Caoyuanyang的博客

原创 深度学习入门进阶之旅

莫烦python就非常不错哒。

原创 模型训练yolo7训练自己数据集

3.尺寸大小设置，看数据集大小尺寸来设置。1.首先按照VOC做数据集。这两个txt文件都要改好。train.py文件要设置。yolo.py文件要设置。

原创 Size的高宽排序

神经网络对应的是[batch-size, Channel, High, width]transforms.resize((高（h），宽（w）))torch.randn(4，3，128（高），256（宽）)

原创 置信度的理解

YOLO模型置信度的理解

原创 jupyter notebook

对编辑框输入M即可（一定得在命令模式之下进行），再输入shift+Enter即可。将markdown单元格式，想替换为代码单元格，则仅仅输入Y即可（命令模式输入）。ctrl+enter是执行当前代码块，但并不会跳跃至下一个代码块。shift+enter是执行当前代码块，并跳跃至下一个代码块。a（命令模式）就是在当前代码上方进行新建代码块。b（命令模式）就是在当前代码下方进行新建代码块。4.绿色代表编辑模式，蓝色代表命令模式。L（命令模式）就是给当前代码块标行数。d（命令模式）就是删除当前代码块。

原创 Pycharm调试

step into my code 单步运行，进入函数，但不去源程序函数。step into 单步运行程序，会进入函数（包括原代码中的函数）运行到下一个断点，如果没有断点，就运行程序结束为止。step over 单步运行，不会进入函数。step out 跳出当前函数。

原创 Tensor的基本操作

张量最基本创建方法和Numpy中创建Array的格式一致，都是创建函数的格式。

原创 python 函数的调用

传递时不要跟上后边的括号以及可能存在的参数，只要传递函数名即是传递了函数变量。函数可以作为变量像其他变量一样使用return返回，比如我们定义一个函数f，函数变量和其他变量一样可以作为参数传入另一个函数，因为传递的是参数，所以。所有定义的函数其实它的名字都是指向这个函数本身的一个变量。mySum本身就一个变量，和其他任何变量一样，可以赋值、传递等操作的。一个函数def mySum(s,y)mySum(1,2)是调用这个函数。3.函数变量作为返回值。2.函数作为参数传递。

原创 Numpy学习

python中的list列表也可以非常灵活的处理多个元素的操作，但效率非常低下，原因在于所有的元素的数据类型相同，数据地址连续，批量操作数组元素时速更快。Numpy底层代码使用C语言编写，内置并行计算功能，运行速度高于Python代码。

原创 类的函数调用

原创 安装pytorch

python=3.8 3.6以上都能用。下这个版本最好了，兼容性最强。一定要删干净再进行下载。

原创 Opencv-4.Sobel算子、梯度计算方法、scharr与lapkacian算子

采用converScaleAbs(sobelx) 就是将负数转为正数。这里的意思就是1，0。主要是让其由右向左相减，计算来求梯度。上面的dx=1，dy=0。因此为由右向左相减为正，分别是sobel算子，scharr算子，拉普拉斯算子。将两者进行相加addWeighted,代表权重相加。这里的0，1，主要是由下往上相减，计算来求梯度。3.scharr与lapkacian算子。再由x,y分别0.5，0.5来求和。dx=0,dy=1就是由上往下。1.Sobel算子、

原创 Opencv-3.图像平滑处理、高斯和中值滤波、腐蚀操作、膨胀操作、开运算与闭运算、梯度计算、礼帽和黑帽

均值滤波就是cv2.blur() 将图像采用[3,3]，数为1的卷积核进行卷积操作。开运算：先腐蚀，再膨胀（去除一些毛刺，具有非常好的效果）iteration迭代次数表示的是腐蚀强度。MORPH_OPEN就是采用的开运算。np.hstack黏贴拼接在一起。膨胀-腐蚀就能得到边界信息。腐蚀操作就是去掉毛刺。2.高斯和中值滤波、5.开运算与闭运算、

原创 Opencv-2.ROI区域、边界填充、数值计算、图像阈值

cv_show("cat",cat) ##cv_show的方式展示 ”cat“表示文件名 cat表示变量。上述的b,g,r是三个通道，分别索引为0，1，2。因此[:,:,0]表示将b通道全部赋值为0，cat = img[0:50,0:200] ##这也就是高，宽。这里[:5,:,0]的意思是打印前五行，并且是BGR中的B。0.4是猫的权重，0.6是在狗上的权重，0指的是提高亮度。merge函数是来进行b,g,r的融合。1.ROI区域（截取特定区域）图像融合必须大小相同。

原创 Opencv-1.图片读取与视频读取

img = cv2.imread("cat.jpg",cv2.IMREAD_GRAYSCALE)转成灰度图。cv2.waitKey(0) ##等待时间，毫秒级，0表示任意键就终止。cv2.imshow("image",img) ###图像的显示。cv2.imwrite("路径"，img(那张处理后的图片))读取的是一个三维的数组，并且都是在（0-255）的值。》》》（414，500，3）高、宽、通道数(BGR)") ##0,1表示捕获的是摄像头图像。cv2.imread("路径")

原创 【无标题】

img = cv2.imread("./nm0000111_rm4828928_1962-3-21_2009.jpg") #./nm0000111_rm4828928_1962-3-21_2009.jpg为图片路径。img = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) 这个方法转成RGB格式。img = cv2.imread("./img_1.png") #./img_1.png为需要读取图片的路径。cv2imread()这个函数，一定要注意读取的顺序是BGR。

原创 Opencv的部分知识内容

• thresholdType：阈值类型，如下图THRESH_BINARY类型，修改后原图像像素小于127的值会会变成0，大于127的值会变成255。retval, dst = cv2.threshold(src, thresh, maxval, thresholdType)• dst：结果图像。img=cv2.imread("D:\\desk\\images\\lena02.png",0) #0:自动将图像转为灰度图。print(img.shape) #(高，宽，通道)

原创 加载路径相关语法

一.os.path.joinos.path.join()函数用于路径拼接文件路径，可以传入多个路径如果不存在以“/”开始的参数，则函数会自动加上存在以“/”开始的参数，从最后一个以“/”开头的参数开始拼接，之前的参数全部丢弃同时存在以“./”与“/”开始的参数，以“/”为主，从最后一个以“/”开头的参数开始拼接，之前的参数全部丢弃。

原创 split()、strip()、tqdm()、ET.parse()

split()：拆分字符串。通过指定分隔符对字符串进行切片，并返回分割后的字符串列表（list）strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。ET.parse()用来读取xml的文件，再通过getroot()来获得根节点。# 使用tqdm对可迭代对象进行包装，实现进度条可视化。tqdm是为了便于观察处理进度所需要的进度条。Split()就是以列表的形式返回字符串。# 正常的遍历（没有进度条）# 定义一个可迭代对象。

原创 YOLO V3目标检测

YOLO V3目标检测

原创 YOLO V2目标检测算法

YOLOv2

原创 YOLOv1目标检测的基本原理

YOLOv1目标检测的基本原理

原创 《PyTorch深度学习实践》11卷积神经网络高级篇

《PyTorch深度学习实践》11卷积神经网络高级篇

原创 《PyTorch深度学习实践》卷积神经网络

10

原创 《PyTorch深度学习实践》9.多分类问题

9

原创 《PyTorch深度学习实践》8.加载数据集

《PyTorch深度学习实践》8.加载数据集

原创 《PyTorch深度学习实践》07处理多维特征的输入

刘二大人

原创 《PyTorch深度学习实践》06逻辑斯蒂回归

《PyTorch深度学习实践》06逻辑斯蒂回归

原创 《PyTorch深度学习实践》5.用pytorch实现线性回归

《PyTorch深度学习实践》5.用pytorch实现线性回归

原创 《PyTorch深度学习实践》4反向传播

《PyTorch深度学习实践》4反向传播

原创 《PyTorch深度学习实践》3.梯度下降算法

《PyTorch深度学习实践》3.梯度下降算法

原创 《PyTorch深度学习实践》线性模型

《PyTorch深度学习实践》2线性模型