- 博客(60)
- 收藏
- 关注
RSS订阅原创 git使用
git push -u origin yundao2.7.4-y 推送缓存区代码至远程新建的yundao2.7.4-y。git branch -m master XXX （本地默认为master，需要设置为远程分支相同名称）在本地的项目，原来没有git环境，在终端输入git init。git remote add origin 仓库地址。
2024-02-19 18:04:09
493
原创 大模型工作笔记
TruLens是面向神经网络应用的质量评估工具，它可以帮助你使用反馈函数来客观地评估你的基于LLM（语言模型）的应用的质量和效果。反馈函数可以帮助你以编程的方式评估输入、输出和中间结果的质量，从而加快和扩大实验评估的范围。你可以将它用于各种各样的用例，包括问答、检索增强生成和基于代理的应用。RAG的输出的准确率=向量信息保留率 * 语义搜索准确率 * LLM准确率。
2024-01-25 18:11:57
459
原创 2024的目标大方向
3.嵌入式部署，开发优化部署，算子开发，pytorch架构开发， tensorrt开发。1.c/c++/python 熟练掌握。2.AI编译器 NPU/GPU。
2024-01-02 18:01:39
311
原创 部署yoloV8
然后到板子上，使用acuity-toolkit-binary-6.9.1。原因是因为pt文件里面不包含网络结构，只有参数权重。如果正常pt转成onnx的话，应该是这样的流程。这样修改，添加完整pegasus的路径。根据yolov8官网来做是这样。
2024-01-02 17:53:30
360
原创 嵌入式面试准备
继承也支持多层次的继承，形成类的层次结构，提供了代码的组织和管理。volatile修饰符告诉complier变量值可以以任何不被程序明确指明的方式改变，最常见的例子就是外部端口的值，它的变化可以不用程序内的任何赋值语句就有可能改变的，这种变量就可以用volatile来修饰，complier不会优化掉它。const修饰的变量在程序里面是不能改变的，但是可以被程序外的东西修改，就象上面说的外部端口的值，如果仅仅使用const，有可能complier会优化掉这些变量，加上volatile就万无一失了。
2023-12-24 20:58:34
947
原创 在ubuntu安装vncserver，可以打开远程桌面
https://www.python100.com/html/110447.html，又安装了几个包。然后觉得是xmanager的问题，又下载了vncviewer，还是上图同样的情况。ssh -L 5903:localhost:5903 yx@ip地址 -p 22。可以在xmanager打开一个界面，但是界面分辨率感觉不对。之后测试，输入sudo vncserver。我直接运行vncserver，没有成功！还解决一个问题，java版本需要对应上。下面这个是xmanager打开的。然后会出现一样的问题。
2023-09-14 15:17:18
262
原创 PDF转成PNG，之后PNG转成PDF
需要安装python的img2pdf和pdf2img的包，还需要安装https://github.com/oschwartz10612/poppler-windows/releases/，并且解压之后把路径+lib/bin添加到环境变量。
2023-07-14 17:02:05
666
原创 跑通detr时，遇到ModuleNotFoundError: No module named ‘pycocotools‘
之前已经在windows上和ubuntu上安装detr的环境，能够训练和推理。今天重新安装环境时，又遇到了之前遇到的问题，所以记录一下。看上去是没有c++的环境，然后我安装了visual studio。但是我在win11上执行这个命令，报错。
2023-04-12 15:55:37
198
6
原创 动手学深度学习V2的笔记小记
在训练神经网络时，我们通常使用优化算法来调整模型中的权重参数，以使其最小化损失函数。然而，为了防止过拟合，我们需要对这些权重进行约束，以使它们不会变得过大。在训练过程中，权重衰减可以帮助我们避免过拟合，提高模型的泛化能力。同时，它也可以作为一种正则化技术，有助于改善模型的鲁棒性和可解释性。范数（即每个权重值的平方和）添加到损失函数中，并乘以一个称为权重衰减系数的超参数 λ，从而使得较大的权重值被约束到更小的范围内。权重衰退通过在损失函数中增加一个正则化项来实现这一点，该正则化项惩罚过大的权重。
2023-04-10 14:54:46
350
原创 深度学习的面试小记
比如我们在一座大山上的某处位置，由于我们不知道怎么下山，于是决定走一步算一步，也就是在每走到一个位置的时候，求解当前位置的梯度，沿着梯度的负方向，也就是当前最陡峭的位置向下走一步，然后继续求解当前位置梯度，向这一步所在位置沿着最陡峭最易下山的位置走一步。warmup采用以较低学习率逐渐增大至较高学习率的方式实现网络训练的“热身”阶段，随着训练的进行学习率慢慢变大，到一定程度后就可以设置的预设的学习率进行训练了，随着模型的拟合，需要的学习率也会越来越小，这时也会需要将学习率调小。开运算是先腐蚀后膨胀。
2023-03-29 20:17:42
490
原创 DETR: End-to-End Object Detection with Transformers
DETR 将目标检测任务视为一个图像到集合（image-to-set）的问题，即给定一张图像，模型的预测结果是一个包含了所有目标的无序集合。
2023-03-21 16:11:49
225
原创 Detr的数据流，详细的维度信息
算法DETR：数据的流程数据的流动这里是transformer encoder的地方，包含之前的transformer dcoder，以及loss的计算，预测的输出transformer decoder的详解计算loss部分详解自定义数据结果
2022-06-07 18:23:19
365
2
原创 修改coco标注的json文件
# -*- coding:utf-8 -*-import jsondef process_json(input_json_file, output_json_file): file_in = open(input_json_file, "r") file_out = open(output_json_file, "w") # load数据到变量json_data f = json.load(file_in) for i in range(len(f['a
2022-05-26 14:08:15
426
原创 ubuntu安装adelaidet
conda create -n adela python=3.7source activate adela安装pytorch1.8.0conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2 -c pytorchconda install cudnn#我是pytorch1.8.0 cuda10.2#参考https://github.com/facebookresearch/detectron2/blob/main/IN.
2022-03-29 13:18:35
2777
原创 linux scp命令行不需要每次输入密码的方法
作用：在两台服务器互传输文件，不需要输入密码命令在服务器A输入scp -r [email protected]:/home/image/* ./solo/data/new_way/train2017/接下里会输入密码，如果不要输入密码，那我们接下来做什么呢A:cd cd ./ssh#如果出现 -bash: cd: .ssh: No such file or directory#则输入ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa#然后就有./ssh了scp
2022-02-22 16:02:24
2573
3
原创 Win11搭建AdelaiDet 跑通solov2，centermask2，CondInst
1.下载源代码git clone [email protected]:aim-uofa/AdelaiDet.git2.安装环境python3.9torchpip install torch1.8.0+cu111 torchvision0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.htmldetectron2python -m pip install 'git+https:
2022-02-17 17:42:17
1046
2
原创 python求出mask的bbox坐标，mask的轮廓部分，凸包
# cols_status = np.any(image_np, axis=0)# x_index = np.where(cols_status)[0]## rows_status = np.any(image_np, axis=1)# y_index = np.where(rows_status)[0]# print(x_index[0], x_index[-1], y_index[0], y_index[-1])## top_left = (x_index[0], y_index[0])
2021-11-18 15:59:53
1813
2
原创 脑胶质瘤的测试代码
import pandas as pdimport timeimport osfrom collections import Counterimport numpy as npimport cv2import SimpleITKfrom tqdm import tqdmdef getFiles(path): Filelist = [] for home, dirs, files in os.walk(path): for file in files:
2021-11-10 14:21:01
252
原创 脑胶质瘤的数据处理代码
import pandas as pdimport timeimport osfrom collections import Counterimport numpy as npimport cv2import SimpleITKfrom tqdm import tqdmimport datetimeimport jsonimport osimport reimport fnmatchfrom PIL import Imageimport numpy as npfrom pyco
2021-11-10 14:19:32
211
原创 h5文件读写和pickle文件读写 基于python
h5 写import h5pyh5f = h5py.File(path + '/' + str(name) + str(num).split('.')[0] + '_ins.h5', 'w')h5f.create_dataset('dataset_1', data=image_name)h5f.create_dataset('dataset_2', data=np.array(mask_array))h5f.close()h5 读h5f = h5py.File('D:/work/search
2021-11-02 15:01:47
746
原创 图像分割，标注文件COCO的JSON文件合并
主体内容是基于这个作者的，我做了修改更适合自己。https://blog.csdn.net/weixin_44151034/article/details/119321450?spm=1001.2101.3001.6650.3&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-3.no_search_link&depth_1-utm_source=distribute.pc_r
2021-10-27 17:59:27
1166
原创 2021-最新分割算法比较
BlendMask和Mask RCNNCondInst和Mask RCNNSolov2 和 Mask RCNNBoxInst和Mask RCNNCenter Mask和Mask RCNN
2021-10-27 13:48:35
733
原创 图像数据不足的处理方法
图像分类任务中，训练数据不足带来的问题，主要是过拟合方面。处理方法分为两类，一是基于模型的方法，包括简化模型(将非线性模型简化为线性模型)，添加约束项以缩小假设空间（如L1 L2正则项），集成学习，dropout超参数等；二是基于数据的方法，1.一定程度内的随机旋转，平移，缩放，裁剪，填充，左右翻转等2.添加噪声，椒盐噪声，高斯白噪声3.颜色变换，在图像的rgb空间上进行主成分分析，得到3个主成分的特征向量和特征值，然后在rgb值上添加增量。4.改变亮度，清晰度，对比度，锐度...
2021-10-25 21:35:04
948
原创 图像分割：把img和mask合并在一起，查看分割效果
分割任务之后总是想检查下img和mask是否匹配，我们需要把两张图放在一起看，下面就是操作。img = Image.open(file)masked_image = np.array(img).copy()# 把img和mask合并colors = random_colors(10)color = colors[6]masked_image = apply_mask(masked_image, labels_arr, color)masked_image_save = Image.from
2021-10-25 17:28:27
3670
2
原创 造数据时，我想取出它的mask，图像有许多独立干扰噪点怎么办？
放大一部分像素点，如下图。一开始想的办法如下1.求连通面积，最大的那部分保留2. …后来也没有使用这种方法，我发现是我判断噪点的代码有点问题一开始是用np.whereimage = Image.open('1.png')image_np = np.array(image)#plt.imshow(image)#plt.show()image_np = np.where(np.array(image_np)==98, 0, 255)# 或者image_np = np.where(n.
2021-10-24 22:45:35
249
原创 特征归一化的方法
最常用的归一化方法有两种：1.线性函数归一化（min-max scaling）对原始数据进行线性变换，使结果映射到（0，1）之间。2.零均值归一化（z-score normalization）将原始数据映射到均值为0，方差为1的分布上。其中，μ、σ分别为原始数据集的均值和方法。...
2021-10-20 22:03:36
1034
原创 1.得到文件夹下的所有文件 2.得到路径下的子文件夹 3.创建文件夹
1.得到文件夹下的所有文件2.得到路径下的子文件夹3.创建文件夹def getFiles(path): Filelist = [] for home, dirs, files in os.walk(path): for file in files: # 文件名列表，包含完整路径 file_path = os.path.join(home, file).replace('\\', '/') Filel
2021-10-20 15:10:43
96
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