仰望星空

最近一段时间经常使用python向文本写入数据，但是windows下换行符默认为\r
，而linux下换行符为
，写入的文本要在linux下调用，这就很坑人了，代码前行的路上怎么能被小小石头绊倒，于是乎搜索了一通，发现这个事情仅需要几行代码就搞定。with open('input.txt', 'rU') as infile, \ open('output.txt', 'w', newline='
') as outfile: outfile.

现在音频文件的采样率比较多样，在数据处理的时候一般需要转换到同一采样率下才能进行进一步的处理。自己也是在数据处理的过程中需要进行采样率转换，在网上搜了一通，然而并没有啥可用的东西，下面提供一个基于python实现的音频采样率转换的脚本。def rateTransfer(src_file,new_path): ''' src_file: 原始存放音频文件的文件夹 new_path: 更改采样率后存放音频文件的文件夹 ''' sampleRate,D...

problem:print(str_list)UnicodeEncodeError: 'ascii' codec can't encode characters in position 1-3: ordinal not in range(128)solution:import sysimport iosys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding='utf-8')

1、~ /^\"(.*)\"\s+\<(\d+)-?(\d*)\>\s*$/ perl模式匹配^\"以”开头，(.*)任意个字符，\"匹配”，\s+匹配一个以上的空白符，\<匹配一个<,(\d+)匹配一个以上的数字，-？匹配连字符-零次或一次，（\d*）匹配0或零个以上的数字，\>匹配>,\s*$/以0至0个以上的空白符结尾2、一般来说，while...

前面已经写了系列一：https://blog.csdn.net/yongjiankuang/article/details/102470457，系列一主要是tensorflow对mnist进行模型训练，然后将训练好的参数导出来。本博文就是利用导出来的参数，搭建c代码的mnist前向网络。具体实现如下：#ifndef __COMMON_H_#define __COMMON_H_#incl...

tensorflow在深度学习领域是一个应用最为广泛的框架，但是其对于嵌入式端的部署并不是特别友好，因为其训练好的模型没有直接导出工具。本博文主要是针对tensorflow训练好的模型，将其转换到c语言运行，这样便于嵌入式的部署。这里主要是基于arm的软件代码进行c代码部署的，具体参考https://github.com/ARM-software/CMSIS_5/tree/develop/CMSI...

DTW在很多领域都有其具体应用，主要用于模板匹配，如孤立词语音识别，计算机视觉中行为识别，信息检索等。最近在做语音这块的研究，于是深入分析了下DTW的具体实现过程，其实DTW的实现过程就是一个利用动态规划思想寻找最有路径。相关理论知识本来打算自己写一篇，网上查了下不得不佩服大神的杰作，所以这里自己就不再详述理论了，因为大神的佳作还是比较难超越。理论知识可以参考：(1)https://www.cnb...

前面几篇博客已经对yolov3的具体实现模块已经做了大致的讲解，基于pytorch进行模型训练，测试，检测只是对前面的模块进行组合实现，主要的还是数据的准备，加载，模型搭建，代价函数的求解。train.pyfrom __future__ import divisionfrom models import *from utils.logger import *from utils....

本文主要针对yolov3-tiny进行讲解，具体的网络结构如下：可以结合该图以及对应的.cfg文件，对model.py进行分析网络结构的具体实现：from __future__ import divisionimport torchimport torch.nn as nnimport torch.nn.functional as Ffrom torch.autograd ...

yolov3的实现主要是基于pytorch来实现的，具体参考来源：https://github.com/eriklindernoren/PyTorch-YOLOv3，本文主要解析utils里面的实现，总体也比较简单。主要包含了parse_config.py，datasets.py，augmentations.py，logger.py，utils.py这几个文件。parse_c...

coco数据集不仅可以用于做目标检测还可以用于进行语义分割，这里主要讲解基于yolov3进行目标检测的数据准备。由于coco数据集的标签信息是以.json的格式存储的，因此有必要转换为具体的格式来进行模型训练与评估。具体的实现方式如下：# -*- coding: utf-8 -*-"""Created on Tue Jul 2 11:41:44 2019@author: Admin...

1、yolov3简介 yolov3已经出来好久了，最近花了些时间分析了下yolov3的源码。yolov3并没有很大的创新，更多的是借鉴了最近两年一些网络构造技巧。不过不得不承认效果还是很赞的，在保持速度的前提下，提升了预测精度，尤其是小目标物体的检测相比v1、v2来说得到了较大的改善。 yolov3的主要改进：调整了网络结构；利用多尺度特征进行目标...

本博文主要是针对mobileNet-v1采用pytorch进行实现，代码也是参考他人的代码，具体实现如下：# -*- coding: utf-8 -*-"""Created on Tue May 21 20:41:58 2019@author: Administrator"""import time import torchimport torch.nn as ...

1.概述 mobileNet是为移动和嵌入式设备提出的高效模型压缩的一种方式，其主要提出了可分离卷积来实现网络的轻量化，该方式的提出使得网络可以在损失较小的情形下，模型得到较大的压缩，从而为在嵌入式端进行实现提供了可能。该模型压缩方式已经在很多分类和目标检测等网络中得到了验证。 目前建立小型高效神经网络的方式，主要有两种： (1)压缩预训练模型：获取...

本博文主要讲解下基于cuda的矩阵相乘，cuda特别擅长的就是矩阵乘法，而且也比较容易实现。通过矩阵乘法的实现，可以比较容易理解cuda的核心思想。网上也有很多基于cuda实现的矩阵乘法，但是感觉都不完成，要不就是有错，本文给出的代码都是经过验证可行的，希望能够帮助到大家。矩阵乘法实现方式一：矩阵乘法的逐点实现方式，具体如下图所示 对...

本文主要介绍下cuda的向量加法的实现，该代码只是为了熟悉概念和初步上手cuda，过程也比较简单。cuda c上手其实还是挺简单的，但是要精通还是需要通过大量实践才能达到的，有兴趣的同学需要多加练习。本文的向量相加，由简逐渐深入。初步实现只使用了一个block：#include <iostream>#define N 10static void Hand...

太久没有写博客了，最近一直在整cuda c这块的东西，学了一阵子了但是水平还是一般般。作为一个半入门的人，写点记录一来是可以帮助自己记忆，更多的是希望可以帮助他人，做技术这块写点东西能够帮助到他人，我想这大概是自己最开心的事情，以后尽量多写些有用的东西吧。1. 基本概念 常用的操作主要包括函数声明，变量声明，内存类型声明，纹理内存，原子操作等。主机：CPU以...

1. TF-IDF定义：tf-idf, term frequency - inverse document frequency，词频 -逆向文档频率。用于评价一个单词在整个语料库中的重要程度, 即这个词是否对不同文档有着很好的区分能力.如果某个词语term在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为这个词语具有很好的文档分类能力。它通常用于词加权, 即作为权重因...

1、SVM的作用对于给定的训练样本集D={(x1,y1), (x2,y2),… (xn,yn)}，yi属于{-1，+1}，希望能找出一个超平面，把不同类别的数据集分开，对于线性可分的数据集来说，这样的超平面有无穷多个，而最优的超平面即是分隔间距最大的中间那个超平面2、硬间隔最大化对于以上的KKT条件可以看出，对于任意的训练样本总有ai=0或者yif(xi) - 1=0即yi...