- 博客(62)
- 资源 (9)
- 收藏
- 关注
原创 qiuzitao深度学习之PyTorch实战(十六)
史上最简单、实际、通俗易懂的PyTorch实战系列教程!(新手友好、小白请进、建议收藏)基于3D卷积的视频分析与动作识别(原理+代码)一、3D卷积原理解读视频就是一帧一帧的图像按照时间拼接组成的,3D卷积就是比2D的卷积多了个时间维度。二、UCF 101动作识别数据集简介UCF 101动作识别数据集官网地址:https://www.crcv.ucf.edu/data/UCF101.php101类视频,每一类里面是一个人在做一类的动作,比如射击、画口红、画眼线等等,数据集有6.5G,我也
2020-11-12 15:38:29 2825 6
原创 树莓派3B+成功安装OpenCV教程
树莓派3B+成功安装OpenCV(小白进来)最近准备用树莓派4来做个项目,由于还没有货,先买了个树莓派3B+来试试,这篇文章从安装系统到安装OpenCV说一下。首先先把SD卡格式化成FAT32系统,注意一定要FAT32。然后下载系统。我选中的是第一个,noobs(菜鸟),建议初学者(小白)下载这个来安装。进去后会看到两个,第一个是离线包,第二个是在线包,就是安装的时候需要连接网络,我的谷歌...
2019-07-19 12:04:56 8920 22
原创 json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)
搭建微服务后调用报错:json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)报错详细:原代码:import numpy as npimport requestsurl = 'http://127.0.0.1:8010/predictCustom'headers = {'Content-Type': 'application/json'}data = np.random.random([32, 10, 4
2021-03-29 13:04:58 424
原创 Error when checking target: expected dense_8 to have shape (2,) but got array with shape (28,)
在做深度学习的时候遇到的问题:我是在做keras+自带的预训练模型+迁移学习自己的数据集,运行训练代码报错:Error when checking target: expected dense_8 to have shape (2,) but got array with shape (28,)原因是最后一层全连接层上面设置了二分类就是2类,但我要训练的数据集有28类,所以出错。所以应该修改全连接层的最后一层的分类为28就好了。我是不用mobilnet自带的全连接层,而是自己设计的自定义全连接层。
2021-03-05 09:53:25 990 1
原创 深度学习模型预测时间很慢
在做深度学习任务时,我是做图像目标检测,用tensorflow或者keras或者pytorch训练完模型,然后就是做预测,发现无论是用GPU还是CPU都非常慢,然后百度了好久都没有解决问题。无论是不是配置低,如果我们要做成品,一定要部署。我每个函数都去用time.time()去计算耗时,最后发现调用模型的时候耗时最多,也是罪魁祸首。无论你是调用ssd或者yolo模型,在这里的调用都非常耗时。系统有初始化,每次你去预测一张图片,系统都要重新调用一次模型,初始化一次模型,加载一次模型,这样就很慢了,我们
2021-03-04 15:55:00 7784 19
原创 File “h5py\h5f.pyx“, line 78, in h5py.h5f.open OSError: Unable to open file
问题:win7(64位)+ tensorflow1.5 + keras2.1.6 + h5py2.8.0 运行moblienet读取模型权重image时出错。以下是代码和报错:fid = h5f.open(name, flags, fapl=fapl) File "h5py\_objects.pyx", line 54, in h5py._objects.with_phil.wrapper File "h5py\_objects.pyx", line 55, in h5py._objects.with
2021-02-20 11:24:17 4839 4
转载 CPU可以实时的道路分割网络 -- ENet
一、ENet基础原理OpenCV DNN模块支持的图像语义分割网络FCN是基于VGG16作为基础网络,运行速度很慢,无法做到实时语义分割。2016年提出的ENet实时语义分割网络基于编码与解码的网络语义分割方式,类似UNet网络,通过构建自定义Block块,在Cityscapes, CamVid, SUN数据集上实现了性能与实时双提高。其中a是初始Block,非重叠2x2最大池化,左侧卷积步长为2,然后13个filters之连接合并,该结构注意是收到了Inception改进模型的启发。B是ENet的
2021-02-07 14:13:25 807 1
原创 OSError: Couldn‘t open webcam or video解决
在 win7 和 win10 上面连接USB摄像头进行YOLO实时目标检测。报错:OSError: Couldn't open webcam or video或者cv2.imshow("capture", frame) cv2.error: OpenCV(4.5.1) C:\Users\appveyor\AppData\Local\Temp\1\pip-req-build-6uw63ony\opencv\modules\highgui\src\window.cpp:376: error: (-215
2021-02-07 09:51:35 1943
原创 AssertionError: Mismatch between model and given anchor and class sizes出错
问题bug解决:AssertionError: Mismatch between model and given anchor and class sizes网上找了好多这个错误的解决方法,比如设置好正确的anchor地址等等,后面发现是我在转换yolo模型的时候转换出错了,不完整的模型,我是把yolo的权重转换成keras的h5模式时出错的。你的 val_loss=nan 和 Found 0 boxes for img 这些问题都有可能就是模型的问题。一开始直接运行 convert.py 来转换成
2021-02-04 16:57:22 2288 2
原创 win7低配置下跑深度学习模型遇到的问题
问题:在win10高配置电脑上开发好项目,准备迁移到低配置的win7的设备上去用,发现了一些问题:Layer before convolutional layer must output image.: No errorDLL load failed: 页面文件太小,无法完成操作Failed to load the native TensorFlow runtimeNo module named tensorflow_core问题解决:Layer before convolutional la
2021-02-04 13:53:21 501
转载 图像分类、目标检测、语义分割和实例分割等任务是什么?
人工智能中图像分类、目标检测、语义分割和实例分割等任务是什么?近年来,计算机视觉及其相关领域发展十分迅速,相关技术已经被应用到人类生产和生活的各个领域。我们耳熟能详的任务有人脸识别、步态识别、虹膜识别、车辆检测以及医学图像处理等。 实际上,计算机视觉本身包含众多的研究方向,本文仅仅介绍下面几个互相关联的任务:图像分类:Image Classification语义分割:Semantic Segmentation目标检测:Object Detection实例分割:Instance Segmentat
2021-02-01 10:27:38 2951 1
原创 error: the following arguments are required: config_path, weights_path, output问题解决
问题在运行 convert.py 文件把YOLO配置文件转换成keras适用的h5文件报错:“usage: convert.py [-h] [-p] [-w] config_path weights_path output_pathconvert.py: error: the following arguments are required: config_path, weights_path, output_path”解决网上看了很多,很多说什么参数问题,在参数加上“–”就好了,其实不然。而
2021-01-22 14:58:19 7685 17
原创 python随机抽取指定文件夹下面的图片
我们在做图像处理、深度学习的时候,往往需要对数据集进行一些收集和处理,下面是用python对指定文件夹路径下面的图片进行随机抽取指定张数,并且存入到新的文件夹中。(支持多层文件夹的指定抽取)import os,sysimport randomimport shutilimport timedef getJpg(filename: str): return filename.endswith("jpg")def getFile(fileDir, toFileDir, number): p
2020-11-25 14:14:06 3307 6
转载 python把文件夹下面的图片旋转
深度学习的数据增强,数据预处理把一个文件夹下面的图片进行旋转等操作,按照自己的需求来python对图片进行水平、垂直、按某一角度翻转(旋转)单独处理一张图片import sysimport cv2import osfrom PIL import Imagefrom PIL import ImageDrawos.getcwd()im_path = os.path.join(os.getcwd(), '000057.jpg')print(im_path)img1 = Image.
2020-11-24 15:21:25 951
原创 python遍历指定文件夹下面的文件名字
在我们做深度学习的数据处理的时候,需要用到数据集的 train.txt ,也就是遍历指定路径文件夹下面的图片路径和图片名字,然后生成一个 train.txt ,下面是python的一种遍历方法。import osimport numpy as npdef create_txt(name, path, file_image): txt_path = path + name + '.txt' txt = open(txt_path, 'w') for i in (file_imag
2020-11-23 16:45:45 1054
原创 qiuzitao深度学习之PyTorch实战(十七)
史上最简单、实际、通俗易懂的PyTorch实战系列教程!(新手友好、小白请进、建议收藏)BERT模型介绍一、什么是BERT?BERT:全称是Bidirectional Encoder Representation from Transformers,即双向Transformer的Encoder,BERT的模型架构基于多层双向转换解码,因为decoder是不能获要预测的信息的,模型的主要创新点都在pre-traing方法上,即用了Masked LM和Next Sentence Prediction两种方
2020-11-18 15:36:10 471
转载 让PyTorch模型训练变得飞快的方法
一个step by step的指南,非常的实用。我们在现实上来说,我们的模型可能还停留在石器时代。我敢打赌你仍然使用32位精度或GASP甚至只在一个GPU上训练。我明白,网上都是各种神经网络加速指南,但是一个检查清单都没有(现在有了),使用这个清单,一步一步确保你能按下干你模型的所有性能。我会给你展示示范 Pytorch 代码以及可以在 Pytorch-lightning Trainer 中使用的相关标志,这样你可以不用自己编写这些代码!这本指南是为谁准备的?任何使用Pytorch进行深度学.
2020-11-17 10:11:24 1058
原创 python批量检查两个对应的txt文件的行数是否一致
在做深度学习的目标检测中,我们在测试好数据集后,可以用批量检查两个数据文件下面的标签文件,看看他们的行数是否一致,这样可以判断是否有漏检的情况,就不用一张张图片去看了。对比两个标签文件的行数,可以发现有没有漏检。(对比的是打标的和训练后的标签)代码如下:#coding=utf-8import os, globimport numpy as nppath1 = 'temp//1//'path2 = 'temp//2//'file_one_list = glob.glob(path1 +
2020-10-29 17:51:58 541
原创 qiuzitao深度学习之PyTorch实战(十五)
史上最简单、实际、通俗易懂的PyTorch实战系列教程!(新手友好、小白请进、建议收藏)OCR(基础理论+代码实践)一、OCR是什么OCR翻译过来就是:光学字符识别(Optical Character Recognition, OCR)。是指对文本资料的图像文件进行分析识别处理,获取文字及版面信息的过程。亦即将图像中的文字进行识别,并以文本的形式返回。二、OCR流程是什么第一步,检测到文字所在位置(CTPN),第二步识别文本区域内容(CRNN),同时这两个也是它的常用算法。三、CTPN算法
2020-10-29 17:41:42 747
原创 qiuzitao深度学习之PyTorch实战(十四)
史上最简单、实际、通俗易懂的PyTorch实战系列教程!(新手友好、小白请进、建议收藏)CycleGan网络你可能听过AI换脸,明星换脸,那你知道它是怎么合成的么?CycleGan网络带你见见世面。一、CycleGan网络所需数据我们CycleGan网络不需要两个一一配对的数据,照样可以进行训练和预测。不需要知道一样形态的斑马和马,也可以把马造出斑马。配对的意思就是如下图的Paired下面的白色鞋子和有颜色的鞋子,他们除了颜色不同,其他的特征是一样的配对的。只需要有trainA和trainB就
2020-10-24 11:07:34 924
转载 2021年校招算法岗“爆炸”,如何选择一个方向?
人工智能是未来?做算法还是开发?本科生?研究生?甚至博士?开发需求多,算法少,每一次算法都是神仙打架,内卷?请看B乎高赞回答:----知乎高赞回答选取----Ted Li 的回答链接:https://www.zhihu.com/question/342267611/answer/805334722怎么看待?就是学生投机起来真的非常的疯狂。从我一年多的面试经历来看,很多应届的小朋友可能看到算法岗位吃香,都纷纷从非CS科班转过来做算法,而且非算法不找。他们可能上个培训班,去kaggle或者git
2020-10-22 17:44:52 2813 1
原创 qiuzitao深度学习之PyTorch实战(十三)
史上最简单、实际、通俗易懂的PyTorch实战系列教程!(新手友好、小白请进、建议收藏)GAN对抗生成网络一、GAN对抗生成网络通俗介绍通俗来说,对抗生成网络就是你给计算机一些地球人的人脸数据去训练,然后它就可以生成一些新的地球人的人脸图片。它也可以对图像进行超分辨率重构,把模糊的图片变清晰,你只需要给它模糊图片的数据和清晰图片的数据,在它遇到新的需要处理的模糊的图片时,它就可以生成清晰的图片。何为对抗?如下图。例如真伪钞票,贼人要造接近真钞的伪钞,我们把它比作生成器;警察要帮助银行辨别这些
2020-10-10 14:27:04 639 6
原创 qiuzitao深度学习之PyTorch实战(十二)
史上最简单、实际、通俗易懂的PyTorch实战系列教程!(新手友好、小白请进、建议收藏)开源项目实战–新闻数据集文本分类数据集及项目代码:百度云盘链接:https://pan.baidu.com/s/1HLqphUobh5qJTYsM4xHcrw提取码:1wic一、项目配置参数设置这里我用的是pycharm去跑的,要做参数设置,指定参数模型设置好之后才能运行run.py。pycharm导航栏的‘运行’–右键‘Run’–弹出来那里的run后点击它右边的小箭头然后再点击‘Edit’进入设置。在
2020-09-30 17:23:41 668 7
原创 深度学习图片数据标签切割转换
深度学习图片数据标签切割转换,相对坐标我们图片分类的标签可能有多个类,一张图片中有大目标和小目标,我们要切割出大目标,然后小目标的坐标也变成相对于大目标的坐标。因为我们为了方便,一次性打标了,一次性的标注了图片中的大目标和小目标,所以小目标的标注坐标是相对于整张图片的,但现在我们要做两次检测,所以切出来的大目标中含有的小目标我们需要做个坐标转换,把小目标的坐标转换成相对于大目标的。代码如下:import glob, math, osimport numpy as npimport cv2fro
2020-09-30 16:39:57 745
原创 qiuzitao深度学习之PyTorch实战(十一)
史上最简单、实际、通俗易懂的PyTorch实战系列教程!(新手友好、小白请进、建议收藏)自然语言处理(NLP)一、递归神经网络(RNN)递归神经网络只是在传统的神经网络上进行一个改进,就是可以处理时间序列了。下图右边的架构,隐藏层有一个回路,这个回路可以保存得到隐藏层得到的特征参与下一次的运算。比如下图,x0,x1,x2,…,xt 表示多个时间序列,不同的时刻。假如 x0 表示今天上午的股票价格,x1 是今天中午的股票价格,x2 是今天晚上的股票价格等等等。那么 h0,h1,h2,…,ht代表的就
2020-09-27 18:13:16 552
原创 qiuzitao深度学习之PyTorch实战(十)
史上最简单、实际、通俗易懂的PyTorch实战系列教程!(新手友好、小白请进、建议收藏)基于经典网络架构训练图像分类模型(102类花的数据集)模块的官方网址:https://pytorch.org/docs/stable/torchvision/index.html站在巨人的肩膀上学习,调用人家写好的厉害的东西点进去torchvision.models模块后可以看到各种经典网络,再点进去可以看到例子教你怎么调用:一、导入需要用到的库import osimport matplotli
2020-09-17 17:20:54 2413 2
原创 qiuzitao深度学习之PyTorch实战(九)
史上最简单、实际、通俗易懂的PyTorch实战系列教程!(新手友好、小白请进、建议收藏)构建简单的卷积神经网络实战 --以MNIST数据集为例卷积网络中的输入和层与传统神经网络有些区别,需重新设计,训练模块基本一致一、导入需要用到的库import torchimport torch.nn as nnimport torch.optim as optimimport torch.nn.functional as Ffrom torchvision import datasets,transfo
2020-09-17 15:07:36 701
原创 用Python批量替换更改掉txt文本的内容
在我们做深度学习时,对于数据集打标后可能标签的label的id需要更改,这时如果再一个一个去改或者用labelimg去改就很麻烦了,所以下面提出一种方法即用python解决。修改前:import os, globif __name__ == '__main__': txt_list = glob.glob("E:/bzl_online_dataset/2020-07-20/imgs/*.txt") for txt_item in txt_list: with ope
2020-09-11 16:52:24 6694
原创 用树莓派3B+和Python+OpenCV实现人脸识别
(简单易学,新手友好,小白请进,建议收藏)使用的硬件设备:树莓派3B+,摄像头,电脑显示器,鼠标,键盘使用的软件设施:Python3,OpenCV3.4.3续上一篇博客:https://blog.csdn.net/qiuzitao/article/details/108527366上一篇讲的是人脸检测,也是人脸识别的基础,接下来这篇我们讲人脸识别一、人脸数据采集我们这个项目的第一步是创建一个简单的数据集,该数据集将储存每张人脸的 ID 和一组用于人脸检测的灰度图。在树莓派终端为我们的项目创
2020-09-11 16:44:47 2206 2
原创 用树莓派3B+和Python+OpenCV实现实时的人脸检测
(简单易学,新手友好,小白请进,建议收藏)使用的硬件设备:树莓派3B+,摄像头,电脑显示器,鼠标,键盘使用的软件设施:Python3,OpenCV3.4.3参考的文章:https://shumeipai.nxez.com/2018/03/09/(图源)一、完成配置好树莓派3B+的各种依赖环境和OpenCV包这一步可以参考我的这篇博客:https://blog.csdn.net/qiuzitao/article/details/96478070这样配置完连接上电脑显示屏,鼠标,键盘之后我们的树莓
2020-09-11 10:51:32 2320
原创 Tensorflow,Keras,Pytorch框架的下载/离线版本/离线安装
很多时候我们在终端直接pip下载或者coda下载的时候会出现报错,各种疑难杂症,所以下面我提供大家离线安装的版本,这个方法相对于在线下载友好多了。一、找到你要的版本1、CPU版可以直接安装,GPU得查看你电脑的cuda版本(安装gpu版,需要安装cuda和cudnn)。按 win+r 运行cmd,输入nvidia-smi可以看到版本号,还有内存占用等信息。看看你电脑是否支持GPU运算,再选择你要的版本。Tensorflow:CPU:https://mirrors.tuna.tsinghua.e
2020-09-09 15:45:35 1184 1
原创 深度学习中几个经典网络架构的简单介绍
一、AlexnetAlexnet是2012年 ImageNet 竞赛的冠军网络,论文是《ImageNet Classification with Deep Convolutional Neural Networks》,作者是多伦多大学的Alex Krizhevsky等人。AlexNet有60 million个参数和65000个 神经元,五层卷积,三层全连接网络,最终的输出层是1000通道的softmax。上面的图是整个网络的架构,论文中提到这两部分网络是分别对应两个GPU,只有到了特定的网络层后才需
2020-09-04 11:52:35 2123
原创 qiuzitao深度学习之PyTorch实战(八)
史上最简单、实际、通俗易懂的PyTorch实战系列教程!(新手友好、小白请进)一、卷积神经网络应用领域看过斯坦福大学的cs231n课的同学都知道,计算机视觉被深度学习救活了,现在这个领域深度来做比传统的效果好,或者传统+深度来做。上面的图是ImageNet竞赛的TOP5的错误率,从2012年开始,深度在CV领域就开始大展拳脚,错误率每一年都在下降,2016年之后人工智能的视觉都超过人类了,所以在之后ImageNet竞赛就没有再举办,变成数据科学竞赛kaggle了。卷积神经网络(CNN)一般用在:
2020-09-03 17:19:33 1308
转载 深入理解Pycharm的Debug调试
(程序员必学必会,新手友好、小白请进)Debug调试,是一项学习编程人员的重要技能。只有当你学会 debug 了以后,才可以正确的知道程序的走向流程是如何的,今天就来给大家介绍一下 pycharm 中的 debug 功能!一、Debug名字由来1937年,美国青年霍华德·艾肯找到IBM公司为其投资200万美元研制计算机,第一台成品艾肯把它取名为:马克1号(mark1),又叫“自动序列受控计算机”,从这时起IBM公司由生产制表机,肉铺磅秤,咖啡研磨机等乱七八糟玩意儿行业,正式跨进“计算机”领地。为马
2020-09-02 15:37:20 1556
原创 打标工具labelme或者labelimg遇到图片闪退的完美解决方案
在对数据集进行数据标注的时候,采用labelimg或者labelme标注标签的时候,我们有时候会遇到闪退或者卡住的的情况。在通过我的分析之后,我找到了问题所在并且解决问题。1、labelimg刚刚开始可以打标签,打到一半或者后面就卡住闪退,遇到这样的问题就是你的类别对不上。labelimg里面定义的类别 predefined_classes.txt 里面的类别要和你要打标的数据集里面的类别一样。2、如果在两边的类别一样情况下还是出问题,那么可能你的标签出现了问题导致读取出错闪退,你可以打开你打标的
2020-08-31 18:18:57 18797 6
原创 labelme自动点击打标工具、辅助打标签工具
最近由于项目需要对很多数据集进行打标,打标签后做语义分割。因为有很多点,点鼠标点到怀疑人生,鼠标手和手指也很难受,所以想到了之前写游戏外挂脚本用的按键精灵,我用它编写了个辅助我点的脚本,我就描绘出图像的轮廓就好了,实际上按键精灵还可以做更多一劳永逸的辅助脚本,但由于时间的原因我就简单写了一个,现在顺便把它分享出来给大家福利。 labelme辅助打标工具,每 0.8s 自动帮你点击,你只需要用鼠标描绘轮廓和按d到下一张就好了,省去了我们用鼠标点到手累手残。按 F10 开始,按 F12 结束,可能36
2020-08-26 16:25:52 3137 18
原创 qiuzitao深度学习之PyTorch实战(七)
史上最简单、实际、通俗易懂的PyTorch实战系列教程!(新手友好、小白请进)神经网络分类任务 – MNIST手写体数字识别MNIST数据集:链接:https://pan.baidu.com/s/1gZGAQa6MS1oSptwYMuVZIw 提取码:owti一、导入数据%matplotlib inline...
2020-08-26 09:30:27 813
原创 pip install xxx很慢、出错、报红、报错的完美解决方法
无论是 Anaconda 还是在终端的 pip 安装环境库或者各种包,大家都会遇到各种各样的报红报错。Traceback (most recent call last):File “E:\anaconda3\Anaconda3\anaconda\envs\labelme\lib\site-packages\pip_vendor\urllib3\response.py”, line 437, in _error_catcher yieldpip._vendor.urllib3.exceptions.R
2020-08-25 17:12:26 5612 3
原创 qiuzitao深度学习之PyTorch实战(六)
史上最简单、实际、通俗易懂的PyTorch实战系列教程!(新手友好、小白请进)手把手教你搭建PyTorch神经网络进行气温预测数据集:链接:https://pan.baidu.com/s/1BFGTUu19-TsUqxrJb9qqxA 提取码:seua1、导入需要用到的库import numpy as npimport pandas as pd import matplotlib.pyplot as pltimport torchimport torch.optim as opt
2020-08-24 16:32:34 1478 2
原创 qiuzitao深度学习之PyTorch实战(五)
史上最简单、实际、通俗易懂的PyTorch实战系列教程!(新手友好、小白请进)一、PyTorch强大的 hub 模块类似于Model Zoo(模型动物园) :把大神论文的网络模型和预训练好的模型直接调用,且只需傻瓜式的输入一行代码。Model Zoo 是麻省理工 (MIT) 和新加坡的联合项目,名字叫SMURF中的许靖宇搭建的。Model Zoo 网站:https://modelzoo.co/类似的模型库还有:TensorFlow Hub、TensorFlow Models、Models – IB
2020-08-24 10:41:50 521
labelme辅助打标工具.exe
2020-08-26
交通灯控制设计.ms14
2019-09-28
4路抢答器.docx
2019-09-28
四路抢答器(1).ms14
2019-09-28
信号课件.rar
2019-09-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人