qq_39220334的博客

原创 设计模式之简单工厂模式、工厂方法模式、抽象工厂模式（C++）

简单工厂模式里通常包含一个工厂类，用于创建实例。包含一个抽象类以及多个具体类。向工厂类中传入参数，工厂类就可以实例化出具体的对象。

原创 用 C语言、C++、C#、Java、Python 输出 Hello world

每种编程语言都有自己常用的模板，熟悉语言模板最简单方法就是编写 “Hello World” 程序。下面分别展示 C、C++、C#、Java、Python 版本的 “Hello World” 程序。1. C 语言版本#include "stdio.h"int main(){ printf("hello world"); return 0;}2. C++ 版本#include<iostream>using namespace std;int mai...

原创 问题解决 之 转成PDF后Visio图中虚线看不清

问题描述将 Word 另存为 PDF后，Visio 图中的虚线看起来像实线。但将 PDF 放大后，可以看出 Visio 图没有发生损害，虚线正常显示。那么有什么办法，可以让虚线在不放大的情况下正常显示吗？解决办法思路一：修改图片将 Visio 图片中的...

原创 问题解决之 RuntimeError: Couldn‘t load custom C++ ops. This can happen if your PyTorch XXX

问题描述在深度学习环境 GPU 版 pytorch 下，运行代码出现报错，关键报错信息如下：RuntimeError: Couldn't load custom C++ ops. This can happen if your PyTorch and torchvision versions are incompatible, 大致的意思是说当前环境的 PyTorch 和 torchvision 版本不匹配，建议重新安装 PyTorch 和 torchvision。具体报错信息如下：Traceb

原创 python代码实现卷积示意图快速制作

1. 问题描述单通道的卷积计算如下图所示，卷积核在特征图上不断滑动，卷积核与其覆盖的特征图区域逐点相乘并求和。

原创 问题解决之 Win10下 word 文件和 ppt 文件打开时遇到错误

问题描述最近使用 Word2016 和 PowerPoint2016 打开文件总会出现问题，报错信息通常为：Word 在试图打开文件时遇到错误。PowerPoint 发现 XXX.pptx 中的内容有问题。PowerPoint 无法读取 XXX.pptx。问题解决网上下载的PPT模板或者Word文件，有时会出现无法打开的情况。别人发来的Word文件，有时也会因为不兼容无法打开。临时解决办法在 Word 文件上，右键单击，点击编辑，就可以在兼容模式下正常打开文件了。彻底解决

原创 使用 Visio 绘制卷积示意图

卷积操作是深度学习网络的基石，说到神经网络模型设计就免不了提起卷积。要想解释清楚卷积的原理，卷积操作的示意图就必不可少，那么如何能够快速绘制卷积示意图呢？1. 卷积示意图分析下图是百度飞桨讲解卷积定义的一个示例，输入图片、输出图片还有卷积核都用网格进行表示讲述卷积操作时，卷积核网格里填入了数字，用来表示卷积核权重。输入图片网格中也写上了数字，用来表示图片特征值。卷积的过程就是：将卷积核大小的窗口覆盖到特征图上，逐渐滑动的过程。为了突出这一过程，被覆盖区域都被涂上了颜色，如图 (a) 中的红色。

原创 论文阅读 之 High-level Semantic Feature Detection: A New Perspective for Pedestrian Detection

本篇论文是发表在 CVPR_2019 上的一篇工作，提出了一个关于行人检测的新思路。论文链接：https://openaccess.thecvf.com/content_CVPR_2019/papers/Liu_High-Level_Semantic_Feature_Detection_A_New_Perspective_for_Pedestrian_Detection_CVPR_2019_paper.pdf代码链接：https://github.com/liuwei16/CSP1. 动机现有的

原创 pytorch 之 view、permute、matmul 用法

1. tensor.view 用法tensor.view 被用于改变张量的维度。对 4x4 的张量进行维度变换>>> x = torch.randn(4, 4)>>> x.size()torch.Size([4, 4])view 中指定张量维度将 4x4 的张量变成维度为 16 的张量>>> y = x.view(16)>>> y.size()torch.Size([16])view 中指定一个维度，

原创 论文阅读 之 Omni-Scale Feature Learning for Person Re-Identification

1. 相关链接论文链接：Omni Scale_Feature_Learning_for_Person_Re-Identification_ICCV_2019_paper.pdf代码链接： https://github.com/KaiyangZhou/deep-person-reid2. 论文研究角度行人重识别 （person re-ID） 主要面临两个挑战，如下图所示。首先，由于相机视角的变化，类内（实例/身份）的变化通常很大。 例如，图中的两个人 (a) 和 (b) 都携带背包； 摄像机视角的

原创 论文阅读 之 Revisiting Temporal Modeling for Video-based Person ReID

1. 论文研究的主要问题一个典型的视频行人重识别系统通常包括三个部分：特征提取器，时域建模方法和损失函数。其中特征提取器用来采集图片级别的特征，时域建模方法用来融合时间特征。基于视频的行人重识别方法和基于图片的行人重识别方法最大的区别在于时域信息，视频具有图片所没有的时域信息。目前有很多文章提出了时域建模的方法，那么什么样的时域建模方法是最有效的呢？这就是论文研究的主要问题。下面给出文章及其代码实现的链接：论文链接代码链接作者对论文的解读2. 主要工作文章的主要贡献如下：回顾并比较用于视

原创 问题解决 之 Win10 快速打开 ipynb 文件

问题描述在服务器上，编辑了一个 .ipynb 文件，下载下来想在本地电脑打开。恰好本地装了 Anaconda 带有 jupyter notebook，在 cmd 中输入 jupyter notebook浏览器会自动跳转到 Jupyter 目录但是我的 .ipynb 文件不在这个目录下，打开比较麻烦解决办法参考了一些博客后，我找到了一个快速打开 ipynb 文件的方法首先通过 Win10 搜索栏找到jupyter-notebook.exe的位置在要打开的 ipynb 文件上右键，选

原创 问题解决之 TypeError: can‘t convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to

问题描述运行程序，出现报错信息 TypeError: can't convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.。具体信息如下所示：Traceback (most recent call last): File "tools/demo.py", line 97, in <module> visualize_result(gallery_img, det

原创 问题解决之 AttributeError: ‘NoneType‘ object has no attribute ‘astype‘

问题描述运行代码时，出现报错 AttributeError: 'NoneType' object has no attribute 'astype'，具体信息如下图所示：Traceback (most recent call last): File "work/person_search-master/tools/demo.py", line 82, in <module> query_feat = net.inference(query_img, query_roi).view

原创 论文阅读 之 Person Re-identification in the Wild

这里写自定义目录标题1. 文章主要贡献2. 实验3. 讨论4. 方法1. 文章主要贡献提出了一个大规模数据集提出了原始视频帧中端到端行人检测和识别的 baseline解决了三个问题：不同检测器和识别器融合的表现、行人检测器提高整个行人重识别任务的机制、评估不同检测器对于行人重识别任务的有效性。三个独立贡献：新的数据集和在新数据集上的benchmark、展示行人检测通过简单但有效的提升措施：级联微调训练策略，新的相似度度量，在特定场景下提升行人检测器表现的一些观点。评注：新的任务需要新的数据集，行

原创 论文阅读 之 Person Search by Multi-Scale Matching

1. 论文研究的主要问题文章认为多尺度匹配问题是行人搜索任务中的重要挑战。行人检索不同于行人重识别，行人检索是在一个没有限制的场景下检索行人，考虑到自动检索行人的需求，行人的检测框可能是包含错误结果和未知程度的误对齐的剪裁结果，这个行人重识别的匹配带来了更大的挑战。自动检测到的行人边界框尺度变化（分辨率）往往比行人重识别的边界框变化要大，如图 b 所示。尺度变化主要是由于摄像头和行人之间的不可控制的距离产生的，其本质问题是多尺度匹配问题。2. 主要工作为了解决多尺度匹配问题，提出了 Cross-L

原创 论文阅读 之 TCTS: A Task-Consistent Two-stage Framework for Person Search

1. 研究的主要问题2. 主要工作3. 实验

原创 论文阅读 之 Joint Detection and Identification Feature Learning for Person Search

论文链接：CVPR_2017 论文代码链接：Github链接提出的数据集：CUHK-SYSY原始论文题目：End-to-End Deep Learning for Person Search1. 研究的主要问题行人检索问题：在真实场景中，从整个场景图片中搜索特定的没有行人检测边界框的人。在一个卷积神经网络中实现同时处理行人检测和行人重识别，而不是分成行人检测和行人重识别两个子任务进行行人检索。下图给出了行人重识别和行人搜索任务的区别：2. 主要工作提出联合行人检测和行人重识别的行人搜索框

原创 论文阅读之 Anchor-Free Person Search

1. 研究的主要问题Person Search 可以被看作行人检测和行人重识别相统一的任务，在真实的、未经剪切的图片中同时定位和识别待检索的行人。现有的 Person Search 方面的工作都是基于 two-stage 的检测器（Faster R-CNN)，这种方法的精度很高但计算量很大。两阶段的行人检测器是 Anchor-Based 的，也就是说现有的行人搜索框架是 Anchor-Based 的，文章研究的是 Anchor-Free 的行人搜索问题，尝试提出一种基于Anchor-Free检测器的行

原创 Leetcode 常见报错原因之 heap-buffer-overflow on address 和 reference binding to misaligned address

1. SUMMARY: UndefinedBehaviorSanitizer: undefined-behavior对数组进行操作时，一定要注意数组的可索引范围，保证数组不发生越界。在 Leetcode 中数组越界会给出如下几种报错信息：1. AddressSanitizer: heap-buffer-overflow on address报错信息：==42==ERROR: AddressSanitizer: heap-buffer-overflow on address 0x60300000032

原创 Person_reID_baseline_pytorch 源码解析之 evaluate_gpu.py

evaluate_gpu.py 通过比对图片特征，将图片按照相似度排序，计算 mAP 和 Rank 等评估指标。2.1 评估指标计算 Cosine DistanceCosine Distance 也称为余弦相似度，用夹角余弦来度量两个向量方向上的差异。两个向量之间的夹角余弦越小，向量间的方向就越一致。当夹角为零时，两个向量同向。相比欧式距离，余弦相似度更注重方向上的差异而不是距离。余弦相似度在高维的情况下依然保持“相同时为1，正交时为0，相反时为-1”的性质。欧式距离体现数值上的绝对差异，而余弦

原创 Win10 查看 DLL 中的函数

软件中存在着大量以 .dll 为扩展名的文件，这些文件就是动态链接库（Dynamic Link Library），简称为 DLL 。DLL 可以使用不同的编程语言来编写，如 VB、C、C++ 等。 DLL 也可以被不同的编程语言调用，例如：可以使用 VB 调用 C 语言生成的 DLL 文件。确切的说是调用 DLL中的API函数。只要使用正确的调用格式，就可以直接调用不同语言写成的 DLL 中的函数。本文将介绍 2 种查看 DLL 中函数的工具：dumpbin.exe 和 DependenciesVisu

原创 解决 FreeMind 报错 This application requires a Java Runtime Environment 1.5.0

问题描述通过FreeMind 官网 安装 FreeMind，出现报错 This application requires a Java Runtime Environment 1.5.0解决办法点击确定按钮，进入 https://java.com/zh-CN/download/选择同意并开始免费下载，此处可以通过勾选更改目标文件夹，改变默认安装位置开始安装合适的 Java Runtime Environment （JRE）安装完成通过 Win + R 打开 cmd，输入 java -

原创 Person_reID_baseline_pytorch 源码解析之 test.py

extract_feature 是 test.py 中比较重要的一个函数，逐行解析def extract_feature(model,dataloaders): features = torch.FloatTensor() count = 0 # 加载数据集 for data in dataloaders: img, label = data n, c, h, w = img.size() count += n

原创 Person_reID_baseline_pytorch 源码解析之 model.py

源码解析之模型搭建Resnet 网络模型Resnet 网络结构图PCB 网络模型脚本 model.py 完成了多种网络模型的搭建，本文将主要介绍 Resnet 和 PCB 网络模型的实现。Resnet 网络模型Resnet 网络结构图查看网络结构from torchvision import modelsmodel = models.resnet50(pretrained=True)print(model)Resnet 50 的网络结构如下：ResNet( (conv1): Conv

原创 解决 UserWarning: Argument interpolation should be of type InterpolationMode instead of int.

问题描述运行代码出现了如下报错C:\ProgramData\Anaconda3\envs\pytorch\lib\site-packages\torchvision\transforms\transforms.py:288: UserWarning: Argument interpolation should be of type InterpolationMode instead of int. Please, use InterpolationMode enum.有博客提到是当前 torchv

原创 解决 pytorch 报错 RuntimeError: An attempt has been made to start a new process...

报错信息运行 pytorch 代码报错，BrokenPipeError: [Errno 32] Broken pipe，看起来和多线程有关。RuntimeError: An attempt has been made to start a new process before the current process has finished its bootstrapping phase. This probably means that you ar

原创 解决 from . import _imaging as core ImportError: DLL load failed: 找不到指定的模块。

问题描述from . import _imaging as core ImportError: DLL load failed: 找不到指定的模块。解决办法升级 pillow 版本如果你的项目里有 requirement.txt ，最好按照要求的版本进行升级安装 from PIL import ImageModuleNotFoundError: No module named 'PIL'conda update package_namepip install --upgrade p

原创 pip 和 conda 升级 python 包的命令

conda 升级包的命令conda update package_name如升级 numpy ：conda update numpypip 升级包的命令pip install --upgrade package_name如升级 numpy ：pip install --upgrade numpypip 安装包命令pip install package_name如安装 numpy ：pip install numpypip 卸载包命令pip uninstall packa

原创 解决清华镜像源安装 pytorch 问题 CondaHTTPError: HTTP None None for url

问题描述使用清华镜像源安装 pytorch 报错，显示无法访问CondaHTTPError: HTTP None None for url <https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/repodata.json>Elapsed: NoneAn HTTP error occurred when trying to retrieve this URL.HTTP errors are often i

原创 Colab 快速上传数据集方法

有时我们想要使用 Colab 训练自己的数据集（非 Colab 自带数据集）那么首先必须要上传数据集到 Colab 平台。Colab 平台直接上传文件速度非常慢，即使你上传的是压缩后的文件。本文将介绍两种方法解决 Colab 上传数据集慢的问题。一、谷歌云上传1. 复制分享的谷歌云链接Colab 可以挂载谷歌云盘，所以可以首先把要上传的文件保存到谷歌云盘中。当然，谷歌云盘的上传速度一般也很慢。此时，如果你找到了其他人通过谷歌云盘分享的文件，那么打开别人的分享链接直接星标复制即可。以下载 Marke

原创 解决 Pycharm 卡顿，运行时内存不足问题

问题描述当 Pycharm 打开的项目文件较大时，一般会出现卡顿的情况。尤其是项目文件中存放了大型数据集时。解决办法配置 Pycharm 增加运行时内存可以解决这个问题。点击 Pycharm 菜单栏的 Help->Edit Custom VM Options进入 pycharm64.exe.vmoptions 文件或者直接用记事本打开 C:\Users\Administrator\.PyCharm2017.2\config\pycharm64.exe.vmoptions ，然后对文件进

原创 Win10 使用 mklink 把 Visual Studio 2017 移出 C 盘

C:\Program Files (x86)\Windows KitsD:\Program Files (x86)\Windows KitsC:\Program Files (x86)\Microsoft Visual StudioD:\Program Files (x86)\Microsoft Visual StudioC:\Program Files (x86)\Microsoft SDKsD:\Program Files (x86)\Microsoft SDKsC:\ProgramData

原创 解决 未将对象引用设置到对象的实例，遇到异常，这可能是由某个扩展导致的

原创 解决 重装 Visual Studio 2017，Visual Studio Installer 闪退

解决 Visual Studio Installer 闪退一、简洁版二、详细版问题描述解决步骤三、相关链接一、简洁版 1. 确认是否存在 C:\ProgramData\Microsoft\VisualStudio\Packages\_bootstrapper 目录 2. 不存在就创建上述目录 3. 如果有相关软链接则删除软链接二、详细版程序崩溃后，一般都会记录日志信息。查看 Windows 的日志管理器，就可以找到崩溃的原因，想到解决办法。问题描述之前装过 Visual Studio 20

原创 飞桨 | 基于 Paddle 从零开始实现 Resnet18 之 模型结构

建模 Resnet18Resnet18 的整体结构利用 paddle 实现 Resnet18导入必要的库Resnet 18 的主要部件Block + Stem + Head定义 Block 类,实现残差块Resnet18 的组成测试模型结构输出结果Resnet18 是何恺明在论文 Deep Residual Learning for Image Recognition 中提出的一个卷积神经网络。本文将带你根据论文从头开始实现 Resnet18 模型结构。首先，来看一下我们要实现的目标。Resnet18

原创 解决 ModuleNotFoundError: No module named ‘nose‘

报错描述在 Pycharm 环境下，右键运行程序显示 Run ‘Nosetests for XX.py’，而不是常见的 Run ‘XX.py’运行后报错 ModuleNotFoundError: No module named 'nose'解决办法方法一：重命名测试脚本如果执行的脚本不是测试脚本，则将 test 字样开头的函数重命名，如 将 test_shape 改为 shape_test 则不会报错方法二：安装 nose 测试工具如果要执行的脚本中确实有测试用例（函数），需要调用测试

原创 解决 No module named ‘sklearn.utils.linear_assignment_‘

报错描述No module named 'sklearn.utils.linear_assignment_'解决办法降低 scikit-learn 版本，scikit_learn==0.21.3 不会报错pip install scikit_learn==0.21.3其他解决办法[1] No module named ‘sklearn.utils.linear_assignment_’ 中提到 使用scipy.optimize.linear_sum_assignment 进行替代一点建议

原创 解决 ValueError: No module named ‘cloghandler‘ 和 No module named ‘win32con‘

一、No module named ‘cloghandler’报错描述ValueError: Unable to configure handler 'file': Cannot resolve 'cloghandler.ConcurrentRotatingFileHandler': No module named 'cloghandler'解决办法pip install ConcurrentLogHandler其他可能的解决办法ImportError: No module named cl

原创 ValueError: (InvalidArgument) conv2d(): argument ‘Input‘ (position 0) must be Tensor, but got None

问题描述在 paddle 下训练模型，报错ValueError: (InvalidArgument) conv2d(): argument 'Input' (position 0) must be Tensor, but got None报错说：期待输入是 Tensor，但得到了 None，说明模型没有输入 input解决方法检查 forward 函数有没有返回值 return xclass Identity(nn.Layer): def __init_(self):