人生虚空

参考:yolov5与Faster-RCNN 训练过程正负样本和评价指标 https://blog.csdn.net/norman_sen/article/details/121975655目标检测: 一文读懂 YOLOV5 Loss 正样本采样 https://blog.csdn.net/weixin_46142822/article/details/123820031目标检测正负样本区分策略和平衡策略总结(一) https://zhuanlan.zhihu.com/p/138824387faste

1.使用问题TypeError: Object type <class 'str'> cannot be passed to C code解决：pip install pycrypto==2.6.1，或者按其他人说的，安装cryptography包2.安装问题安装pycrypto==2.6.1报错C:\Program Files (x86)\Windows Kits\10\include\10.0.17763.0\ucrt\inttypes.h(27): err...

(一共>2个so库,libTNN.so需要librknpu_ddk.so,librknpu_ddk.so需要其他3个so库,librknpu_ddk.so和其他3个so库放一起, 在文件夹rknpu_ddk_lib64下, 即rknpu_ddk一共4个so库)测试过程是首先通过以下命令用g++编译工程, 然后进gdb -q test_tnn进行调试第一种-L和-l包括rknpu_ddk和TNN, -Wl,-rpath包括rknpu_ddk 4个so库和libTNN.so的目录编译成..

返回静态变量的引用作为“共享变量”. 在类里面实现的话 就有类似静态变量的作用神奇，类里面函数fun即使不用static修饰，它返回的变量也是被所有类实例共享的(类似静态成员)？？？rt...

std::unique_ptr不支持复制和赋值std::shared_ptr支持复制和赋值参考C++ 智能指针的正确使用方式 | 编程沉思录#include <iostream>#include <thread>class PP {public: PP(int v) { _v = v; } ~PP() { printf("=== pp is end. _v: %d
", _v); }private: int _v = -1;};void

my code:# -*- coding: utf-8 -*-import numpy as npimport onnxfrom onnx import helperfrom onnx import AttributeProto, TensorProto, GraphProtoimport onnxruntime.backend as backendimport cv2import onnxruntime as ortimport matplotlib.pyplot as plt.

前言:如果想借用TNN自己写一个库(比如exp.so), 通常我们选用TNN的静态库(libTNN.a),因为使用静态库后自己生成的库文件就一个exp.so如果使用动态库(libTNN.so)那么自己生成的库文件就有两个了: libTNN.so和exp.soTNN安卓库编译环境: 源码: https://github.com/Tencent/TNN/archive/refs/tags/v0.3.0.zip c++编译器: "C:\Program Files (x86)\Micr...

目录0. 准备1. 创建android ndk工程2. 分析默认生成的工程3. 写好java native接口4. 实现这些java native方法(jni)5. 修改cpp/CMakeLists.txt, 准备编译cpp工程6. 编译cpp工程7. 编写简单android界面, 测试ImageClassify结果8. 结果环境:win10jdk1.8android studio 4.2.2 SDK Platforms: Android...

正负样本划分过程说明: gt_centerbbox是在gt_bbox中心点向四周发散的bbox, 中心点到该bbox四边的距离是 center_radius * expanded_strides_per_image1. is_in_boxes: [n_gt, n_anchor], 样本中心点是否落在各个gt_bbox里面2. is_in_boxes_all: [n_anchor], 样本中心点是否至少落在1个gt_bbox里面3. is_in_centers: [n_gt, n.

参考1.详细记录u版YOLOv5目标检测ncnn实现, 这篇文章作者就是ncnn作者2. YOLOv5转NCNN过程3.TorchScript, ONNX, CoreML Export#251, 这是yolov5官方github上的issue前提1.编译好ncnn win, 我用的是ncnn-20210525-full-source2.git clone yolov5源码,我是在20210630时间直接clone的主页3. 根据TorchScript, ONNX, CoreML E...

参考资料：某人的量化原理笔记https://blog.csdn.net/sinat_31425585/article/details/101607785某人对int8比较详细的介绍https://zhuanlan.zhihu.com/p/58182172某人对ncnn的量化原理和源码理解(ncnn量化是基于tensorRT改进的)https://zhuanlan.zhihu.com/p/72375164一、两张图粗糙理解量化思路一句话把原始值等比例映射到-127~127, 以便.

文章官方git仓库

例题及解答匈牙利算法理解参考

修饰器是make_decorate要修饰的函数是my_func现在希望判断my_func的参数x如果x==1, 就执行my_func;否则, 就不执行my_func, 执行其他动作代码如下：def make_decorator(func): print('aaa') def decorator(x, *args, **kwargs): pri...

写这个主要为了自己理解，内容都是参考博文：http://www.cnblogs.com/jerrylead/archive/2011/04/18/2020209.html一、数据预处理：去均值化，使得样本数据的均值为0方差归一化，保证每个特征的维度尺度近似（可以看出这里求方差没有减去均值，因为经过去均值化后，均值已经为0了）其中是样例，共m个，每个样例有n维

之前只能在windows上安装py37版本的, 目前已支持py36了.(2020-10-19)能不能安装, 主要是看能装什么版本的mmcv-full.在mmcv的安装包网址上可以看到, 目前已经有mmcv_full-1.1.5+torch1.6.0+cu101-cp36-cp36m-win_amd64.whl的安装包了.而在mmdetection的官方安装教程中可以看到, mmdetection>=2.3.0版本是需要mmcv-full>=1.0.2的.能够直接用pip安装mmcv-fu

0. 安装NVIDIA显卡驱动, 安装CUDA(因为底层需要用到c++编译deformable conv层) 注意: 由于后面用conda安装pytorch会安装conda的cudatoolkit包, 需要确保cudatoolkit和这里安装的本地CUDA版本一致(比如下面装的是CUDA10.1, 这里也要装CUDA10.1)1. 根据NVIDIA显卡驱动确定自己可以安装的CUDA版本以及pytorch版本 上图来自cuda-toolkit-release-notes 比如...

准备数据集时，需要exemplar图和search图(或称为instance图)，对应大小为exemplar_size(比如127)和search_size(比如255)这种处理有两种形式第一种，处理原始数据集阶段：（参考https://github.com/STVIR/pysot/blob/master/training_dataset/vid/par_crop.py） 对于原...