babyzbb636的博客

一、训练数据准备1、生成 caltech_split.txt 文件split 文件的模版样本101_ObjectCategories/metronome/image_0004.jpg 0下面的文件路径需要修改成自己的path_file = '/data/nextcloud/dbc2017/files/jupyter/PyRetri/main/split_file/caltech_split.txt'gallery_lst = glob.glob('/data/nextcloud/dbc2017/

项目配置参考博客：PyRetri代码实讲从华为DIGIX比赛理解–图像检索的通用流程（利用Face++开源PyRetri代码）参照实例操作教程对整个图像检索项目进行梳理一、对于训练的样本准备对于测试，直接准备数据，走下面步骤即可二、生成json数据python main/make_data_json.py -d E:CBIR/data/gallery/ sp E:\CBIR\data\database\data_json\gallery.json -t generalpython ma

1、准备oxbuildings创建datadata/oxford5d_images (放影像）data/oxford5d_features （放提取特征）delf_v1_20171026创建parameters目录存放解压的模型文件list_image.txt将图像文件名和路径填写到文件中，文件编码为utf-82、特征抽取2.1打开python\example目录下的delf_config_example.pbtxt文件修改默认输入参数以下和路径有关均是绝对路径！！！

安装tensorflow报错百度一下说是h5fy与numpy版本不适配抱着试试先卸载再安装，果然。。。感觉pip和conda都有坑，pip下载不考虑与其他版本适配，conda下载会让你把安过的package再装一遍，我昨天才装完tensorflow gpu一系列，今天还要装选择pip uninstall package，pip install package==version解决了，明明昨天配好了，安装delf，把它弄坏了晕参考[1]: http://meta.math.stackexch

一、基本环境1.安装tensorflow-gpu（1）conda install tensorflow-gpu（这样比较方便，不用安装nvida、cuda）参考win10 配置tensorflow gpu版–不用装CUDA（2）import tensorflow不报错即可，但缺少kerasconda install theanoconda install kerasimport keras不报错即可2.下载proto编译器对于Windows：protoc-3.7.1-win64.z

windows下darknet gpu1、windows版darknet下载修改（1）下载（2）文件修改2.vs编译darknet3.运行结果4.说一下踩得坑1、不是非安装opencv不可，link那可以忽略2、darknet报错more than one instance of overloaded function "_malloc_dbg" has "![在这里插入图片描述](https://img-blog.csdnimg.cn/20201224211242583.png?x-oss-process

windows下darknet nogpu1、Msys2安装2、darknet的使用1、Msys2安装使用Msys2搭建linux环境，并完成Darknet源码的编译，经过实测，在Msys2中编译过程与在Ubuntu中的完全一些，但是缺点就是没有GPU，可以方便跑一些其他论文代码(1) MSys2,下载地址http://www.msys2.org/。根据不同电脑选择响应的版本，64位系统选择 msys2-x86_64-xxxx.exe。(2) 添加环境变量，在系统属性-高级-环境变量-系统变量-Pa

0：安装anaconda3从官网下载最新版本就行地址：https://www.anaconda.com/distribution/#download-section按步骤正常安装后添加环境，我习惯用python3.7版本。1、cuda和cudnn安装笔记本一般自带NVIDIA驱动（nvidia -smi即可查看）查找：NVIDIA显卡驱动——帮助——系统信息——组件显示最高支持cuda，并不是已安装，输入nvcc —V并没有输出2、官网cuda和cudnn安装cuda10.0：https

nvidia-docker run -it -v 本机测试路径:镜像容器内测试路径 -v 本机保存路径:镜像容器内保存路径 ImageName如下所示:nvidia-docker run -it -v /home/zbb/test:/input_path -v /home/zbb/save:/output_path testpy1、利用dockfile创建满足条件的镜像:FROM anconda-py37-nvidia/cuda:10.0-cudnn7-devel-ubuntu16.04

一、镜像保存如果你想把你的镜像给其他人，需要save到本地，然后对方load该文件即可sudo docker save -o /home/zbb/test.tar hello-world二、保存文件不可操作问题使用docker save命令后发现保存文件不可操作，读写复制看到所有者root，我就思考是不是sudo原因，果然，一定要免sudo ，之前感觉不影响就懒得弄三、免sudo操作（必须）#如果还没有 docker group 就添加一个：sudo groupadd do

因为读取影像较大，且数量较多，不释放，报错OpenCV(4.1.1) (-4:Insufficient memory) Failed to allocate 2825196594 bytesc++下opencv释放影像占用内存：IplImage*img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1);cvReleaseImage(&img);在python下没有找到对应函数，甚至查阅了opencv网站welcome to opencv do

制作Dockfile文件下面是一个Dockfile样本以及四个容易出现错误的地方，Dockfile详细的解释见链接# 基础镜像FROM nvidia/cuda:10.0-cudnn7-runtime-ubuntu16.04# 配置程序依赖环境，示例如下RUN apt-get update && \ apt-get install -y --no-install-recommends \ build-essential cmake libjpeg-dev l

Sudo docker imagesdocker pull nvidia/cuda:10.0-cudnn7-devel-ubuntu16.04sudo docker build -t test .sudo docker run -d -i -t nvidia/cuda:10.0-cudnn7-devel-ubuntu16.04/bin/bashsudo docker rm f3dbe276959asudo docker rmi7f1daca57d51sudo dock...

目录一、环境配置1、添加变量2、测试二、制作自己的数据集1、制作2、 数据集目录deeplab/train下目录放置3、生成txt文件4、生成tfrecord文件三、训练前代码修改1、data_generator.py2、train_utils.py3、train.py四、训练1、下载预训练模型2、训练指令参考博客：ht...

目录一、配置与测试1.下载gitclone2.安装pycocotools二、训练自己的数据1.labelme安装与转换2.数据集的修改3.测试代码修改1）修改load_shapes函数2）load_mask函数数据设置修改4、测试代码修改参考博客：https://blog.youkuaiyun.com/qq_36810544/article...

目录一.数据准备1.制作COCO数据集2.计算数据集的均值方差二.代码修改1.新建类别2.加入dataset3.修改/src/lib/opts.py4.修改src/lib/utils/debugger.py文件二 训练与测试：1训练：2测试：3绘制loss曲线参照博客：https://blog.youkuaiyun.com/weixin_426343...

目录1.配置cuda9.0+cudnn7.6.01.1下载1.2 cuda安装1.3 cudnn配置1.4 环境变量2.配置pytorch0.4.13.配置centernet3.1 下载centernet3.2 下载cocoapi3.3安装需要依赖库：3.4.编译DCNv2（可变形卷积）3.5.编译NMS4.运行demo.py4.1 ...

坑：1.下载太慢用镜像pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow2.不要用anaconda中的tensorflow包，只到1.8.0，不能自动对应版本，我简直是栽在这个坑上了这种情况下用其自带的prompt中安装，方法仍然pip（不要用cmd下，容易引起混乱）3.python：报错encording...

参考博客：https://blog.youkuaiyun.com/u014595019/article/details/53732015https://blog.youkuaiyun.com/wanzhen4330/article/details/81699769https://blog.youkuaiyun.com/auh_alias/article/details/80690556一 cuda安装https://dev...

ubuntu以及nvidia安装ubuntu安装0、下载Ubuntu16.041、分配安装磁盘2、查看磁盘是MBR分区、GPT分区3、UEFI盘制作（GPT）4、启动USB KEY5、Ubuntu安装nvidia安装具体步骤显卡不合适，黑屏ubuntu安装注意：一定要注意电脑是不是uefi类型，我当初师兄直接给我说，我u盘里有，结果就悲剧了，他是非uefi类型。0、下载Ubuntu16.04...

目录Ubuntu下的安装常用软件0 labelmg1 notepad++2 qq3 baidunetdisk4 WPS0 labelmg0 git clone https://github.com/Ruolingdeng/labelImg.git1 sudo apt-get install pyqt5-dev-tools #cd labelImg2 pi...

目录一 准备工作1 代码地址2制作voc2007数据3 解压ssd_300_vgg.ckpt.zip4下载vgg16二 测试部分1 创建ssdtest.py2 对visualization.py修改三训练部分1 pascalvoc_common.py2 pascalvoc_to_tfrecords.py3 训练模型py文件修改4 pasca...

目录目录1 构建Retinanet环境2 生成CSV文件3训练4.转化模型5.测试6.评测loss可视化ap，precision-recall数据集什么的看我之前博客，资源里也有标记好的数据集，这里主要写一下我配置使用训练过程。1 构建Retinanet环境1.代码库下载地址https://github.com/fizyr/keras-reti...

目录1.下载yolov3项目工程2.修改Makefile配置，使用GPU训练3.测试图片4.生成label文件5.修改名称类别6.下载预训练模型：7.开始训练：8.测试评测配置流程参考：https://blog.youkuaiyun.com/weixin_42731241/article/details/81352013https://blog.youkuaiyun.com/...

目录1.添加log路径2.格式化log3.绘制loss4.绘制iou1.添加log路径新建visualization文件夹，用于后续可视化train训练命令如下：./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -gpus 0 | tee visualizat...

1输出记录目标位置信息的txt文件可以使用valid命令，如下：./darknet detector valid cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_900.weights其中voc.data内容如下：记得修改val classes= 1 #classes为训练样本集的类别总数 train = /h...

目录1.修改detector.c替换detector.c中的void test_detector函数添加头文件，Getfilename函数2.影像路径文件3.批量化测试4.保存结果图1.修改detector.c替换detector.c中的void test_detector函数注意修改3处路径void test_detector(char *datacfg...

目录1.opencv的安装1）去官网下载opencv2）解压下载下来的zip包3）安装必须库和cmake-gui4）cmake-gui编译5）make和make install6）路径设置7）测试一下：2.yolov3源码更改与排错Error1：cv_window_normal未定义Error2：showimage参数不足3.测试视频与保存1)...

醉了，anaconda，cudn,cudnn有时候真的见鬼，下载失败，anconda用清华源下载注意:1.不能用anconda3.5.3.1有问题不用，更新不了anconda系统变量，用最新的那个201907。2.想用python2.7只能下anaconda2 ，而且用清华或者其它非官方镜像源，默认下载非最新版本，需要指定版本conda install xxx=x.x.x3.实在anacon...

YOLOv3目标检测据说快如闪电，也是one stage代表。检测依据作者github下的说明及量子位推送参考，很容易实现了。训练暂时没有自己数据集，尝试一下VOC、COCO作为学习，在windows下的YOLOv3训练比较少。VOCVOC出了问题不知道怎么调bug，先闲置，COCO可是extract_coco文件没有了，暂时搁置了，会了来填坑，或者用自己的数据来...