<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[HelloHaibo的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/HelloHaibo</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; HelloHaibo]]></copyright><item><title><![CDATA[SOLO代码解读[mmdetection]]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/106010531</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/106010531</guid><author>HelloHaibo</author><pubDate>Sat, 09 May 2020 00:57:10 +0800</pubDate><description><![CDATA[目前在做实例分割相关的课题,这次介绍基于mmdetection的SOLO代码,主要是head部分的代码解读。

全文见我的博客
]]></description><category></category></item><item><title><![CDATA[记一次网站被恶意劫持的经历]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/106010509</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/106010509</guid><author>HelloHaibo</author><pubDate>Sat, 09 May 2020 00:54:26 +0800</pubDate><description><![CDATA[最初发现被劫持是在百度统计页面，有个奇怪的域名入口带来了一部分流量，访问那个域名后（下文就成为B域名），傻眼了，和我的网站一模一样，我立即上网查询一番，了解到域名恶意解析会出现类似的情况。

全文见我的博客
...]]></description><category></category></item><item><title><![CDATA[Jetson TX2刷机及安装tensorflow gpu注意事项]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/78154294</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/78154294</guid><author>HelloHaibo</author><pubDate>Tue, 03 Oct 2017 12:11:57 +0800</pubDate><description><![CDATA[1、新买的TX2建议直接刷机，不要用自带系统，刷机时安装jetpack中所有包
2、刷机：当安装完系统镜像时，会提示你重启，先重启，再安装其他的包（cuda、cudnn等）(注意：将系统镜像那一项以上的都选为no action，只安装target board)

3、等待安装完成后，开始安装tensorflow，采用编译安装，详见链接
https://syed-ahmed.gitbooks]]></description><category></category></item><item><title><![CDATA[python中matplotlib画图中文不能显示]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/78001280</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/78001280</guid><author>HelloHaibo</author><pubDate>Sat, 16 Sep 2017 09:24:02 +0800</pubDate><description><![CDATA[具体现象：


解决方法：
在程序中添加以下代码：
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
效果：]]></description><category></category></item><item><title><![CDATA[Tensorflow实战-CNN网络Mnist识别]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77930530</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77930530</guid><author>HelloHaibo</author><pubDate>Mon, 11 Sep 2017 10:33:39 +0800</pubDate><description><![CDATA[这篇笔记是在阅读Tensorflow中文文档时做的笔记，只记录了一些我认为需要记录的地方，其他问题大家可以评论，我们共同探讨。
1、权重初始化
这个模型中的权重在初始化时应该加入少量的噪声来打 破对称性以及避免0梯度。破对称性以及避免0梯度。由于我们使用的是ReLU神经元，因此比较好的做法是用一个较小的正数来初始化偏置 项，以避免神经元节点输出恒为0的问题（dead neurons）。

]]></description><category></category></item><item><title><![CDATA[windows10—Tensorboard命令行命令没有反应]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77917043</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77917043</guid><author>HelloHaibo</author><pubDate>Sat, 09 Sep 2017 18:55:28 +0800</pubDate><description><![CDATA[问题说明：
平台：Windows10+tensorflow：1.3.0
输入命令后，就没反应了，按照网上大部分人的现象，应该会返回一个网址，然后那个网址就是生成的可视化文件，但是这里什么也没有返回。


解决方法：
这是新版本的一个bug，输入命令回车后（此时虽然命令行没有反应），但是现在就可在浏览器输入localhost:6006，访问生成的可视化文件。]]></description><category></category></item><item><title><![CDATA[Caffe实战Day5-使用opencv调用caffe模型进行分类]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77761880</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77761880</guid><author>HelloHaibo</author><pubDate>Fri, 01 Sep 2017 00:52:02 +0800</pubDate><description><![CDATA[通过前面的文章，我们已经使用caffe训练了一个模型，下面我们在opencv中使用模型进行预测吧！
环境：OpenCV 3.3+VS2017
准备好三个文件：deploy.prototxt、caffemdel文件、标签文件labels.txt，建议大家按照前面的文章生成相应的文件，因为格式不同，可能程序运行会有错误。
1、修改deploy.prototxt文件
只需将输入层的格式修改一下：]]></description><category></category></item><item><title><![CDATA[OpenCV3.3更新日志]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77718095</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77718095</guid><author>HelloHaibo</author><pubDate>Wed, 30 Aug 2017 16:24:53 +0800</pubDate><description><![CDATA[2017.08
opencv3.3新版本被发布，其中包括，加速DNN模块，并将其移到主仓库，Haibo在opencv中首次亮相，另外还对其他各模块进行了多重优化和改进。

opencv_dnn 模块已从opencv_contrib移到opencv主仓库，并且功能被优化、改进：

1、高层的API被修改，比以前更加方便
2、新添加了一些回归测试，现在共有46种。
3、修复Torch和T]]></description><category></category></item><item><title><![CDATA[opencv3.3出炉，与深度学习结合更密切]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77714242</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77714242</guid><author>HelloHaibo</author><pubDate>Wed, 30 Aug 2017 13:16:01 +0800</pubDate><description><![CDATA[opencv3.3在八月3号发布，日志中说到：
The main news is that we promoted DNN module from opencv_contrib to the main repository, improved and accelerated it a lot.For GPU there is experimental DNN acceleration using]]></description><category></category></item><item><title><![CDATA[Caffe实战Day4-开始模型训练]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77689384</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77689384</guid><author>HelloHaibo</author><pubDate>Tue, 29 Aug 2017 22:59:08 +0800</pubDate><description><![CDATA[OK，我们已经来到了最后一步-模型的训练，前三篇文章，我们已经将训练模型所需的文件、数据都准备好了，接下来一条命令就可开始模型的训练。

新建脚本或者你也可以直接输入命令：
#!/usr/bin/env sh
/home/dasuda/caffe/build/tools/caffe train \
    --solver=/home/dasuda/caffe-cnn/test_A/make]]></description><category></category></item><item><title><![CDATA[python之正则表达式教程(初级)]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77651731</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77651731</guid><author>HelloHaibo</author><pubDate>Mon, 28 Aug 2017 18:10:06 +0800</pubDate><description><![CDATA[本文对我们常用的正则表达式语法进行总结，并根据实例来讲解，希望大家能够有所收获。
一、纯字符串匹配
这一类是最简单的，也是字符串操作可以代替的，但是我们还是以这种匹配开始我们的教程，介绍正则的基本思想。
import re

str = "hello,everyone,I am HelloHaibo,thank u for watching my blog"

pattern = re.co]]></description><category></category></item><item><title><![CDATA[python获取网页编码的方法]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77624845</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77624845</guid><author>HelloHaibo</author><pubDate>Sun, 27 Aug 2017 23:39:28 +0800</pubDate><description><![CDATA[当我们使用python进行网页访问时候，需要对网站返回的数据进行处理，并加以使用，但是网页编码格式多种多样，我们如何判断当前网站返回的网页是什么编码格式呢？
一般有两种种方法：
一、直接将返回的数据输出info()，查看Content-Type项对应的charset值，其实这一步也可以通过浏览器查看。
代码：
import urllib2
headers = {"User-Agent":]]></description><category></category></item><item><title><![CDATA[python读取gzip格式及普通格式网页的方法]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77624416</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77624416</guid><author>HelloHaibo</author><pubDate>Sun, 27 Aug 2017 23:07:10 +0800</pubDate><description><![CDATA[一般情况下，我们读取网页分析去返回内容时是这样子的：
#!/usr/bin/python
#coding:utf-8
import urllib2

headers = {"User-Agent": 'Opera/9.25 (Windows NT 5.1; U; en)'}
request = urllib2.Request(url='http://www.baidu.com', headers]]></description><category></category></item><item><title><![CDATA[python中文注释报错解决方法]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77623815</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77623815</guid><author>HelloHaibo</author><pubDate>Sun, 27 Aug 2017 22:09:26 +0800</pubDate><description><![CDATA[错误提示：
C:\Python27\python.exe E:/Projects/pytext/test/test.py
  File "E:/Projects/pytext/test/test.py", line 8
SyntaxError: Non-ASCII character '\xe4' in file E:/Projects/pytext/test/test.py on line 8]]></description><category></category></item><item><title><![CDATA[python两种列表元素去重函数性能比较]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77606310</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77606310</guid><author>HelloHaibo</author><pubDate>Sat, 26 Aug 2017 19:27:19 +0800</pubDate><description><![CDATA[测试函数：
第一种：list的set函数
第二种：{}.fromkeys().keys()
测试代码：

#!/usr/bin/python
#-*- coding:utf-8 -*-
import time
import random

l1 = []
leng = 10L
for i in range(0,leng):
    temp = random.randint(1,10)]]></description><category></category></item><item><title><![CDATA[python访问网页返回503错误]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77604636</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77604636</guid><author>HelloHaibo</author><pubDate>Sat, 26 Aug 2017 18:34:23 +0800</pubDate><description><![CDATA[Traceback (most recent call last):
  File "test.py", line 30, in 
    gethtml()
  File "test.py", line 13, in scanurl
    src = urllib2.urlopen(url).read()
  File "/usr/lib/python2.6/urllib2.py", line]]></description><category></category></item><item><title><![CDATA[python获取代理(终极版本)]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77601380</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77601380</guid><author>HelloHaibo</author><pubDate>Sat, 26 Aug 2017 14:54:49 +0800</pubDate><description><![CDATA[友情链接：python获取代理IP
首先感谢各个提供免费代理IP的网站，虽然IP质量不能保证，但是科技改变生活，让我们开始用程序来“淘金”吧。
之前做过一次获取代理IP（网址可以参考顶部友情链接）由于刚开始玩这些，有些缺点没发现，运行几次后发现了问题，在此花了一下午加熬夜到凌晨3点，把程序修改到第三版，效果目前来说还算满意。
1、第一版是从代理网站过去一次IP，经检查后，重复使用，直到一个I]]></description><category></category></item><item><title><![CDATA[Caffe实战Day3-准备网络结构文件和训练文件（重点）]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77542281</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77542281</guid><author>HelloHaibo</author><pubDate>Thu, 24 Aug 2017 21:24:59 +0800</pubDate><description><![CDATA[友情链接：我的caffe实战Day2-准备lmdb文件和均值文件

通过前两篇文章，我们已经把训练模型的数据准备好了，并做了需要做的预处理，接下来我们就开始准备网络结构文件，在开始之前呢，我们先列一下清单：



ok，本此我们就是准备其中的train_val.prototxt，deploy.prorotxt,solver.prototxt三个文件，最后的caffemodel文件，相信]]></description><category></category></item><item><title><![CDATA[Caffe实战Day2-准备lmdb文件和均值文件]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77517712</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77517712</guid><author>HelloHaibo</author><pubDate>Thu, 24 Aug 2017 01:17:44 +0800</pubDate><description><![CDATA[友情链接：我的caffe实战Day1-准备训练数据

OK，上篇文章我们已经生成两个txt文件，分别是train.txt和val.txt，训练数据和测试数据的标签文件。
一、生成lmdb文件
本次我们要生成能让网络结构文件“读懂”的标签文件格式——lmdb，其实还有很多其它格式：leveldb、hdf5等等。
那么我们是以哪种形式生成lmdb文件呢？用的是caffe提供的convert_]]></description><category></category></item><item><title><![CDATA[python获取代理IP]]></title><link>https://blog.youkuaiyun.com/HelloHaibo/article/details/77513731</link><guid>https://blog.youkuaiyun.com/HelloHaibo/article/details/77513731</guid><author>HelloHaibo</author><pubDate>Thu, 24 Aug 2017 00:11:32 +0800</pubDate><description><![CDATA[平时当我们需要爬取一些我们需要的数据时，总是有些网站禁止同一IP重复访问，这时候我们就应该使用代理IP，每次访问前伪装自己，让“敌人”无法察觉。
oooooooooooooooOK，让我们愉快的开始吧！
这个是获取代理ip的文件，我将它们模块化，分为三个函数
注：文中会有些英文注释，是为了写代码方便，毕竟英文一两个单词就ok了
#!/usr/bin/python
#-*- coding:u]]></description><category></category></item></channel></rss>