- 博客(66)
- 收藏
- 关注
RSS订阅原创 MobileNet V1
MobileNet 网络是google团队在2017年提出的，专注于移动端或者嵌入式设备中的轻量级CNN网络。相对于传统卷积神经网络，在准确率小幅降低的前提下大大减少模型参数和运算量。（相比VGG16 准确率减少0.9%， 模型参数只有VGG的1/32。2. 深度可分离卷积计算量：默认strde=1。部分的卷积核容易废掉，即卷积核参数大部分为零。：DW卷积 + PW 卷积。
2023-03-28 15:10:19
298
原创 COCO 与VOC格式转化 -目标识别
目录一.Coco标注数据介绍1. Json detection标签文件解读2.代码读取json文件:二. Voc 标注数据介绍1. xml文件解读:三.Coco和Voc 数据相互转换1. json ---> xml2. xml ---> json一.Coco标注数据介绍1. Json detection标签文件解读 coco数据集的所有标注信息包含在一个json文件中,json文件中以字典格式保存信息. 总的jso...
2022-03-18 20:22:11
3243
原创 五 . Pytorch数据加载 : Dataset +Dataloader
1. Dataset提供一种方式去获取数据及其label.如何获取每一个数据及其label 告诉我们总共有多少数据,才能知道迭代多少次from torch.utils.data import Datasethelp(Dataset)Dataset?? def __getitem__(self, index) -> T_co: raise NotImplementedError def __add__(self, other: 'Dataset[T..
2022-03-10 14:23:13
1762
原创 四. torchvision 数据集
1. 基本功能函数使用讲解import torchvision# root 数据集位置,train 训练集或测试集,download 是否下载train_set = torchvision.datasets.CIFAR10( root ="./dataset",train=True,download=True)test_set = torchvision.datasets.CIFAR10(root="./dataset",train=False,download=True)print(t.
2022-03-10 11:16:36
1474
原创 三. Pytorch Transforms的使用
1. 理解transforms.py 工具箱 transforms 是一个 transforms.py 的工具箱,包含ToTensor(),Resize等工具包,先创建具体的工具继承transforms功能, 然后使用工具.2. 如何使用transforms 工具箱from torchvision import transformsfrom PIL import Imageimage_path = "/home/wtj/Data/Coco2017_pet/images/tr...
2022-03-09 17:47:35
402
原创 二. Pytorch Tensorboard 使用
1. writer.add_scalar()from torch.utils.tensorboard import SummaryWriterwriter = SummaryWriter("logs")# 两个方法# writer.add_image()for i in range(100): writer.add_scalar("y=x", i ,2*i) #(title,value,step)writer.close()命令行输入:tensorboard
2022-03-08 17:48:30
166
原创 一. Pytorch 工具箱
import torchdir(torch)dir(torch.cuda)help(torch.cuda.is_available)# print(torch.cuda.is_available)1. dir(torch)['Any', 'BFloat16Storage', 'BFloat16Tensor', 'BoolStorage', 'BoolTensor', 'ByteStorage', 'ByteTensor', 'CharStorage', 'CharTens.
2022-03-08 10:10:10
1632
原创 一、张量－pytorch
import numpy as npimport torch# data->tensordata = [[1, 2], [3, 4]]x_data = torch.tensor(data)print(x_data)# np->tensornp_array = np.array(data)x_np = torch.from_numpy(np_array)print(x_np)# tensor->tensorx_ones = torch.ones_like(x_.
2022-01-20 00:40:59
1079
原创 一键安装ubuntu18.04+cuda10
显卡驱动1、查机器显卡型号（GTX1060）、确认显卡驱动是否安装wtj@i:~$ lspci...01:00.0 VGA compatible controller: NVIDIA Corporation GP106M [GeForce GTX 1060 Mobile] (rev a1)wtj@i:~$ nvidia-smi NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Ma
2021-12-29 20:34:46
997
原创 二、ubuntu 18.04——安装cuda10.2+cudnn7.6.5
显卡驱动1、查机器显卡型号（GTX1060）、确认显卡驱动是否安装wtj@i:~$ lspci...01:00.0 VGA compatible controller: NVIDIA Corporation GP106M [GeForce GTX 1060 Mobile] (rev a1)wtj@i:~$ nvidia-smi NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. M.
2021-12-29 02:11:59
1734
原创 一、Ubuntu18.04——安装opencv3.4.16
Opencv1、opencv3.4.16（1）准备材料（两个版本需要相对应）：wtj@i:~/Downloads$ sudo mv opencv-3.4.16 /opt/wtj@i:~/Downloads$ sudo mv opencv_contrib-3.4.16 /opt/（2）安装依赖库sudo apt-get install build-essentialsudo apt-get install python-numpy python3-numpy python-pa.
2021-12-28 18:23:50
1545
2
原创 系统 时分秒时间
C++#include <iostream>#include <time.h>string getCurrentTimeStr(){ time_t t = time(NULL); char ch[64] = {0}; char result[100] = {0}; struct timeval tv; gettimeo...
2019-06-20 21:01:58
253
原创 git 仓库迁移
git clone oldprojectgit remote -vgit branch -rgit remote set-url origin <新仓库>git push
2019-05-07 15:14:22
126
原创 有线网卡设置静态ip连接设备 及无法连接无线操作
1、查看网口ifconfig以en开头为有线网卡、wl为无线网卡（动态网络，不要设置它）、lo默认2、把有线网卡(enp7s0)设置静态网络，连接设备a、设置本地网络ifconfig <你的有线网卡> <特定网段>ifconfig enp7s0 192.168.1.50b、无线-》编辑连接-》增加以太网-》ipv4-》c、p...
2018-12-12 19:44:36
1541
原创 双目相机
双目视觉测距原理根据双目视觉的测距原理，通常将其实现过程分为五个步骤：相机标定，图像获取，图像预处理，特征提取与立体匹配，三维重构。其中，相机标定是为了得 到相机的内外参数和畸变系数等，可以离线进行；而左右相机图像获取的同步性，图像预处理的质量和一致性，以及立体匹配（获取视差信息）和三维重构（获取距离信息）算法的实时性要求带来的巨大运算量，对在嵌入式平台上实现双目视觉ADAS提出了挑战。双...
2018-12-04 13:38:57
962
原创 opencv3.1.0 + visual studio +win10 安装教程
本文相关安装包链接： opencv 3.1.0: 链接：https://pan.baidu.com/s/19M2wXxxyTA081_Z2vKK_9g 提取码：ahxb Microsoft visual studio：https://pan.baidu.com/s/1pkk2EUhwL4...
2018-11-18 17:03:49
457
原创 2、数组（线性表）特点和应用分析
在计算机内存组织中，只有两种数据存储的基本方式：数组和链表。<1>数组管理int a[100];//就是在内存中申请100个连续的sizeof(int)空间。int *p = malloc(100*sizeof(int));//在堆中申请100个连续的int空间。 要对空间进行访问：得到第10个成员。a[10],o(1)的成员访问时间。 例如：10...
2018-11-01 00:47:10
314
原创 1、链表与数组、时间复杂度、空间复杂度
1、内存中开辟空间： C语言中：全局、域、堆空间（malloc/new）组织形式： a、连续内存空间：申请一个数组，申连续内存 b、分散空间：申请次数无限制，每次固定大小，线性的串、链表。2、时间复杂度和空间复杂度 时间复杂度：耗费时间 与数据量关系 空间复杂度：额外占有内存与数据量关系 for(i=0;i<1...
2018-10-31 23:17:02
4603
原创 ROS -PCL程序包建立和CMakelist.txt修改
一、创建工作空间wtj@wtj:~$ echo $ROS_PACKAGE_PATHwtj@wtj:~$ mkdir -p ~/dev/catkin_ws/srcwtj@wtj:~$ cd ~/dev/catkin_ws/srcwtj@wtj:~/dev/catkin_ws/src$ catkin_init_workspace//工作空间创建完毕，只有CMakeList.txt/...
2018-09-28 10:11:11
2267
原创 1. ROS文件系统和软件包简介
1、ROS文件系统（1）功能包集（stack） 将几个具有某种功能的包组织在一起，就是一个功能包集，在ROS 系统中，存在大量不同用途的功能包集，例如导航功能包集。（2） 软件包（Packages） ROS应用程序代码组织单元，每个软件包都可以包含程序库、可执行文件、脚本、或其他手动创建的东西。（3） 清单文件（package.xml） ...
2018-09-28 10:10:44
1447
原创 2.4 使用新建的srv和msg文件
创建服务并使用它：对三个整数求和。我们需要两个节点，一个服务器一个客户端。在功能包chapter2_tutrorials中，src文件夹下新建两个节点并使用example2_a.cpp和example2_b.cpp为名称。在example_a.cpp中：#include "ros/ros.h"#include "chapter2_tutorials/chapter2_srv1.h" ...
2018-09-28 10:10:24
353
原创 2.2 编译节点
当使用chapter2_tutorials功能包时，需要自行编辑CMakeLists.txt文件。可直接用rosed工具。$ rosed chapter2_tutorials CMakeLists.txt将以下命令行复制到文件的末尾处：rosbuild_add_executable(example1_a src/example1_a.cpp)rosbuild_add_execut...
2018-09-28 10:10:01
391
原创 2.1创建节点
本节中，创建两个节点：一个发布一些数据，另一个接收这些数据。两节点之间使用最基本的方式通信，发送和接收这些数据来做工作：$roscd chapter2_tutorials/src 创建example_a.cpp:发送带有节点名称的数据和example_b.cpp:把数据显示在shell窗口中。 #include "ros/ros.h" //包含ROS节点所有...
2018-09-28 10:09:38
184
原创 2.3 创建msg和srv文件
一、消息 一个节点通过向特定主题发布消息，从而将数据发送到另一个节点。消息具有一定的类型和数据结构，包括ROS提供的标准类型和用户自定义类型。消息类型标准命名方式：功能包名称/ .msg文件名称。 如：std_msgs/msg/String.msg 的消息类型是std_msgs/String。命令行工具： 1）rosmsg show 显示一条消息的字段 ...
2018-09-27 10:22:19
550
原创 2.5 ros数据记录回放
一、使用rosbag在消息记录包文件中记录数据：1、运行节点 $ rosrun chapter3_tutrials example42、记录数据 a、记录所有主题数据 $ rosbag record -a b、仅记录特定主题 $ rosbag record /tmp/accel 按Ctrl+C，完成记录，生成.bag文件。 注：$ ...
2018-09-27 10:22:07
605
原创 ROS-topic
主题：是节点间用来传输数据的总线，通过主题进行消息路由不需要节点之间直接连接。也就意味着发布者和订阅者之间不需要知道彼此是否存在。同一个主题也可以有很多订阅者。每个主题都是强类型的，发布到主题上的消息必须与主题的ROS消息类型相匹配，并且节点只能接收类型匹配的消息。ROS的主题传输方式：TCP/IP和UDP传输。基于TCP传输称为TCPROS，使用TCP/IP长连接。这是ROS默认...
2018-09-27 10:21:55
933
原创 bag 包文件转化成pcd
1、rosbag record cloud 记录点云数据为bag包格式2、rosrun pcl_ros bag_to_pcd 2017-11-02-10-40-32.bag cloud dd 将bag包转换为PCD格式，并放到dd目录下（保存格式以帧为单位）3、 pcl_viewer ~/dd/1509590432.823038000.pcd pcl显示...
2018-09-27 10:21:42
10121
5
原创 11、Caffe -CUDA
一、GPU下使用Caffe源码中.cu后缀结尾的文件都是GPU下运行的文件代码。 依赖库：cuDNN (CUDA下的DNN库) 安装Caffe前先安装好CUDA驱动和cnDNN库。下载地址：https://developer.nvidia.com/cuda-80-ga2-download-archive将Cuda放到ubuntu主界面终端下CUDA安装：$ sudo ...
2018-09-27 10:21:27
1467
原创 ROS-激光雷达访问数据修改
1.1 了解激光雷达如何在ROS中发送数据$rostopic list (列出主题)#/scan是节点正在发布消息的主题，节点使用的数据类型如下所示：$ rostopic type /scan#得到发送激光雷达信息的消息类型：sensor_msgs/LaserScan#消息的数据结构：$ rosmsg show sensor_msgs/LaserScan#了解更多关于激光雷...
2018-09-27 10:21:05
1910
3
原创 5、自定义Layer
5.1自定义Layer 1、自定义layer的实现 a、选择继承的类 注：*任何一层都可以被继承，然后进行重写函数。 *尽量确保要实现的功能是否必须要自己写，不然尽量用已有的层，每一个层在caffe/include/caffe/layers源码中都有详细的介绍。 b、自定义神经层 ...
2018-09-27 10:20:52
362
原创 PCL_RVIZ
#include <ros/ros.h>#include <pcl/point_cloud.h>#include <pcl_conversions/pcl_conversions.h>#include <sensor_msgs/PointCloud2.h>main (int argc, char **argv){ ros::in...
2018-09-27 10:20:34
207
原创 rviz_marker
#include <ros/ros.h>#include <visualization_msgs/Marker.h>int main( int argc, char** argv ){ ros::init(argc, argv, "basic_shapes"); ros::NodeHandle n; ros::Rate r(1); ros::Pub...
2018-09-27 10:20:01
262
原创 点云可视化
一、简单的cloudviewer#include<pcl/visualiization/cloud_viewer.h>void foo(){ pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud; pcl::visualization::CloudViewer viewer(“Simple Cloud Viewe...
2018-09-27 10:19:45
1356
原创 8、编写自己的CNN框架（初级）
一、矩阵运算（１）库：cblas void cblas_gemm (const enum CBLAS_ORDER Order, // Specifies row-major (C) or column-major (Fortran) data ordering.＃ｅｇ：＃Matrix A =＃[1 2 3]＃[4 5 6]＃Row-major stores values a...
2018-09-26 13:32:06
670
原创 10.4 深度学习框架Caffe学习与应用-实践(Fine-tuning方法)、模型集成
一、Fine-tuning方法1、如果数据量有限，不要自己完全从头训练起caffe模型。先找相关的项目或者模型，先fintuning一下，之后再慢慢调整。2、方法：learningrate（solver.prototxt）调低（为原来的十分之一），然后，把训练模型的最后一层或两层的学习速率调大一点。——也就是，把模型前面那些层的学习调低，使得参数更新的慢一点以达到微调的目的。3、微调时...
2018-09-26 12:47:43
354
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