，让用户重新输入账号密码，别忘了在if条件之后执行一个Destroy()，确保释放掉模态对话框的资源。而在程序主界面中，我们通常不做按钮，而是用菜单栏展示（最初我用的Dialog+按钮做的主界面，后来知道要重做时人都懵了。简单来说就是第一列是时间，一共有31个测点，n打头是应变，s打头是扰度，t打头是温度，9个应变测点，9个扰度测点，13个温度测点。
2024-01-14 18:24:07
798
1
原创 基于wxPthon所做的GUI桥梁数据监测管理项目 (二) 登陆界面开发
别急奥，这不就要写接下来的东西了嘛。使用到组件中的Layout-wxBoxSizer（第一个），布局我会统一使用该组件，其他组件更方便但是限制也变多了，比如有一个像田字格的组件（第四个），他就是在属性面板输入几行几列，限制死了，而使用这个就可以进行嵌套设计，先插入一个wxBoxSizer代表整个框架，然后在他下面在放两个wxBoxSizer，这就是两行，然后再在这两行的下面添加wxBoxSizer，在属性中调整为纵向排列，我就可以设计他的列数，这样可实现每行列数不一致。不然改不成功，密码同理。
2024-01-14 18:22:46
749
原创 基于wxPthon所做的GUI桥梁数据监测管理项目（一）前言
本项目语言为python、软件为pycharm、wxformbuilder（后面统一称为wxfb），（附加功能会用到mysql、navicat），好像是叫基于wxpython的GUI项目，具体理论概念分的不太清楚。偶然在一次上课的时候抬起头看见老师在操作一个没见过的软件，本着课可以听不懂，但是该装的软件必须得装的原则，装上了wxformbuilder，也就是一个前端设计的核心软件吧，这个软件的教教程也比较杂乱，此处提到的可能也不会很深，只是会提到本项目用到的功能。
2024-01-14 18:21:06
478
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