zw_van的博客

原创 【算法】Merge Sort 合并排序

递归地将问题分解为多个子问题，直到它们变得简单易解将解决方案组合起来，解决原有问题。

原创 【数据集划分——针对于原先图片已经整理好类别】训练集|验证集|测试集

【代码】【数据集划分——针对于原先图片已经整理好类别】训练集|验证集|测试集。

原创 【数据科学】学习资源汇总（不定时更新）

好书推荐：BooksPDF/数据科学/Python数据科学手册.pdf at master · zhixingchou/BooksPDF · GitHub

原创 【公开数据集获取】

Open Images Dataset https://www.youtube.com/watch?v=dLSFX6Jq-F0

原创 【图像分类】Yolov8 完整教程 |分类 |计算机视觉

yolo classify train data='绝对路径' model=yolov8n-cls.pt epochs=1 imgsz=64。data="数据集的的绝对路径",这里是放所有图片的那个总文件夹，就是train/val/test上面一级的，然后注意一定是绝对路径。results = model.train(data="数据集的的绝对路径", epochs=1, imgsz=64)数字不好看，我们用每个epoch的loss值画一个图像，可以直观的看。其中我们重点关注，loss和accuracy。

原创 【数据科学】12小时学完数据科学(入门)---三

原创 【目标检测】Yolov8 完整教程 | 检测 | 计算机视觉

记录计算机视觉学习道路上的所思所得。

原创 【掩码】读取单张MSAK的png图

【代码】【掩码】读取单张MSAK的png图。

原创 【数据科学】12小时学完数据科学(入门)---二

原创 【数据科学】12小时学完数据科学(入门)---一

原创 【报错】记录一次yolov8 cannot import name ‘YOLO‘ from ‘ultralytics‘ (unknown location)报错,搞清楚全局环境和虚拟环境

刚刚在autodl，因为之前在根目录下的yolov8虚拟环境下面是已经安装了ultrlytics包的，所以进入了yolov8虚拟环境，结果出现如下报错：提示，不能从ultralytics包导入这个类。进行了一番尝试，发现问题是：我在全局环境（根目录）下也安装了ultralytics库，我在虚拟环境运行时候就报错了。import systry:进去看看所以，直接退出虚拟环境，在root下运行，运行成功。所以，，最佳方式是先创建一个虚拟环境，然后在该虚拟环境中安装库进行YOLOv8的训练。

原创 【yolov8语义分割】跑通：下载yolov8+预测图片+预测视频

中间下载torch的时候突然跳出去了，然后重新进入yolov8的虚拟环境，一定注意是root目录下的，也就是说，在哪个目录下创建的虚拟环境，就从哪里进入，可以看到，她是先下载了yolov8n-seg.pt模型，存在根目录下，然后，直接下载网站的图片，对bus这个图进行预测。她还给出了预测的结果，说有4个人一个bus，还有191.2ms的预测时间。模型就不变了，换个图，注意这个目录一定是对应autodl上的目录分布，更新好了，现在也在yolov8虚拟环境下了。如果是在终端打开的，记得，先进入python。

原创 【语义分割】1-标注数据集-【单张图片】labelme标注json文件转mask

除了自己描，还能用AI辅助标注，但是我打开会闪退，这个问题待解决。另外注意：标注过程中，不要切换目录；要确认，json文件最后，imagePath的图像路径，只能是图像名字本身，不能有其他的路径和符号。

原创 【猫狗分类】Pytorch VGG16 实现猫狗分类5-预测新图片

好了，现在开尝试预测新的图片，并且让vgg16模型判断是狗还是猫吧。

原创 【猫狗分类】Pytorch VGG16 实现猫狗分类4-开始训练

这行代码实例化了一个Adam优化器，它将用于模型训练过程中参数的更新。

原创 【猫狗分类】Pytorch VGG16 实现猫狗分类3-生成器+数据增强

3. **兼容PyTorch等框架**: 深度学习框架（如PyTorch）的数据加载器（DataLoader）要求数据集类实现`__getitem__`和`__len__`方法，以便能够高效地按批次加载和处理数据。2. **迭代兼容**: 实现了`__getitem__`的数据集类可以被用在for循环中，因为Python的迭代协议会尝试使用`__getitem__`方法来遍历对象。4. **灵活的数据处理**: 在`__getitem__`内部，可以根据索引执行复杂的逻辑来处理和返回特定的样本。

原创 【猫狗分类】Pytorch VGG16 实现猫狗分类2-模型构建

搭架子，搭建网络架子，就是先把这个VGG16网络,里面的算子层，按照VGG16那个结构，搭建起来，从开始知道，它一共是16层，按照顺序，搭建起来。但是这一块和自己搭建不一样，他不是先一层一层搭建的，它先把分类器给搭建了。把官方源代码复制过来，删除一些不必要的，用删除线表示，新增用斜线表示。这里分为两块，网络搭建+权重初始化先看看网络搭建部分，传特征，建池化层，按照顺序搭建: int: bool-> Noneself.features = features # 传特征self.

原创 【猫狗分类】Pytorch VGG16 实现猫狗分类1-数据清洗+制作标签文件

sets = ['train'] #这里是表示只有训练集表示当前的这个脚本，是我们用来处理训练集的，模型通过学习训练集中的特征和标签，去构建预测模型；这样的写法，是便于添加的列表形式，如果项目还需要val和test集，那就直接在sets里面添加这些划分，比如：sets = ['train','val','test']遍历类别：对于每个type_name，检查它是否属于classes。

原创 姿态识别论文复现（一）安装包+下载数据

Lite-HRNet：轻量级高分辨率网络简介：高分辨率网络Lite-HRNet，用于人体姿态估计环境配置：该代码是在 Ubuntu 16.04 上使用 python 3.6 开发的。需要 NVIDIA GPU。使用 8 个 NVIDIA V100 GPU 卡进行开发和测试。其他平台或 GPU 卡尚未经过全面测试。【我用的是autodl云服务器】

原创 Github淘金

打比赛：GitHub - lsh1994/tianchiorgame: 天池比赛，kaggle等等（Keras/PyTorch实战）

原创 如何在两个不同的conda环境中实现jupyter notebook共同使用,避免重复下载

其中，yes已经安装了jupyter notebook;py38_pytorch没有jupyter notebook。现在，实现在py38_pytorch用jupyter notebook。前提：有2个conda环境，yes和py38_pytorch。4、激活yes(有jupyter notenook)的环境。5、输入 jupyter notebook,打开。这个包允许环境作为Jupyter的内核使用。3、将环境添加到Jupyter的内核列表。1、激活py38_pytorch。

原创 牛客刷题【列表】

这样修改后，当你输入多个以空格分隔的名字，程序会正确地在这些名字后面添加 "Allen" 并输出完整的列表。放入一个新列表中，这个过程实际上没有改变任何数据结构或元素内容，只是徒增了计算量，因此是不必要的。得到的列表，并对其进行后续操作，既简化了代码，又提高了效率。修正后的代码直接进行。方法会直接修改列表并删除指定的元素，但该方法不返回任何值，因此将其打印出来会得到。问题：修正后的代码应该是去掉不必要的列表推导式 ，为什么加了这一步就不行了?2、使用split()函数，将字符串按照特定的字符拆分成列表。

原创 牛客刷题【字符串】

【格式化输出】1、大小写。

原创 解决JupyteNotebook打不开问题

7、修改：# c.ServerApp.browser = 'C:\Program Files\Google\Chrome\Application\chrome.exe'1、win+r，cmd进入，conda activate yes 进入yes环境（后面是要下载新的jupyter notebook）,我这里下载到了yes环境下。2、下载jupyter Notebook 一开始用清华源下载不了，后面改阿里源成功下载。3、下载后，进入yes环境，写jupyter notebook显示找不到浏览器。

原创 reshape函数

【代码】reshape函数。

原创 从softmax分类问题看神经网络的核心

`.reshape((-1, W.shape[0]))` 这个操作将`X`调整形状，使得它能与权重矩阵`W`进行矩阵乘法。如果重塑后的`X`形状为`(batch_size * height * width, in_features)`，而`W`的形状为`(in_features, out_features)`，那么结果将会是一个形状为`(batch_size * height * width, out_features)`的张量，表示每个输入样本通过线性变换后得到的输出特征向量。

原创 交叉熵损失

其中，yiy_iyi​ 是真实标签的第 i 个类别的概率，y^i\hat{y}_iy^​i​ 是模型预测的第 i 个类别的概率，log⁡\loglog 是自然对数。交叉熵越小，表示模型的预测结果与真实标签之间的差异性越小，模型的性能越好。其中，yyy 是真实的二分类标签（0或1），y^\hat{y}y^​ 是模型预测的概率值。y_hat = torch.tensor([[0.2, 0.8], [0.6, 0.4], [0.4, 0.6]]) # 模型预测的概率分布，每个样本有两个类别的概率值。

原创 Softmax函数

其中，eee 是自然对数的底数，ziz_izi​ 是向量 zzz 的第 iii 个元素，kkk 是向量 zzz 的长度。Softmax函数将向量 zzz 中的每个元素转换为一个概率值，使得所有概率值的和为1，可以用来表示多个类别的概率分布，常用于神经网络的输出层进行多类别分类。Softmax函数是一个常用的激活函数，通常用于多类别分类问题中的输出层。它将输入的实数向量转换为概率分布向量，使得每个元素都在0到1之间，并且所有元素的和为1。

原创 线性代数。

在你提到的情况下，矩阵 A 是 3×4 的矩阵，矩阵 B 是 4×5 的矩阵，它们满足了列数等于行数的规则。具体来说，矩阵 A 有 3 行 4 列，矩阵 B 有 4 行 5 列，因此它们可以相乘得到一个 3 行 5 列的结果矩阵。矩阵乘法的规则是要求第一个矩阵的列数（Columns）必须等于第二个矩阵的行数（Rows）。这个规则是矩阵乘法定义的基础，它保证了矩阵乘法的可行性和结果的正确性。向量的长度是向量里面每个元素，屏平方求和，开根号、相同的那个，在计算时候，内部消解了。向量：一行（列）值；

原创 【Python刷题之牛客】刷牛客python入门题目DAY1

说明：python内置函数进行进制转换的原理是将读入的一个字符串(python默认读入的都是字符串形式)转为10进制，然后再用相关函数进行其他进制转换。input读入一个十六进制数字，按照字符串的形式包括数字0-9、字母A-F。要求是：输出读入数字的十进制大小。：将序列（也就是字符串、元组、列表、字典）中的元素以指定的字符连接生成一个新的字符串(1、输入一个值a，将a视作16进制数然后转化为十进制（int）数b，将b打印出来。OK今天是非常基础的题目。''里面放连接的字符，（）放要连接的东西。

原创 Day 3 Python刷题第3天

今天继续刷入门基础题。

原创 DAY2 Python刷题

2.素数的判断+列表的填充+函数的封装：*一定要注意缩进，只要在for里面，就是在执行for循环*列表的append: list.append()即可*Flag是一个标识旗帜3.组合数字有四个数字：1，2，3，4，能组成多少互不相同且无重复的三位数？各是多少？