Tra_cy的博客

【无标题】

Tra_cy — Mon, 17 Jan 2022 19:45:23 +0800

ffmpeg 使用视频帧图片合成视频 ffmpeg -r 6 -f image2 -i %d.jpg output.mp4

服务器上tensorboard的使用

Tra_cy — Wed, 13 Oct 2021 20:54:40 +0800

环境： ubuntu服务器、pytorch、python2.7 步骤： pip install tensorboardX 训练代码中嵌入tensorboard代码 from tensorboardX import SummaryWriter writer = SummaryWriter('log') writer.add_scalar('Train/Loss', train_loss/dat...

算法——动态规划

Tra_cy — Thu, 26 Aug 2021 21:49:15 +0800

动态规划什么是动态规划给定一个问题，我们把它拆成一个个子问题，直到子问题可以直接解决。然后呢，把子问题答案保存起来，以减少重复计算。再根据子问题答案反推，得出原问题解的一种方法。动态规划的核心思想动态规划最核心的思想，就在于拆分子问题，记住过往，减少重复计算。 eg： A ：“1+1+1+1+1+1+1+1 =？” A ：“上面等式的值是多少” B ：计算 “8” A : 在上面等式的左边写上 “1+” 呢？ A : “此时等式的值为多少” B : 很快得出答案 “9” A : “你怎么这么快就

Ubuntu服务器搭建Pytorch环境

Tra_cy — Thu, 05 Aug 2021 14:35:13 +0800

安装CUDA 查看服务器处理器和系统版本 lsb_release -a 下载CUDA10.1(无需登录，一定要下update2，其他版本无法自定义目录) https://developer.nvidia.com/cuda-10.1-download-archive-update2 打开网页后选择对应自己服务器的处理器和系统版本，格式选runfile(local)，这里以Ubuntu 18.04为例 wget https://developer.download.nvidia.com/compute/cu

算法与数据结构内容结构

Tra_cy — Tue, 08 Jun 2021 09:14:06 +0800

1、C++语言介绍

Tra_cy — Tue, 03 Nov 2020 17:12:03 +0800

C++的语言特点： 1. 支持数据封装和数据隐藏在C++中，类是数据封装和隐藏的工具，对象是数据封装的实现。用户可将数据和对数据的合法操作封装起来作为一个类，类具有私有成员，保护成员和公有成员。类的用户在调用类时不需要知道它是如何实现的，只需要知道调用接口使用即可。 2. 支持继承和重用在C++现有类的基础上可以声明新类型，这就是继承和重用的思想。通过继承和重用可以更有效地组织程序结构，明确类间关系，并且充分利用已有的类来完成更复杂、深入的开发。新定义的类为子类，成为派生类。它可以从父类那里继承所有非私

深度学习之优化算法

Tra_cy — Thu, 24 Sep 2020 17:09:53 +0800

文章目录1 梯度下降1.1 批量梯度下降法（BGD: Batch Gradient Descent）1.2 随机梯度下降法（SGD: Stochastic Gradient Descent）1.3 小批量梯度下降法（MBGD：Mini-Batch Gradient Descent）2 Momentum3 Adagrad：Adaptive gradient algorithm4 RMSProp5 Adam: Adaptive Moment Estimation 1 梯度下降数学解释：在微积分里面，对多元函数

C++实现带头节点的单链表

Tra_cy — Wed, 16 Sep 2020 17:41:00 +0800

# include #include using namespace std; //定义一个节点类 typedef struct Node { /* data */ int data; //数据域 Node *next; //指针域 }; //构建一个单链表类 class SLinkList { private: Node *head; public: SLinkList(/* args *

Meta learning

Tra_cy — Tue, 15 Sep 2020 16:46:22 +0800

一、Introduction Meta learning = Learn to learn 二、Meta Learning 1、比较与Life-long的区别： Life-long：所有任务使用一个模型 Meta：每个任务可能有不同的模型与Machine Learning的区别： 2、算法步骤 # Step 1：定义一个learning algorithm的集合； # 初始化参数不一样，表示不一样的学习算法 # Step 2：评价一个learning algorithm的好坏； # N个Ta

对EfficientDet中加权融合方法的代码解读

Tra_cy — Thu, 26 Mar 2020 10:43:10 +0800

谷歌大脑的《EfficientDet: Scalable and Efficient Object Detection》代码目前已经公布，代码链接：https://github.com/google/automl/tree/master/efficientdet 接下来将对BiFPN中加权融合部分进行解析。对应代码入下： # Combine all nodes. dtype = n...

pytorch设置可学习参数

Tra_cy — Wed, 18 Mar 2020 08:56:17 +0800

使用背景：模型有3个输出，需要对这三个输出加权求和，于是设置可学习的参数作为权重，代码如下： self.w1 = torch.nn.Parameter(torch.FloatTensor(1), requires_grad=True) self.w2 = torch.nn.Parameter(torch.FloatTensor(1), requires_grad=True) self.w3 = t...

PyTorch获取vgg16 features每层输出

Tra_cy — Fri, 13 Mar 2020 22:46:23 +0800

实际应用时可能比较想获取VGG中间层的输出，那么就可以如下操作： import numpy as np import torch from torchvision import models from torch.autograd import Variable import torchvision.transforms as transforms class CNNShow(): d...

Pytorch上下采样函数--interpolate

Tra_cy — Fri, 06 Mar 2020 14:48:42 +0800

pytorch中使用interpolate可以很轻松的完成上采样和下采样。官方文档 torch.nn.functional.interpolate(input, size=None, scale_factor=None, mode=‘nearest’, align_corners=None) 函数的参数如下： input (Tensor) – the input tensor size (...

RuntimeError: unable to write to file

Tra_cy — Mon, 24 Feb 2020 09:10:33 +0800

参考链接：https://github.com/huaweicloud/dls-example/issues/26

服务器创建python2.7虚拟环境

Tra_cy — Fri, 14 Feb 2020 18:50:46 +0800

原本服务器上的环境是anaconda3、python3.7，由于实验环境需要python2.7版本，所以需要在服务器上创建python2.7的虚拟环境。创建一个虚拟的环境名为python27，并安装2.7版本的python ~$ conda create -n python27 python = 2.7 安装完成即可激活虚拟环境 ~$ source activate python27...

Python--pdb调试程序

Tra_cy — Fri, 14 Feb 2020 07:52:52 +0800

使用PDB的方式有两种: 1. 单步执行代码,通过命令 python -m pdb xxx.py 启动脚本，进入单步执行模式 pdb命令行： 1）进入命令行Debug模式，python -m pdb xxx.py 2）h：（help）帮助 3）w：（where）打印当前执行堆栈 4）d：（down）执行跳转到在当前堆栈的深一层（个人没觉得有什么用处） 5）u：（up）执行跳转到当前堆栈的上...

win10下安装Anaconda+PyTorch

Tra_cy — Tue, 17 Dec 2019 20:12:39 +0800

文章目录安装Anaconda安装PyTorch 安装Anaconda 下载：https://repo.continuum.io/archive/下载相应版本的Anaconda，这里使用的是版本。安装：双击安装包，基本上都是“下一步”，注意选择安装路径和加入环境变量即可。创建环境：右击Anaconda Prompt，选择以管理员身份运行 conda创建环境命令为：conda create -...

对卷积神经网络中卷积层、激活层、池化层、全连接层的理解

Tra_cy — Sun, 15 Dec 2019 11:20:15 +0800

文章目录卷积神经网络输入层卷积层激励层池化层全连接层卷积神经网络举一个卷积神经网络识别汽车的例子如下：其中数据输入的是一张图片（输入层），CONV表示卷积层，RELU表示激励层，POOL表示池化层，Fc表示全连接层。输入层在图片输入到神经网络之前，一般在输入层进行图像处理，有以下三种常见的图像处理的方式：均值化：把输入数据各个维度都中心化到0，所有样本求和求平均，然后用所有的样本减...

CrowdCounting将标注信息加到图片上可视化

Tra_cy — Fri, 06 Dec 2019 03:21:19 +0800

人群计数数据集UCF-QNRF中给的标注信息为.mat的二进制文件，里面存储了标注点的所有位置，现在要做的是将这些信息加入原始图片中，有标注的地方打上标记点进行可视化，使用opencv具体操作如下：原始图片： import numpy as np import cv2 import scipy.io as scio ...

PyTorch搭建两层网络

Tra_cy — Wed, 04 Dec 2019 12:01:19 +0800

举一个很简单的例子来熟悉使用pytorch构建和训练神经网络的整个过程。 import torch import torch.nn as nn N, D_in, H, D_out = 64, 1000, 100, 10 #随机创建一些训练数据 x = torch.randn(N, D_in) y = torch.randn(N, D_out) #定义model class ...