wa1tzy的博客

原创 10分钟快速搞定——GPT开通Plus会员教程，附带开通虚拟卡（小白也能学会）

GPT开通Plus会员教程，附带开通虚拟卡

原创 python flask request教程

【代码】python flask request教程。

原创 pip常用命令

比如我们新建了一个虚拟环境，这里面什么库都没有，但我们一个一个库安装是非常麻烦的，我们就可以将全局环境中的包导入文件，然后在虚拟环境中一次性安装，剩下你只需要再安装一些虚拟环境中需要的库即可。要查看pip的默认源，您可以在命令行中运行以下命令：pip config list。可以看到这两条命令都可以得到已安装的库及对应的版本信息，两者的可见区别就在于格式不同，并且后者可以导出文件，另外还有一些细致的区别这里不再介绍。卸载某个第三方库，需要注意的是pip中有些库是自带的，它们是不支持卸载的。

原创 python认证密钥rsa

加密文字或验证文字或解密文字

原创 ubuntu镜像里装东西

ubuntu

原创 二进制与base64

二进制与base64函数使用def base64_to_image(base64_code): img_data = base64.b64decode(base64_code) img_array = numpy.fromstring(img_data, numpy.uint8) image_base64_dec = cv2.imdecode(img_array, cv2.COLOR_RGB2BGR) return image_base64_decdef image_

原创 ubuntu安装ffmpeg，docker-rtmp服务器搭建，推流直播搭建

1、装ffmpeghttps://www.iplayio.cn/post/49156789官网：https://ffmpeg.org/download.html1-1apt装(版本一般为3.)apt updateapt install ffmpegffmpeg -version1-2源码装（版本为4.）wget https://launchpad.net/ubuntu/+archive/primary/+sourcefiles/ffmpeg/7:4.4-6ubuntu5/ffmpeg_4.

原创 ffmpeg/OBS+nginx推流，ffplay/VLC拉流

1.首先下载ffmpeg和ffplayhttp://ffmpeg.org/1.1下载 Nginx进入Nginx下载页面（ http://nginx-win.ecsds.eu/download/ ），选择合适的版本下载。这里以 nginx 1.7.11.3 Gryphon 为例。下载完成后解压， 将解压后的目录重命名为“ nginx-1.7.11.3-Gryphon ”，并放到合适的路径下。1.2下载服务器状态检查程序 stat.xsl下载地址： https://github.com/arut/

原创 YOLOv5系列（3）——YOLOv5修改网络结构

文章目录一、设置网络结构为mobilenet-V2二、添加注意力模块一、设置网络结构为mobilenet-V2首先，需要在models/common.py里，实现MobileNetv2的 bottleneck 和 Pwconv。1、Mobilenetv2的bottleneck: InvertedResidual#mobilenet Bottleneck InvertedResidual class BottleneckMOB(nn.Module): #c1:inp c2:oup

原创 YOLOv5系列（2）——YOLOv5导出jit，onnx，engine

文章目录一、YOLOv5导出jit二、YOLOv5导出onnx三、使用onnx四、YOLOv5导出engine（tensorrt/trt）五、总结所有代码5.1 models/common.py5.2 models/yolo.py5.3 test00.py5.4 onnx_export.py(test01.py)5.5 models/yolov5s.yaml5.6 pkg/common.py5.7 engine_export.py(test03.py)做个YOLOv5的专题，这部分写一些YOLOv5的工程

原创 YOLOv5系列（1）——推理图像显示中文标签

无论是YOLO还是opencv，都是老外开发的，开发的过程中肯定不会考虑中文显示了，所以一直以来，在opencv-python中显示中文都有一些麻烦。那如何才能在YOLOv5图像识别中让标签变为中文呢？这里提供了一种修改YOLOv5源码方法可以参考。YOLOv5的使用在这里就不再阐述了，我们直接在YOLOv5程序中utils/utils.py（新版的是utils/general.py）文件下找到这一行代码：def plot_one_box(x, img, color=None, label=None,

原创 python图像处理与标注处理流程

文章目录1. 判断xml和图像文件在两个文件夹是否一一对应.py2. 判断xml中标签是否为空，移动空xml和图像到指定路径.py3. 删除坐标有问题的xml和对应的图像.py4.1 给标注的单个图像画框.py4.2 图像批量显示标注位置4.3 根据xml的类别给标注的图像批量画框(对图像分类显示标注位置)5.1 从一堆图像里复制出我们要的图像文件.py5.2 根据txt文件保存需要的图像到新文件夹.py6.1 再筛xml6.2 再保存对应的xml文件到新文件夹.py7.1 滑动窗口式的裁剪图片与标注框.p

原创 docker(2)——容器与镜像

文章目录一、容器1.1 获取镜像1.2 启动容器1.31.3 复制命令1.5 挂载数据卷二、镜像2.1 修改镜像2.2 docker怎么把镜像打包成文件三、删除3.1 删除容器3.2 删除镜像一、容器1.1 获取镜像如果我们本地没有 ubuntu 镜像，我们可以使用 docker pull 命令来载入 ubuntu 镜像：docker pull ultralytics/yolov51.2 启动容器以下命令使用 ultralytics/yolov5 镜像启动一个容器，参数为以命令行模式进入该容器

原创 docker(1)——windows安装docker

文章目录一、一、

原创 Linux命令

文章目录一、Linux下如何查看一个文件夹下有多少文件二、删除2.1 删除文件夹2.2 删除文件三、创建3.1 创建文件夹3.2 创建文件四、df4.1 df -h一、Linux下如何查看一个文件夹下有多少文件ls | wc -w (文件名可加可不加，看需要)#可以查看有多少个文件及文件夹二、删除2.1 删除文件夹rm -rf /data/test2.2 删除文件rm a.txt三、创建3.1 创建文件夹mkdir /data/test3.2 创建文件touch /data

原创 Ubuntu16.04刷机+装驱动

文章目录二、驱动安装2.1 显卡驱动：2.2 网卡驱动：二、驱动安装2.1 显卡驱动：链接: https://pan.baidu.com/s/1_DEh45bxaTk_vhaRGYkb2Q提取码: tm7n2.2 网卡驱动：链接: https://pan.baidu.com/s/1bJqmacbnzUNSm_1FDXX9Lw提取码: iqq2安装ubuntu16.04 LTS后无网络连接的解决方法：1、查看是否安装网卡驱动打开终端，输入ifconfig –a，如果出现“本地环回”或者“l

原创 TX2入门级操作

一、WPS直接去官网下载：http://www.wps.cn/product/wpslinuxcd Downloads/sudo dpkg -i wps-office_11.1.0.9719_arm64.deb安装成功以后如上图所示，如果发生什么错误可以借助sudo apt-get -f install进行修复。问题：启动WPS for Linux后，出现提示"系统缺失字体：解决办法：出现提示的原因是因为WPS for Linux没有自带windows的字体，只要在Linux系统中加载

原创 物体检测系列

物体检测系列一、物体检测网络有哪些Anchor based：RCNNFast RCNNFaster RCNNSPPNetSSDDSSDYOLOv1YOLOv2YOLOv3Mask RCNNCascade R-CNNDeformableR-FCNRefineDetRetinaNetAnchor Free：CornerNetExtremeNetTridentNetSNIPCenterNetFSAF二、基本知识点1、NMS的算法思想？（1）将所有框的得分排序，选

原创 Numpy进阶

文章目录一、基础知识二、数组创建三、打印数组四、基本操作一、基础知识NumPy的主要对象是同构多维数组。NumPy的数组类被调用 ndarray 。它也被别名所知 array 。请注意， numpy.array 这与标准Python库类不同 array.array ，后者只处理一维数组并提供较少的功能。ndarray 对象更重要的属性是：import numpy as npa = np.arange(15).reshape(3, 5)print(a)print(a.shape)# 数组的维

原创 Pytorch入门深度学习（13）——AI语言Python(4)——Python模块和包

原创 YOLOv5训练自己的数据集

一、准备工作在data下新建几个文件夹XML文件放到Annotations图片文件放到images二、xml转txt（xml格式的label转换为yolo版的label）# -*- coding:utf-8 -*-import syssys.path.append('D:\\Program files\\Anaconda\\libs')import os #os：操作系统相关的信息模块import random #导入随机函数#存放原始图片地址data_base_dir = "./d

原创 DeepLearing—CV系列总结（一）—常用的目标侦测网络

文章目录一、RCNN二、SPP-Net三、Fast-RCNN四、Faster-RCNN五、YOLOv3六、YOLOv4七、YOLOv5一、RCNN二、SPP-Net三、Fast-RCNN四、Faster-RCNN五、YOLOv3六、YOLOv4七、YOLOv5

原创 [Python+OpenCV项目实战]——全景图像拼接

文章目录一、代码二、效果一、代码import numpy as npimport cv2class Stitcher: #拼接函数 def stitch(self, images, ratio=0.75, reprojThresh=4.0,showMatches=False): #获取输入图片 (imageB, imageA) = images #检测A、B图片的SIFT关键特征点，并计算特征描述子 (kpsA, f

原创 [Python+OpenCV项目实战]——OpenCV的DNN模块

文章目录一、代码1.1 utils_paths.py1.2 utils_paths.py二、结果代码目录：一、代码1.1 utils_paths.pyimport osimage_types = (".jpg", ".jpeg", ".png", ".bmp", ".tif", ".tiff")def list_images(basePath, contains=None): # return the set of files that are valid return

原创 [Python+OpenCV项目实战]——答题卡识别判卷

文章目录import numpy as npimport cv2# 正确答案ANSWER_KEY = {0: 1, 1: 4, 2: 0, 3: 3, 4: 1}def order_points(pts): # 一共4个坐标点 rect = np.zeros((4, 2), dtype = "float32") # 按顺序找到对应坐标0123分别是 左上，右上，右下，左下 # 计算左上，右下 s = pts.sum(axis = 1) rect[0] = pts[np.argmi

原创 [Python+OpenCV项目实战]——背景建模

文章目录一、代码二、效果（视频格式）一、代码import numpy as npimport cv2#经典的测试视频cap = cv2.VideoCapture('test.avi')#形态学操作需要使用kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))#创建混合高斯模型用于背景建模fgbg = cv2.createBackgroundSubtractorMOG2()while(True): ret, fra

原创 [Python+OpenCV项目实战]——信用卡数字识别

文章目录一、代码二、效果一、代码# 导入工具包from imutils import contoursimport numpy as npimport argparseimport cv2import myutils# 指定信用卡类型FIRST_NUMBER = { "3": "American Express", "4": "Visa", "5": "MasterCard", "6": "Discover Card"}# 绘图展示def cv_show(name,img)

原创 使用yolov4训练自己的数据集——科大讯飞X光安检图像识别baseline

文章目录一、cfg文件修改二、data/下新建配置文件三、创建标注文件四、划分训练集、验证集与对应标签4.1 split_data.py4.2 xml2txt.py4.3 creattxt.py五、训练六、推理一、cfg文件修改创建yolov4-mydatasets.cfg，因为我用了yolov4.cfg训练太吃显存，2080TI的机子batchsize设置为2也会爆显存。其主要原因是mish函数太占显存了。修改的地方：将mish函数替代为relu函数，大大降低显存使用！另外filters设置为：

原创 使用yolov5训练自己的数据集——科大讯飞X光安检图像识别baseline

文章目录1、创建数据集的配置文件mydataset.yaml2、创建标注文件3、组织训练集的目录4、选择模型backbone进行模型配置文件的修改5、Train6、Visualize7、已有图像和xml制作标签的过程7.1 check_img.py7.2 check_box.py7.3 rain_val_split.py7.4 myData_label.py1、创建数据集的配置文件mydataset.yaml# train and val datasets (image directory or *.t

原创 xml与python文件常用转换，读取图像

# coding:utf-8from PIL import Imageimport os.pathimport globimport xml.etree.ElementTree as ETimport xml.dom.minidomi = 0xmldir = r"D:\YOLOV5\数据集\outputs"imgsdir = r"D:\YOLOV5\数据集\danger2"for xmlfile in os.listdir(xmldir): xmlname = os.path.

原创 Pytorch实现姿态识别（三）——训练与推理

train.py#dataset:https://www.crcv.ucf.edu/data/UCF101.phpimport timeitfrom datetime import datetimeimport socketimport osimport globfrom tqdm import tqdmimport torchfrom tensorboardX import SummaryWriterfrom torch import nn, optimfrom torch.ut

原创 Pytorch实现姿态识别（二）——视频分析C3D的网络架构

C3D网络架构与结构图：3D卷积与2D卷积的区别：其中多了一个时间维度三维卷积与三维池化的理解：① nn.Conv3d(3, 64, kernel_size=(3, 3, 3), padding=(1, 1, 1))kernel_size=(3, 3, 3)：第一个3：一共16帧，当前处理3帧；第二、三个3：H,W的大小；padding=(1, 1, 1)：三维、高、宽都填充1② nn.MaxPool3d(kernel_size=(1, 2, 2), stride=(1, 2, 2))

原创 Pytorch实现姿态识别（一）——将视频数据处理为图像

文章目录一、mypath.py二、datasets.py一、mypath.pyclass Path(object): @staticmethod def db_dir(database): if database == 'ucf101': # folder that contains class labels root_dir = r'F:\DATASET\UCF-101\UCF-101' # Sa

原创 DeepLearing—CV系列（二十四）——Pytorch实现OCR识别图片转文字（2）——CRNN+CTC_Loss理论

文章目录一、CRNN（卷积递归神经网络）1.1 CRNN介绍与网络结构1.1.1 网络结构二、网络结构详解2.1 CNN2.2 Map-to-Sequence2.3 RNN2.3 CTC Loss2.3.1 序列合并机制2.3.2 训练阶段2.3.3 划分标准2.3.4 CRNN总结结一、CRNN（卷积递归神经网络）1.1 CRNN介绍与网络结构CRNN模型，即将CNN与RNN网络结合，共同训练。主要用于在一定程度上实现端到端（end-to-end）地对不定长的文本序列进行识别，不用先对单个文字进行切

原创 DeepLearing—CV系列（二十四）——Pytorch实现OCR识别图片转文字（1）——CTPN理论

文章目录一、OCR简介二、一、OCR简介文字识别也是图像领域一个常见问题。然而，对于自然场景图像，首先要定位图像中的文字位置，然后才能进行文字的识别。所以一般来说，从自然场景图片中进行文字识别，需要包括2个步骤：文字检测：解决的问题是哪里有文字，文字的范围有多少文字识别：对定位好的文字区域进行识别，主要解决的问题是每个文字是什么，将图像中的文字区域进转化为字符信息。OCR的作用：提取图像中的文字，并转换成文本形式，供后续NLP任务使用。二、...

原创 Pytorch项目打包和部署（4）——代码——TensorRT+Android

文章目录前言一、TensorRT二、Android前言首先下载TensorRT，进入官网NVIDIA TensorRT | NVIDIA Developer，点击download now，选择对应的TensorRT版本，windows下建议下 TensorRT7，点击同意，选择TensorRT 7.0（7.1是预览版本，不建议下载），选择对应的系统，此处windows下载要对应CUDA版本，一定要更新到对应的版本上去，否则运行会报错。对于Tensor RT的使用，可以参考TensorRT的开发向导（第

原创 Pytorch项目打包和部署（3）——代码——flask+onnx

文章目录一、Flask部署1.1 httpserver.py1.2 clinet.html二、传图片2.1 clinet.html2.2 httpserver.py三、返回json格式3.1 clinet.html3.2 httpserver.py四、官网实例转JSON4.1 httpserver2.py4.2 clinet2.html五、导出与调用onnx（跨平台使用）5.1 导出onnx5.2 检查onnx5.2.1 onnxruntime评测模型精度不一致问题排查5.3 调用onnx一、Flask部

原创 Pytorch项目打包和部署（2）——代码——flask+socket+pt2pt

文章目录一、flask1.1 module.py1.2 flash_test.py1.3 MTCNN侦测网络的flask通信流程二、Socket2.1 server_demo.py2.2 client_demo.py2.3 socket实现的对话2.3.1 server.py2.3.2 client.py三、MNIST打包3.1 模型打包的时候注意的问题一、flask1.1 module.pyimport torchfrom torch import nnclass TestModel(nn.M

原创 Pytorch项目打包和部署（1）——理论

文章目录一、什么是模型打包部署二、模型打包部署的作用三、学习模型打包部署的目的四、模型部署语言五、模型部署平台六、模型部署设备七、模型部署方式八、模型部署接口九、模型部署相关工具十、模型可视化先上Pytorch官网：Pytorch一、什么是模型打包部署模型打包就是把程序化的模块打包成一个能在指定平台上可执行文件。Pytorch中的打包和调用方法：torch.save()torch.load()模型部署就是将打包好的文件在指定的平台上进行部署实施，使其能够正常使用。二、模型打包部署的作用模型

原创 Machine Learning——sklearn系列（八）——鸢尾花分类的逻辑回归实现

文章目录前言一、详解Numpy中的数组拼接、合并操作（concatenate, append, stack, hstack, vstack, r_, c_等）二、Python字符串格式化三、代码前言项目描述：根据鸢尾花的花萼长度与宽度的特征数据统计，对其进行逻辑回归分类。特征：花萼长度、花萼宽度类别标签：0 - 山鸢尾（setosa）1 - 杂色鸢尾（versicolor）2 - 维吉尼亚鸢尾（virginica）一、详解Numpy中的数组拼接、合并操作（concatenate, appen