- 博客(173)
- 收藏
- 关注
RSS订阅原创 yolov5量化
yolov3-tiny（yolov3）训练自己的数据集（一）：DarkNet + Ubuntu16.04 + GPU + OpenCV3.4.0 配置篇_y459541195的博客-CSDN博客接着安装一些依赖库第二个出问题了解决方法：Ubuntu18.04下安装OpenCv依赖包libjasper-dev无法安装的问题_SDUHXP的博客-CSDN博客到install出问题了，install文件夹下是空的ncnn之二：Linux环境下ncnn安装...
2021-11-16 14:43:58
5949
4
原创 Linux环境下ncnn安装+protobuf+opencv
做模型量化用到ncnn工具，下载编译万ncnn后，发现没有onnx2ncnn工具。opencv和protobuf必须安装否则在编译ncnn的时候，由于检测不到protobuf和opencv，onnx2ncnn工具不会被编译。所以就去安装protobuf+opencv还是有错，需要安装cmake接着报错，因为没有安装g++工具。最后全部卸载从头安装了一遍参考链接：ncnn之二：Linux环境下ncnn安装+protobuf+opencv_mingo_敏-CSDN博客1 安装g++$
2021-11-16 14:11:43
3822
原创 ubuntu18.04 RTX3080TI安装驱动、CUDA,及pytorch
一、安装nvidia链接：官方 GeForce 驱动程序 | NVIDIA选择系统对应的我下载的是460.91版本，下载位置cd 下载sudo ./NVIDIA-Linux-x86_64-460.91.03.run -no-x-check -no-nouveau-check -no-opengl-files重启系统，查看安装nvidia-smi二、安装cuda上图安装完驱动后显示cuda版本为11.2安装cuda为11.2的版本（按照步骤装的..
2021-11-09 13:40:35
3293
原创 YOLOv5-Lite 训练过程
1.代码：https://github.com/ppogg/YOLOv5-Lite2.模型：点v5-Lite.pt下载3.使用coco128数据集进行训练因为coco2017太大，先用比较小的coco128数据集进行训练看看下载完之后与代码文件夹放在同一个目录下环境：source activate yolov5lite1测试：python detect.py --source data/images/ --weights weight/v5lite-s.pt训练.
2021-11-04 14:46:50
2156
1
原创 coco2017数据准备
1.下载数据集coco2017：官网下载比较慢 参考网址：各类图像数据集下载地址 - DataSet Download 需要下载： 2017 Train images [118K/18GB]:http://images.cocodataset.org/zips/train2017.zip2017 Val images [5K/1GB]:http://images.cocodataset.org/zips/val2017.zip2017 Test images [41...
2021-11-04 14:26:11
869
原创 基于yolov5的模型量化(YOLOv5-Lite 测试)
YOLOv5-Lite 测试过程1.代码：https://github.com/ppogg/YOLOv5-Lite2.数据集coco2017（测试不需要）：官网下载比较慢 参考网址：各类图像数据集下载地址 - DataSet Download 需要下载： 2017 Train images [118K/18GB]:http://images.cocodataset.org/zips/train2017.zip2017 Val images [5K/1GB]:http...
2021-11-03 11:18:56
3269
4
原创 在ubuntu跑YoloV5代码
第一次使用ubuntu服务器，之前没有人这台服务器，要跑代码需要先安装Anaconda. 下载网址：Installing on Linux — Anaconda documentation
2021-09-16 21:12:00
1665
1
原创 2_训练分类器
必须处理图像，文本，音频或视频数据时，可以使用将数据加载到 NumPy 数组中的标准 Python 包。 然后，可以将该数组转换为torch.*Tensor。专门针对视觉，创建了一个名为torchvision的包，其中包含用于常见数据集（例如 Imagenet，CIFAR10，MNIST 等）的数据加载器，以及用于图像（即torchvision.datasets和torch.utils.data.DataLoader）的数据转换器。以下使用 CIFAR10 数据集。 它具有以下类别：“飞机”，“汽车
2021-07-28 23:20:44
969
原创 Parser-Free Virtual Try-on via Distilling Appearance Flows代码解析
从PF-AFN_test开始看1.test.shpython test.py --name demo --resize_or_crop None --batchSize 1 --gpu_ids 0参数：name,resize_or_crop,gpu_ids定义
2021-07-28 00:00:05
943
1
原创 1_神经网络
对于图片数据，一般输入的数据格式为 （样本数batch size，通道数，图片长，图片宽）class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)#输入通道，输出通道，卷积核大小，步长,补0操作class Net(nn.Module): def __init__(self): supe.
2021-07-25 10:26:22
551
2
原创 在github上上传项目-不用命令行
1.下载GitHub Desktop,https://desktop.github.com/2.下载过程中，会弹出一个框，要求填写名字和邮箱。3.下载完成打开界面如下点Creat a New...创建一个新的仓库创建xueshenggrade仓库完成后点xueshenggrade的倒三角把要上传的文件复制这个下面填了Summary随意填，点Commit最后点没有出错即成功。打开自己的gi...
2021-07-14 21:00:21
319
转载 深度学习中的Epoch，Batchsize，Iterations
Epoch: 一个epoch指代所有的数据送入网络中完成一次前项计算及反向传播的过程。由于一个epoch太大我们会将它分成几个较小的batches。为什么需要多个epoch？是因为在训练的时候，将所有数据迭代训练一次是不够的，需要反复多次才能拟合收敛。在实际训练中，我们将所有数据分成几个batch，每次送入一部分数据，梯度下降本身就是一个迭代过程，所以单个epoch更新权重是不够的。下图展示了使用不同个数epoch训练导致的结果。Batch Size: batch是每次送...
2021-07-12 21:26:30
400
原创 去掉两张excel表中相同的行
题目：两张excel表，学生信息。excel1为总表，excel2为附表，与excel1中有重复，要实现在excel1中去掉与excel2中学号相同的学生，并把处理完的学生按学院分开。利用pandas进行处理代码如下：1.读入 pd.read.excel2.表中有确实值需要删除 dropna3. tolist()数组/矩阵转成列表import pandas as pddata1 = pd.read_excel('excel1.xlsx')data2 = pd.read..
2021-07-09 16:58:14
506
转载 Pytorch—tensor
一、张量1.张量如同数组和矩阵一样, 是一种特殊的数据结构。在PyTorch中, 神经网络的输入、输出以及网络的参数等数据, 都是使用张量来进行描述。
2021-06-21 16:51:53
115
原创 直方图规定化：SML和GML
1.单映射规则（SML） 当采用SML映射时，从原始累计直方图向目标累计直方图进行，分别在每一列中找到最小值第一次出现的数的行号。在目标累计直方图中找到与原始累计直方图第一次出现的差值最小的数的行号。然后将原始直方图中灰度级为该列的像素点映射到该行号上。2.组映射规则(GML) 当采用GML映射时，从目标累计直方图向原始累计直方图进行，找到最小值第一次出现的列号，目标累计直方图从下一个灰度级开始，在原始累计直方图中找到与第一个该灰度级最接近的值。在原始累计直方图中上一个...
2021-05-23 20:45:05
7437
3
原创 Django_1 创建django步骤
一、创建project 必须在pycharm专业版才有django二、配置1.模板：引入render,返回return,记得在templates下创建一个html2.有两个配置一个是模板路径的配置一个是静态文件的配置html中直接引用三、额外配置结果：...
2021-04-21 21:43:07
88
原创 pyqt5_1 Qt Designer组件讲解
一、布局Vertical Layout 纵向布局Horizontal Layout 横向布局Grid Layout 栅格布局:QGridLayout（网格布局）是将窗口分割成行和列的网络来进行排列Form Layout表单布局在窗体布局中布局二、间隔Horizontal Spacer 水平间隔Vertical Spacer 垂直间隔三、按钮Push Button普通按钮Tool Button 工具按钮 可...
2021-04-21 15:28:54
4309
3
原创 深度学习（七）K近邻算法总结
1.K近邻算法可以解决多分类问题，也可以解决回归问题2.KNeighborsRegressor类用knn解决回归问题的类3.缺点： 效率低、高度数据相关、预测结果不具有可解释性、维数灾难（随着维度的增加，看似相近的两个点直接之间的距离越来越大，解决方法：降维）4.使用一个机器学习算法流程：(1)把数据集分为训练集和测试集（2）把训练数据进行归一化（3）将测试数据集进行归一化（4）把测试的数据集放入训练出来的模型中得出准确度...
2021-03-17 21:49:35
792
原创 深度学习（六） 测试数据集归一化
对测试数据集如何归一化呢？所以要保存训练集的均值和方差。在scikit-learn对于数据归一化封装了一个类Scaler.进行封装：import numpy as npclass StandardScaler: def __init__(self): self.mean=None self.scale=None; def fit(self,X): """根据训练数据集X获得数据的均值和方差
2021-03-17 21:25:23
2369
原创 深度学习（四） knn 超参数
best_score=0.0#设置当前我们已经找到的准确率最好的值，初始化为0bestk_k=-1#我们找到的最好的k,初始化为-1for k in range(1,11):#我们传入10个k,看哪个k最适合鸢尾花 knn_clf=KNeighborsClassifier(n_neighbors=k) #每一次都创建一个knn_clf来调用构造函数，在构造函数里n_neighbors赋值当前循环中的k knn_clf.fit(X_train,y_train) scor...
2021-03-17 15:43:09
1199
原创 深度学习（三） knn 训练数据集，测试数据集
以鸢尾花为例：将上面的写到一个函数中：import numpy as npdef train_test_split(X,y,test_ratio=0.2,seed=None): """将数据 X 和 y 按照test_ratio分割成X_train, X_test, y_train, y_test""" assert X.shape[0] == y.shape[0], \ "the size of X must be equal to the ...
2021-03-16 21:20:50
1986
1
原创 2021-03-16 深度学习（二）使用scikit-learn 中的kNN
把X_train，y_train送入机器学习算法，机器学习算法训练模型的过程称为拟合（fit),也就是说我们的算法要训练模型，这个模型要能够拟合我们的数据集，把输入样例输入模型得出结果的过程称为预测（predict)....
2021-03-16 19:38:06
276
原创 深度学习(一） k近邻算法
一、k近邻算法概念 给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最临近的k个实例，这k个实例的多数属于某个类，就把该输入实例分类到这个类中。(这就是现实生活中少数服从多数的思想）。 ...
2021-02-07 21:24:26
340
原创 （100天2小时第三十九天）斯坦福CS231n课程（一）图像分类、数据驱动方法和流程
一、图像分类目标：图像分类问题，就是对已有固定的分类标签集合，然后对于输入的图像，从分类标签集合中找出一个分类标签，最后把分类标签分配该输入图像。例如：一只猫，人眼很容易分辨出来，但计算机如何去识别，可以把猫看成一类标签，把狗看成一类标签。对于输入的图像，图像分类模型读取该图片，并生成该图片属于集合{cat, dog, hat, mug}中各个标签的概率。猫的图像大小是宽248像素，高400像素，有3个颜色通道，分别是红、绿和蓝（简称RGB）。如此，该图像就包含了248X400X3=29760.
2020-12-02 20:48:07
185
原创 (100天2小时第三十六天）深度学习与计算机视觉的交叉领域
机器学习和计算机视觉是人工智能的更大研究领域深度学习是机器学习的一个子集，它与计算机视觉相交，并且属于更大的AI领域。这节课重点讲解深度学习与计算机视觉的交叉部分。人工智能是个非常成功的研究领域。养了一只猫和一只电极，电极进入猫的大脑，进入猫的视觉表层，处理视觉数据的头部后面部分。电极：能够记录神经元的一些活动。猫的视觉皮层中的单个神经元，他们使用怪异的实验装置让猫看电视，不是真正的电视，是各种各样的幻灯片，假设大脑中有某些神经元做...
2020-11-30 10:50:00
207
原创 (100天2小时第三十二天）分水岭分割
用分水岭分割来分离图像中相互接触的对象。分水岭变换经常应用于此问题。分水岭变换通过将图像视为一个曲面，其中亮像素表示较高处，暗像素表示较低处，从而找出图像中的“汇水盆地”和“分水岭脊线”。如果能够标识或“标记”前景对象和背景位置，使用分水岭变换的分割效果会更好。标记控制的分水岭分割遵循以下基本过程：1.计算分割函数。这得到是一个图像，其中暗区域是您尝试分割的对象。2.计算前景标记。这些是每个对象中连通的像素斑点。3.计算背景标记。这些像素不是任何对象的一部分。4.修正分割函数，使其仅
2020-11-26 21:45:42
321
1
原创 (100天2小时第三十一天）图像处理基础（三）
十一、直方图及直方图均衡化1.概念：一幅单色图像的直方图是指图像中各个灰度值出现频率的统计表达。图像的直方图p(r)代表图像中灰度值为r的像素的个数除以总像素所形成的函数，可视为概率密度函数的一个估测(归一化直方图）。直方图可表示为：直方图常用一个条状柱形图来表示，其中每一个灰度一个柱形条，条的高度正比于对应该灰度值的像素数目。统计灰度直方图：2.直方图均衡化步骤：(1).计算直方图(2).直方图归一化（3）计算累计分布直方图（4）计算新灰度级 *(L-1
2020-11-25 18:19:41
135
原创 （100天2小时第三十一天）图像处理基础（二）
七、图像处理中的数学运算线性操作与非线性操作1.图像与常熟的加法运算一幅图像与一个大于0的常数相加，输出图像的整体亮度明显提升，也称为加性图像平移。一幅图像减去一个大于0的常数，将减小图像的整体亮度，这个过程称为碱性图像偏移。加法运算注意：超过所用数据类型允许的最大像素值，保证灰度级不变——归一化加法应用：将一副图像的内容叠加到另一幅图像上，从而实现二次曝光对图像的各个像素值加随机量会得到一副带噪声的图像。2.减法应用图像的减法运算常用
2020-11-25 18:13:54
223
原创 （100天2小时第三十一天）图像处理基础（一）
一、图像的数字化1.两个重要指标空间分辨率：是描述一幅图像中像素密度的一种方式，同时也是图像空间中可辨别的最小细节。灰度分辨率：是指灰度值的单位幅度上包含的灰度级数，即在灰度级数中可分辨的最小变化。2.对比度对比度是指一幅图像中灰度反差的大小，用于表示图像在灰度层级上的差异。指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量。 根据该公式，当图像明暗之间的差异越大时(对比度的...
2020-11-25 18:05:53
372
原创 （100天2小时第二十九天）matlab基本命令
1.图像的读取 如果文件和图片地址在一个文件夹下面I = imread('tu1.jpg');2.图像的写入imwrite(I,'filename')3.图像的显示I=imread('tu1.jpg');imshow(I)4.关闭图形窗口 close()函数5.同时显示多幅图像I=imread('tu3.jpg');J=imread('tu2.jpg');figure;subplot(1,2,1),imshow(I);title...
2020-11-23 17:07:55
121
原创 (100天2小时第二十九天）几种常见的图像噪声及去噪处理算法
一、背景 在图像获取、传输、存储过程中常常会受到各种噪声的干扰，从而影响图像的质量。并且图像预处理算法的好坏又直接关系到后续图像处理的效果，如图像分割、目标识别、边缘处理等，所以为了获得高质量数字图像，有必要对图像进行降噪处理，尽可能的保持原始信息完整性的同时，又能够去除信号中无用的信息。图像去噪的最终目的是改善给定的图像，解决实际图像由于噪声干扰而导致图像质量下降的问题。二、图像噪声的概念 噪声可以理解为“妨碍人们感官器官对所接收的信源信息理解的因素”。例如，一副黑白图像，其...
2020-11-23 15:52:22
10058
原创 (100天2小时第二十九天）数字图像处理的基本步骤
数字图像处理划分为两个类别：一类输入输出都是图像。一类是输入可能是图像，输出是图像中提取的属性。1.图像获取：图像获取是图像处理的第一步处理，图像获取与给出一幅数字形式的图像一样简单。通常，图像获取阶段包括图像预处理，譬如图像缩放。2.图像增强：是对一幅图像进行操作，使其结果在特定应用中比原始图像更适合进行处理。“特定”一词很重要，因为技术增强建立在面向问题的基础上。图像增强包括平滑和锐化。3.图像复原：是改进图像外观的处理领域，与图像增强不同，图像增强是主观的，图像复原是客观的。图像复原倾向于
2020-11-23 10:44:41
2267
原创 （100天2小时第二十八天）图像处理基础
一、图像灰度化基本原理：灰度化，在RGB模型中，如果R+G+B时，则彩色表示一种灰度颜色，其中R=G=B的值叫做灰度值。因此，灰度图像每个像素只需要一个字节存放灰度值（又称强度值、亮度值），灰度范围为0~255。一般有分量法、最大值法、平均值法、加权平均法四种方法对彩色图像进行灰度化。图像灰度处理可以作为图像处理的预处理步骤，为之后的图像分割、图像识别和图像分析等上层操作做准备。在数字图像处理中一般先将各种样式的图像转变为灰度图像以使后续的图像的计算量变的少一些。灰度图像的描述与彩色图像一样仍然反映了整
2020-11-22 21:52:14
132
原创 (100天2小时第二十四天）重塑数据集、清理数据集
一、重塑数据集1、旋转数据（1）重塑索引、分为stack（将数据的列旋转为行）和unstack（将数据的行旋转为列）。（2）将‘长格式’旋转为‘宽格式’2.转换数据（1）数据替换，将某一值或多个值用新的值进行代替。（比较常用的是缺失值或异常值处理，缺失值一般都用NULL、NAN标记，可以用新的值代替缺失标记值）。方法是replace。data=pd.Series([1,-999,2,-999,-1000,3])print(data)print(data.replace(-999
2020-11-18 19:51:38
273
原创 (100天2小时第二十四天）数据整理—合并数据集
一、数据库风格的合并df1=pd.DataFrame({'key':['b','b','a','c','a','a','b'],'data1':range(7)})print(df1)df2=pd.DataFrame({'key':['a','b','d'],'data2':range(3)})print(df2)print(pd.merge(df1,df2))#数据合并 key data10 b 01 b 12 a 23 c
2020-11-18 17:20:36
135
原创 （100天2小时第二十三天）几种简单填充缺失值的方法
一、固定值填充df1['Age']=df1['Age'].fillna(20)print(df1.isnull().sum())#输出时该项已经无缺失值二、均值填充# 数据需是int或float类型df['Age'] = df['Age'].fillna(df['Age'] .mean())三、众数填充# 数据需是int或float类型df['Age'] = df['Age'].fillna(df['Age'] .mode()) 四、上下数据填充# 用前一个非缺
2020-11-17 19:37:43
320
原创 （100天2小时第二十三天）python数据分析画图
怎么画出柱状图、饼状图、折线图，以及如何添加标题及图例一、柱状图：sns.countplot()函数，以bar的形式展示每个类别的数量plt.figure(figsize = (10,5)) # 创建画布plt.subplot(121) # 添加第一个子图sns.countplot(x='Survived',data=df)plt.title('Survived count') 二、饼状图（pie）total_survived = df['Survived'].sum..
2020-11-17 17:53:24
148
原创 （100天2小时第二十二天）读取csv、保存csv文件，缺失值处理
一、给你一个csv文件，怎么用pandas读取，怎么保存csv文件？ 1.若文件名为：train.csv 2.读取数据：pd.read_csv('train.csv') 保存数据： （1）在Excel 中打开需要存为csv的文件 （2）在文件上方的菜单栏中选择文件选项的另存为，在弹出的选项中选择并点击“其他格式”选项按扭，进入下一页面。 （3）在存储文件类型的选项栏中选择“CVS”类型，如下图所示，选好后点击保存。 ...
2020-11-16 20:17:08
1959
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