微信号：Custom-Software

原创 输出网络结构图，mmdetection

这个是输出方法里面的，不是原始方法。

原创 mmdetection测试保存到新的文件夹，无需标签

这个是用demo这个代码测试的，需要先训练一个pth文件夹，训练之后再调用pth文件夹进行测试。

原创 github desktop上传代码

2：在“github desktop”上把上面的“repositories”项目clone下来，比如：fire_data_2，clone的时候会有一个地址，这个地址是在桌面上。一般可以写：fire_data_2（不一定要与“repositories”相同的名字）下面会显示电脑桌面的clone地址。6：不要一次性提交所有的内容，如果内容很大，比如: 超过100G，一般会提交失败。3：把本地需要的文件放进来之后，就会把自己放进来的文件显示出来。记住：之前上传的不用删除，只会显示新放进来的文件夹。

原创 mmdetection的json格式的数据转换成execl当中

我用mmdetection训练完成之后，我们训练的结果在json文件当中，如下所示在20230105_221053.log.json当中，但是，当我们使用mmdetection画图时发现画的不是很好看。因此，我们需要把这些数据导出来。我这个代码使用chatgpt搞得，然后修改了一下，感觉挺好用的。

原创 mmdetection测试图片

保存的文件夹名字为：“show_dir”。

原创 mmdetection各种评价指标的曲线图

参考文献：https://zhuanlan.zhihu.com/p/486190295?2.输出“loss_cls”1.输出mAP曲线图。

原创 mmdetection输出混淆矩阵

【代码】mmdetection输出混淆矩阵。

原创 N: 忽略‘Ubuntu,’(于目录‘/etc/apt/sources.list.d/’)，鉴于它没有文件扩展名

【代码】N: 忽略‘Ubuntu,’(于目录‘/etc/apt/sources.list.d/’)，鉴于它没有文件扩展名。

原创 mmdetection更换backbone示例

因为，我为了区别是调用的“ResNet”还是自己的“ResNet1”，我把所有“backbone_new.py”文件中的“ResNet”改称了“ResNet1”，我是直接用的原来的“resnet.py”代码，然后自己重新新建了一个“backbone_new.py”文件，调用就可以。记得修改自己的网络结构代码。此处先说明一下，我更换的是“ResNet1”，之前用的是“ResNet”。.py”和“backbone_new.py”这两个文件，这个是需要修改的地方，记得只需要修改“貌似没其他的地方需要修改的了。

原创 VOC格式转COCO

我先说明一下，我的VOC格式是2007版本，代码来自mmdetection 2.26的"tools/dataset_converters/pascal_voc.py",因此直接复制粘贴下面的代码即可，不需要进行修改。

原创 将控制台的内容输出到txt文件

每次输入到txt文件时,都是只有最后一条或者刚刚开始的一条数据,不是全部的数据,因此很是烦恼。我找到了一个很好的代码,先说好:我直接复制粘贴的。下面是别人的内容,我直接截图了。

原创 mmdetection虚拟环境问题

不知道为啥，每次安装虚拟环境的时候有的时候比较灵有的时候就不灵了。很难受，但是有一种办法可以解决这问题。就是把正确的虚拟环境安装完成。公布一下自己可以用的环境版本。

原创 mmdetection测试阶段生成各种评价指标，pkl,mAP,APm，APs,APl等

其中，“CONFIG_FILE”代表当前使用的算法，“INPUT_SHAPE”代表输入图像的尺寸，我每次输入都报错，很难受。由于每次输入：[–shape ${INPUT_SHAPE}]，都报错，所以我没有输入，在py文件里面改默认值作为输入。其中，“–shape 1000 608”代表输入图片的大小，“3，1000，608”代表3通道。参考网站：https://zhuanlan.zhihu.com/p/607576946。为例，–out是只生成的权重文件地址，result是生成的pkl文件名；

原创 把文件名与XML的filename

只需要更改"path"即可!所有的XML文件都在Annotations文件夹下面

原创 数据集转COCO格式

这个主要是各种数据集转换成COCO格式我觉得写的很好，因此进行转载一下，仅供学习用，谢谢网址：https://gitcode.net/mirrors/spytensor/prepare_detection_dataset?utm_source=csdn_github_accelerator

原创 duda+显卡驱动+pytorch版本对应

经常因为这个问题搞得很难受，因此，我把自己可以正常运行的记录下来，做个对照，实在跑步起来，就可以用这个版本首先，我们的cuda是10.1之后，显卡驱动，我们的驱动是：470.86最后，pytorch版本，我们的版本是：1.9.0+cu111（很奇怪为啥不是cu101呢？但是可以运行）我们的python版本是：3.9.12反正按照上面的方式运行肯定是没有问题的，

原创 两台ubuntu之间文件互传方法

1.查找本机ip地址,终端输入（不是自己的电脑，是服务其的IP）：查看inet 192打头的地址2.查找本机用户名，终端输入（不是自己的电脑，是服务其的IP）：3.在另一个装有ubuntu的电脑上终端输入(自己的电脑)sftp 用户名@ip地址即可进入另一个电脑进行文件传输传出文件，在终端输入：可以pwd查看路径获取文件，终端输入：

转载 目标检测算法的大体框架-------backbone、head、neck

一般翻译成“瓶颈”或是“脖子”，这个翻译总感觉有些问题，此结构主要是将backbone上的多个层级的特征图进行融合加工，增强网络的表达能力，同时，neck决定了head的数量，决定了不同尺度的样本如何分配到不同的head；骨干网络也称为主干网络，主要用于特征提取，提取不同尺度、不同感受野下、不同类别的目标特征，以满足目标检测；SPP、ASPP、RFB、FPN、NAS-FPN、Fully-connected FPN、BiFPN等；检测头，主要用于预测目标的种类和位置(bounding boxes)；

原创 批量将RGBA图片转换成RGB格式

首先，下面的代码图片必须是从0开始到21结束，比如：0.jpg等,可以看我的上一篇博客，怎么把图片的文件名从0开始进行命名。之后，就是复制粘贴就可以。转换后保存的文件夹为：work_path_new。

原创 对文件夹下文件重新命名

其中，下面的代码是以0开始，如果需要以001开始，把zfill(1) 改成 zfill(3)就可以。下面的代码直接复制粘贴即可，

原创 将json文件转换成png文件，文件名不能有空格，点等

label_dir 是转换之后的文件夹。json_dir 是原始的文件夹。

原创 复制文件夹内指定的文件名或者内容到指定文件---比如：json

下面是将文件夹下的json文件从0这个文件夹下复制到另一个0——json文件目录下，下面有好几个json是可以改的，代码当中。

原创 图片批量jpg和png之间互相转换

之后，将文件夹txt后缀改成 .bat，记得将改完之后的 .bat文件与需要转换的图片在一个目录下。意思是将jpg转换成png，其他的步骤跟上面一样。直接运行 .bat文件即可。下面是png转换成jpg。

原创 Mask生成自己的txt文件----train和val两个

当你的标签数据集没有txt文件的时候，记得使用下面的的代码生成两个文件txt文件夹，分别为train.txt和val.txt文件。如果你在data_root/split_dir/下成功找到了train.txt和val.txt文件，就没有问题了。split_dir则是在data_root下生成splittxt文件保存的文件夹目录，其他的就不需要怎么改了。data_root目录是指Mask目录，不是原始的图片文件，是标签文件。data_root写自己的工作目录名称，ann_dir写标签图片所在的目录，...

原创 mmsegmentation环境问题--重新安装

如果在分割任务当中运到环境问题，实在不太好整的话。最好的办法就是把环境重新搞一遍，这样才可以避免很多矛盾在里面。搭建环境地址为：https://mmsegmentation.readthedocs.io/zh_CN/latest/get_started.html#id2其中，训练记得在当前环境下回退一个，比如：在下面运行完成之后，会进入到 cd mmsegmentation 这个目录下，因此，跑代码需要回到 根目录下的文件夹下。...

转载 voc2007和voc2012数据集下载和解压方法--ubuntu

https://blog.csdn.net/weixin_42148914/article/details/121932433

原创 卸载nvidia本身自带的显卡和安装nvidia显卡驱动

安装显卡驱动的过程中报错：界面为：参考博客：https://blog.csdn.net/wohu1104/article/details/107032493之后记得“重启”，如果不重启，好像不行之后，运行，效果为：之后显示之后，好像也会报错，但三记得一直按回车就行！...

原创 windows和ubuntu文件互传

下面的这个可能需要，也可能不需要。上面的不好使用，就把下面的也安装了，然后记得两个网络必须在一个局域网里面

转载 火灾烟雾检测数据集

火灾烟雾检测数据集（）https://cvpr.kmu.ac.kr/https://collections.durham.ac.uk/files/r2d217qp536#.X5F5G2gzZnKhttp://smoke.ustc.edu.cn/datasets.htmhttp://wildfire.fesb.hr/index.php?option=com_content&view=article&id=59&Itemid=55https://mivia.unisa.it/datasets-request/h

原创 语义分割多张图片进行标注

一张图片上有多个目标进行标注，每个类比的标注颜色不相同，相同类别的颜色相同，同时相同类别的保存名也相同

原创 语义分割标记单张图片

下面是安装labelme软件标记需要一个一个按照四周进行标记X表示文件夹名字标记完之后，输出一个x文件夹，文件夹内容如下图所示：参考文献：https://www.bilibili.com/video/BV1k3411L7nL/?spm_id_from=333.788...

转载 查看 CUDA 版本 正确方法（亲测有效）

https://blog.csdn.net/baidu_30506559/article/details/121908428

原创 densenet把全连接层变成卷积层代码

view(features.size(0), -1)：将前面多维度的tensor展平成一维1. self.classifier = nn.Linear(num_features, num_classes)变成 self.classifier = nn.Conv2d(num_features, num_classes, kernel_size=1)out = F.avg_pool2d(out, kernel_size=7, stride=1).view(features.size(0),

原创 python的__init__和__del__方法

原创 Cifar10数据集转换成jpg格式

首先，在官网下载数据集，其中下载完成之后的页面截图为：之后新建一个文件夹，问价夹的名字随意。本文新建文件夹的文字为：chagedataset.pychagedataset.py文件夹的内容为：import numpy as npimport osimport cv2# 官方给出的python3解压数据文件函数，返回数据字典def unpickle(file): import pickle with open(file, 'rb') as fo: dict

转载 PyTorch 普通卷积和空洞卷积

import numpy as npfrom torchvision.transforms import Compose, ToTensorfrom torch import nnimport torch.nn.init as initdef transform(): return Compose([ ToTensor(), # Normalize((12,12,12),std = (1,1,1)), ])arr = range(1,26)arr

原创 pytorch可视化输出模型计算力和参数量，设备损耗，运行时间等信息

输出下面的表格形式的，将自己的模型都输出出来。from torchstat import statfrom torchvision.models import resnet50model = resnet50()stat(model, (3, 224, 224)) # (3,224,224)表示输入图片的尺寸记得：pip install torchstat不过好像会报下面的错误：所以，只需要在最下面的错，点进去了。将detach()后面变为detach().cpu,bu，不过还是会报

原创 pytorch调用不同的分类模型

其实pytorch内部已经嵌入了需要的分类模型，包括：resnet、densenet、AlexNet、vgg、SqueezeNet、SqueezeNet、googlenet等等只需要自己直接调用即可调用方法：import torchvisionmodel = torchvision.models.resnet50(pretrained=True)不需要预训练模型的参数来初始化model = torchvision.models.resnet50(pretrained=False)pretra

原创 pytorch自己搭建深度学习图像分类模型

首先导入一些必须使用的包，这些包导入的包都是后续操作用的，包括pytorch对数据集加载等一些操作；看你自己需要使用什么功能，就导入什么样子的包，不过大致需要导入的包是相同的import torchfrom torch import nnfrom net import MyAlexNetimport numpy as npfrom torch.optim import lr_schedulerimport osfrom torchvision import transformsfrom .

原创 对图片数据集进行划分代码

以下代码来源：https://www.bilibili.com/video/BV18L4y167jr?p=3&spm_id_from=pageDriver这个博主，首先感谢他制作的视频教程，个人觉得写的还不错其源代码为：import osfrom shutil import copyimport randomdef mkfile(file): if not os.path.exists(file): os.makedirs(file)# 获取data文件