- 博客(36)
- 收藏
- 关注
RSS订阅原创 labelme json批量可视化
1.将json文件、bat脚本和labelme_json_to_datase.exe文件放在同一个文件夹下2.然后cd到当前文件夹，运行bat脚本文件bat文件@echo offfor %%i in (*.json) do labelme_json_to_dataset "%%i"pause
2022-05-22 19:49:07
254
原创 pytorch计算flops, params，有两个input
下面展示一些 内联代码片。device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')net = D() # 定义好的网络模型if torch.cuda.is_available(): net.cuda()input1 = torch.randn(1, 3, 512, 512)#输入到模型时，模型要加一个维度x = x.unsqueeze(0)input1 = input1.to(device)#inp
2022-05-12 10:58:50
726
1
原创 RuntimeError: output with shape [4, 1, 512, 512] doesn‘t match the broadcast shape[4, 4, 512, 512]
【原因】：通道数不符合，需要传入RGB图而不是灰度图。【解决】：更换图片（使用RGB三通道图片）
2022-04-07 18:41:00
627
原创 gdal库读取tif影像坐标
# coding=utf-8from osgeo import gdalfrom gdalconst import *def readImage(img_path): data = [] # 以只读方式打开遥感影像 dataset = gdal.Open(img_path, GA_ReadOnly) if dataset is None: print("Unable to open image file.") return data
2021-12-29 11:40:25
1912
原创 pycharm git OpenSSL SSL_read: Connection was reset, errno 10054
1.先生成SSH key，具体流程看文章https://blog.igevin.info/posts/generate-ssh-key-for-git/2.然后在pycharm设置里勾选以下选项
2021-12-22 21:49:50
649
原创 numpy广播机制
转自https://zhuanlan.zhihu.com/p/603653981、广播是从内向外的扩展元素的，所有需要将两个元素从后往前对比。2、两个数组的相同位置维度大小不一样的时候，有一个数组是1就可以广播。A = np.zeros((2,5,3,4))B = np.zeros((3,1))print((A+B).shape) # 输出：(2, 5, 3, 4)A = np.zeros((2,5,3,4))B = np.zeros((2,1,1,4))print((A+B).shape
2021-12-17 11:01:11
449
原创 gdal ImportError: DLL load failed
报错：ImportError: DLL load failed解决：将anaconda的GDAL文件路径加入到计算机的系统变量里
2021-11-24 21:00:48
644
原创 对数组操作[:,:4]
list1 =np.array([[[9,8,5],[3,7,6],[5,8,6],[2,1,4],[3,5,2],[4,7,0]]])print(list1[:,:4])out:[[[9 8 5] [3 7 6] [5 8 6] [2 1 4]]]print(list1[:,4])out:[[3 5 2]]
2021-11-18 15:22:45
1114
原创 tensor索引[..., 0]
tensor的一个索引方式：self.bbox_attrs = 5 + num_classes # 5 =（4+1）：框的四个参数（x，y，w，h）+ 框内是否有物体prediction = input.view(batch_size, len(self.anchors_mask[i]), self.bbox_attrs, input_height, input_width).permute(0, 1, 3, 4, 2).cont
2021-11-12 21:05:37
1183
原创 全连接层和卷积层最终应用在网络上的不同之处
全连接层：predict的input shape必须与train时的input shape一致卷积层：predict的input shape可以与train时的input shape不一致，可更改，但是相差较大的话，预测效果会打折扣。因为train得到的特征是固定的。...
2021-11-04 21:16:38
78
原创 卷积神经网络的全连接层转换成卷积层
两个结构的input——>output对应的参数量是没有变的。在卷积层中，将输出的通道数（卷积核个数）当做全连接层的神经元个数。
2021-11-03 19:39:35
557
原创 训练过程出现ZeroDivisionError: float division by zero
Traceback (most recent call last): File "F:/pycharm/pytorchtrain/Maskrcnn_Person/tv-training-code.py", line 244, in <module> main() File "F:/pycharm/pytorchtrain/Maskrcnn_Person/tv-training-code.py", line 226, in main evaluate(model, data
2021-09-11 11:49:09
3478
1
原创 pytorch保存.pth文件
只保存权重文件 torch.save(model.state_dict(), "model.pth")保存整个模型torch.save(model, "my_model.pth")
2021-09-11 10:56:28
580
原创 在pytorch中使用tensorboard
pytorch的tensorboard安装2.0版本，然后在pytorch的环境中安装tensoflow2.0版本。网络开始训练之后，会生成一个文件，然后在终端运行tensorboard。输入：tensorboard --logdir = 文件夹路径 （路径是writer = SummaryWriter指定的）...
2021-07-30 22:24:21
92
原创 GAN用数学语言描述
整个式子由两项构成。x表示真实图片，z表示输入G网络的噪声，而G(z)表示G网络生成的图片。D(x)表示D网络判断真实图片是否真实的概率（因为x就是真实的，所以对于D来说，这个值越接近1越好）。而D(G(z))是D网络判断G生成的图片的是否真实的概率。G的目的：上面提到过，D(G(z))是D网络判断G生成的图片是否真实的概率，G应该希望自己生成的图片“越接近真实越好”。也就是说，G希望D(G(z))尽可能得大，这时V(D, G)会变小。因此我们看到式子的最前面的记号是min_G。D的目的：D的能力..
2021-07-26 22:16:03
106
原创 深度学习里面的正态分布
深度学习或者机器学习中，我们经常提到的数据集、样本，我们假设它属于正态分布（高斯分布）或者标准正态分布。1.正态分布的平均数为μ，标准差为σ；不同的正态分布可能有不同的μ值和σ值，正态分布曲线形态因此不同。2.标准正态分布平均数μ=0，标准差σ=1，μ和σ都是固定值；标准正态分布曲线形态固定。当数据集、样本的分布被假设属于标准正态分布，可以得知每个类别在数据集里出现的频率是相等的，便于后面计算。...
2021-07-24 21:36:11
2171
1
原创 有向图，无向图
有向图中的有向边表示两个变量的依赖关系，这种关系可以看成是因果、影响、依赖等等，是一个影响着另一个，对应着条件概率 。 而在无线图中，无向边表示两个变量的一种互相关系，互相影响，互相软限制等等，不再是条件概率 。...
2021-07-20 15:33:24
196
原创 SVM支持向量机
线性可分SVM当训练数据线性可分时，通过硬间隔(hard margin，什么是硬、软间隔下面会讲)最大化可以学习得到一个线性分类器，即硬间隔SVM。线性SVM当训练数据不能线性可分但是可以近似线性可分时，通过软间隔(soft margin)最大化也可以学习到一个线性分类器，即软间隔SVM。非线性SVM当训练数据线性不可分时，通过使用核技巧(kernel trick)和软间隔最大化，可以学习到一个非线性SVM。...
2021-07-19 17:02:20
47
原创 独立的定义有多重等价表述方式
独立的定义有多重等价表述方式。以下表述的含义全相同。1 ●●与△△独立2 条件概率与条件无关P（●●丨△△） = P（●●丨非△△）3 添加或去除条件不影响概率P（●●丨△△） = P（●●）4 联合概率之比相同P（△△，●●）：P（△△，非●●） = P（非△△，●●）：P（非△△，非●●）5 联合概率是边缘概率的乘积P（△△，●●）= P（△△）P（●●）...
2021-07-16 17:54:33
303
原创 超像素是什么
超像素概念是2003年Xiaofeng Ren提出和发展起来的图像分割技术，是指具有相似纹理、颜色、亮度等特征的相邻像素构成的有一定视觉意义的不规则像素块。 它利用像素之间特征的相似性将像素分组,用少量的超像素代替大量的像素来表达图片特征,很大程度上降低了图像后处理的复杂度，所以通常作为分割算法的预处理步骤。...
2021-07-06 16:59:07
2810
原创 BrokenPipeError: [Errno 32] Broken pipe
BrokenPipeError: [Errno 32] Broken pipewindows下，dataloader多线程问题，num改为0
2021-07-03 20:24:16
150
原创 ValueError: optimizer got an empty parameter list
报错：ValueError: optimizer got an empty parameter list检查def __init__(self): super(Net, self).__init__()有没有拼写错误
2021-07-03 17:36:04
757
1
原创 pytorch 学习1
pytorch中文文档之训练分类器windows下DataLoader不支持多线程读取num_workers=2改成0trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)trainloader = torch.utils.data.DataLoader(trainse
2021-05-19 17:32:19
29
原创 镜像
pip --default-timeout=100 install 库名称 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com 使用这个！亲测有效！
2021-04-19 21:54:01
94
原创 大幅影像切割
大幅影像切割 为了保证切片的影像中包含足够的目标部分以利于检测，将相邻切片影像的重叠度设置为400，此外在按照上述参数进行切片时，以切片影像左上角坐标为基准，自动将原图像坐标系中的坐标标准换到切片影像的坐标系下。...
2021-04-09 15:22:21
90
转载 Regional Proposal的输出到底是什么
Regional Proposal的输出到底是什么作者：YJHMITWEB链接：https://www.zhihu.com/question/265345106/answer/294410307来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。Regional Proposal的输出到底是什么？我们首先看一下以Faster R-CNN为代表的2 stage目标检测方法图1可以看到，图中有两个Classification loss和两个Bounding-box regr
2021-04-09 10:31:06
64
原创 win10+tensorflow-gpu+pycharm+anaconda...的成功安装，顺利在spyder import tensorflow
装了好几天的tensorflow，终于今天装好了。在这里记录一下，免得下次遇到问题忘了怎么解决。首先我是找了几篇文章，将需要用上的环境都准备好。第一篇 参考文章，不过这篇文章少了前期几个步骤。第一步，安装Microsoft visual studio2017前面的安装都是没什么好纠结的选项，到这一步，要选择c++的桌面开发选项。这个软件是微软开发的，在windows系统下不会出什么问题的。第二步，安装cuda以上是在tensorflow官网找到的，各个版本所对应的windows系统下各个工具
2020-09-07 18:53:15
524
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