- 博客(36)
- 收藏
- 关注
RSS订阅原创 pytorch保存模型记录
RuntimeError: Error(s) in loading state_dict情况一：原因：网络结构明显不一致Missing key(s) in state_dict: "weight", "bias". Unexpected key(s) in state_dict: "conv1.weight", "bn1.weight", "bn1.bias", "bn1.running_mean", "bn1.running_var", "bn1.num_batches_track
2021-11-11 15:55:28
1109
原创 cuda大坑
问题RuntimeError: No CUDA GPUs are available问题是GPU明明都是可用的！！！！查资料可知：cuda在使用之前要检查是否可用，不检测默认不可用torch.cuda.is_available()
2021-09-05 12:15:43
1063
原创 ROS使用Python3
cd catkin_workspacegit clone https://github.com/ros-perception/vision_opencv.git src/vision_opencvcatkin build或者 catkin build cv_bridgeCMake Error at /usr/share/cmake-3.10/Modules/FindBoost.cmake:1947 (message): Unable to find the requested Boost
2021-08-12 15:00:43
373
原创 pip3 install question
Traceback (most recent call last): File "/opt/anaconda3/bin/pip3", line 11, in <module> sys.exit(main()) File "/opt/anaconda3/lib/python3.8/site-packages/pip/_internal/cli/main.py", line 73, in main return command.main(cmd_args) File "/
2021-08-11 11:09:43
286
原创 Anaconda
安装下载地址bash Anaconda3-2021.05-Linux-x86_64.sh直接执行conda命令出现conda：未找到命令在环境变量文件中加入以下语句，注意修改为自己的安装路径：export PATH=/opt/anaconda3/bin:$PATH设置anaconda为默认Python3删除系统原有python3软链接rm /usr/bin/python3创建新链接到anacondacd /usr/binln -s /opt/anaconda3/bin/py
2021-08-06 15:46:42
85
原创 self-attention pytorch实现
Attentionclass Attention(nn.Module): def __init__(self, dim, num_heads=2, qkv_bias=False, qk_scale=None, attn_drop=0., proj_drop=0.): super().__init__() self.num_heads = num_heads head_dim = dim // num_heads self.scale
2021-03-18 17:51:21
1744
原创 图像 patch Embedding
import torchimport torch.nn as nnclass PatchEmbed(nn.Module): """ Image to Patch Embedding """ def __init__(self, img_size=224, patch_size=16, in_chans=3, embed_dim=768): super().__init__() img_size = (img_size, img_size)
2021-03-18 17:45:44
2255
原创 基于OpenCV-python的图像融合
图像融合一种常见的融合方法是将两张图像进行加权求和，并添加一个gmma值，作为偏移量具体公式为：merge = (image1)*(alpha) + (image2)*(beta) + gamma其中，image1，image2分别为要融合的两张图，alpha，beta分别是两种图像融合时的权重，增大权重可以突出对应图像在融合结果中的明显程度python-opencv方法原型：def addWeighted(src1, alpha, src2, beta, gamma, dst=None, d
2020-12-17 15:53:40
1304
1
原创 python实现图像阴影去除
导入依赖import cv2import numpy as np最大滤波def max_filter(image,filter_size): # padding操作，在最大滤波中需要在原图像周围填充（filter_size//2）个小的数字，一般取-1 # 先生成一个全为-1的矩阵，大小和padding后的图像相同 empty_image = np.full((image.shape[0] + (filter_size // 2) * 2, image.shape[1] +
2020-12-17 10:43:39
6488
7
原创 python装饰器
python中，所谓的装饰器其实是一个函数，这个函数的返回值也是一个函数对象。在装饰器内部，原有函数加装新功能成为新函数后返回给原有的引用装饰器的作用主要是让其他现有函数在不用修改代码的情况下，新增一些功能。这样就可以将一些函数中的通用代码抽取出来进行复用。##无参数装饰器# 这是装饰器函数，参数 func 是被装饰的函数def decorator(function): def wrapper(*args, **kw): # 加装新功能 print('新功能先
2020-12-16 14:24:05
58
原创 多模态特征表示和融合
多模态融合(fusion)多模态融合是将来自多种不同模态的信息进行整合，用于分类任务或回归任务。值得注意的是，在最近的工作中，对于像深度神经网络这样的模型，多模态表示和融合之间的界限已经模糊了，其中表示学习与分类或回归目标交织在一起多模态融合的优势1.对于同一任务，能够应用多种模态的数据，可以做出更鲁棒的预测2.模态之间可能会存在互补的信息3.当其中一种模态数据缺失时，多模态系统仍然可以运行，例如，当人不说话时，从视觉信号中识别情绪。多模态融合的应用多模态融合有着非常广泛的应用，包括视听语音识
2020-12-15 16:51:41
29335
3
原创 峰度和偏度
峰度峰度（Kurtosis）是描述某变量所有取值分布形态陡缓程度的统计量Kurtosis=0 与正态分布的陡缓程度相同Kurtosis>0 比正态分布的高峰更加陡峭——尖顶峰Kurtosis<0 比正态分布的高峰更加平缓——平顶峰偏度偏度（Skewness）是描述某变量取值分布对称性的统计量Skewness=0 分布形态与正态分布偏度相同Skewness>0 正偏差数值较大，为正偏或右偏Skewness<0 负偏差数值较大，为负偏或左偏...
2020-11-26 15:31:52
2863
原创 python实现训练集和测试集分割
shuffle矩阵合并import numpy as npdef train_test_split(X, y, ratio, seed): assert X.shape[0] == y.shape[0] assert 0.0 <= ratio <= 1.0 if seed: np.random.seed(seed) data=np.hstack((X,y.reshape(X.shape[0],-1))) np.random.shu
2020-11-13 15:34:48
851
原创 python实现简单KNN算法
import numpy as npdef KNN_classify(k,X_train,y_train,x): assert k>0 and k<=X_train.shape[0] assert X_train.shape[0]==y_train.shape[0] assert X_train.shape[1]==x.shape[0] def E_distance(v1,v2): return np.sqrt(np.sum((v1-v2)*
2020-11-13 11:28:12
241
原创 numpy基础
numpy创建初始数组全0数组import numpy as npndarray = np.zeros(shape=(2,3),dtype=float)print(ndarray)[[0. 0. 0.] [0. 0. 0.]]全1数组import numpy as npndarray = np.ones(shape=(2,3),dtype=float)print(ndarray)[[1. 1. 1.] [1. 1. 1.]]全为自定义数组import numpy as n
2020-11-12 17:47:31
75
原创 跨域目标检测任务数据集
数据集Cityscapesfocuses on capturing high variabilityof outdoor street scenes in common weather conditionsfrom different cities. It contains 2,975 training imagesand 500 validation images with dense pixel-level labels.We transform the instance segmentat
2020-11-04 09:58:58
3466
7
原创 Unsupervised Intra-domain Adaptation for Semantic Segmentation through Self-Supervision
文章信息论文地址原文代码前言基于卷积神经网络的语义分割模型已经取得了很不错的效果，但是和绝大多数深度学习方法一样，深度语义分割模型同样依赖大量高质量的标注数据，而图像分割的标注成本非常高。为了降低标注成本，常用一些图像引擎生成自带标注的合成图像用来训练分割模型。但是，用合成图像训练的模型直接用于真实图像时，会有domain shift带来的效果下降问题，因此需要有域自适应方法和分割方法的结合。之前工作存在的问题现实中的目标域数据通常具有不同的场景分布，这些分布差异是由运动物体、天气条件等多种因
2020-10-19 14:49:02
560
原创 Cross-domain Object Detection through Coarse-to-Fine Feature Adaptation
文章信息论文地址原文前言由于domain shift的存在，在源域数据上表现很好的物体检测模型在目标域上的效果不尽人意。这种情况下，域自适应的方法开始和目标检测算法相结合，以提升目标检测算法的跨域性能，而两个领域方法的结合也是在不断优化和完善。之前工作存在的不足文章主要贡献...
2020-10-17 23:11:15
1391
原创 Exploring Categorical Regularization for Domain Adaptive Object Detection
文章信息论文地址原文代码前言目标检测是计算机视觉中的重要问题，要求同时获得图像中物体的类别信息和位置信息。随着深度学习技术的不断进步，基于深度学习的目标检测模型取得了很好的效果。但是，好的深度学习模型需要依赖大量...
2020-10-14 23:07:44
1195
原创 tar命令解压缩 去掉压缩包中顶级目录
tar命令解压缩，去掉顶级目录可以理解为，将压缩包内文件解压出来后，散落一地的感觉在tar 命令后加上：--strip-components 1例如，解压tomcat正常情况，解压后会出现apache-tomcat-9.0.37文件夹：[root@localhost ~]# tar -zxvf apache-tomcat-9.0.37.tar.gz -C ./tomcat[root@localhost ~]# ls tomcat/apache-tomcat-9.0.37[root@lo
2020-10-09 17:43:51
5448
原创 linux配置java环境变量
JAVA_HOME=“jdk解压目录”JRE_HOME=$JAVA_HOME/jrePATH=$PATH:$JAVA_HOME/binCLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jarexport JAVA_HOMEexport JRE_HOMEexport PATHexport CLASSPATH
2020-10-09 15:42:34
47
原创 python3 object of type ‘zip‘ has no len()报错
python3中以下代码报错：training_data = zip(training_inputs, training_results)print(len(training_data ))object of type 'zip' has no len()解决方法在zip的基础上转为list类型training_data = list(zip(training_inputs, training_results))print(len(training_data ))...
2020-09-28 17:26:30
503
原创 python3 pickle.load报错
python3中，pickle.load方法时报错：data = pickle.load(f)UnicodeDecodeError: 'ascii' codec can't decode byte 0x90 in position 614: ordinal not in range(128)解决方法改为:data = pickle.load(f,encoding="bytes")
2020-09-28 17:06:48
1027
原创 numpy向量堆叠
hstack()hstack函数是对两个向量做水平方向上的堆叠行向量import numpy as npx1=np.random.rand(1,3)print("x1:",x1)x2=np.random.rand(1,3)print("x2:",x2)X=np.hstack((x1,x2))print("X:",X)x1 [[0.94329401 0.11576768 0.0776751 ]]x2 [[0.40474337 0.00161241 0.63968894]]X [
2020-09-28 11:48:16
1291
原创 python命令行debug
在有图形界面的操作系统中，借助集成开发工具可以很方便调试python代码，而在命令行下也可以调试python程序不设置断点执行命令python -m pdb test.py常用命令next:单步跳过step:单步进c: 继续执⾏w: 显⽰当前正在执⾏的代码⾏的上下⽂信息a: 打印当前函数的参数列表s: 执⾏当前代码⾏，并停在第⼀个能停的地⽅（相当于单步进⼊）n: 继续执⾏到当前函数的下⼀⾏，或者当前⾏直接返回（单步跳过）设置断点也可以在代码内部设置断点，这样就可以在某些特定行查
2020-09-27 10:21:25
7464
原创 python函数不定参
写函数时，预先可能不确定会传入多少个参数，以及传入的方式，这时候可以通过不定参的形式传递例如def test(*args,**kwargs): print("args:",args) print("kwargs:",kwargs)if __name__ == "__main__": test(1,2,3,4,a=5,b=6,c=7)args: (1, 2, 3, 4)kwargs: {'a': 5, 'b': 6, 'c': 7}*args用来接收不命名参数，以元组
2020-09-27 10:19:42
326
原创 单例模式
单例模式使用场景1.需要频繁创建和销毁的对象2.创建和销毁消耗资源较大的重量级对象3.经常用到的工具对象饿汉（静态变量形式）优点:简单，没有多线程同步问题（类加载的时候就实例化了对象）缺点：没有实现懒加载，可能造成内存浪费class Singleton01{ //构造器私有化 private Singleton01(){} //本类内部创建静态对象实例 private final static Singleton01 instance=new Singleto
2020-09-27 10:16:47
70
原创 Linux非root用户执行root权限命令
非root用户有时需要执行root才能执行的命令，可以通过配置sudoers文件实现##修改sudoers文件vim /etc/sudoers##增加user1user1 ALL=(ALL:ALL) ALL# This file MUST be edited with the 'visudo' command as root.## Please consider adding local content in /etc/sudoers.d/ instead of# directly
2020-09-27 10:12:53
3514
原创 Linux文件读写执行权限
##查看文件读写权限信息root@:~# ls -ltotal 24drwxr-xr-x 4 root root 4096 Sep 15 14:48 dir1drwxr-xr-x 10 root root 4096 Sep 16 10:59 dir2-rw-r--r-- 1 root root 101 Sep 16 10:59 file1drwxr-xr-x 4 root root 4096 Sep 16 10:33 dir3drwxr-xr-x 6 root root 4096 S
2020-09-24 17:58:27
725
原创 docker常用命令记录
进入正在运行的容器[root@192 ~]# docker exec -it 97ce4ad8bd89 /bin/bash
2020-09-20 12:24:51
58
原创 配置docker镜像仓库
修改 /etc/docker/daemon.jsonvim /etc/docker/daemon.json在文件中加入{ "registry-mirrors": ["xxxxxx"]}"xxxx"代表镜像仓库地址执行以下操作systemctl daemon-reload systemctl restart docker
2020-09-19 22:10:28
1173
原创 二分查找bug改进及边界设置
二分查找二分查找整型溢出bugleft和right均为整型，数值较大时相加会出现整型溢出的情况mid=(left+right)/2;用减法运算代替加法，改进为：mid=left+(right-left)/2;public class testBinSearch { public static int binSearch(int[] array,int target){ int left=0; int right=array.length-1; //[l
2020-09-19 11:23:12
135
原创 数据归一化
导入MinMaxScalerfrom sklearn.preprocessing import MinMaxScaler最大最小归一化minMaxScaler = MinMaxScaler()train_data = minMaxScaler.fit_transform(df)
2020-09-02 14:32:17
226
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