菜根檀的博客

pytorch数据处理之 transforms.ToTensortransforms.ToTensor()函数的作用是将原始的PILImage格式或者numpy.array格式的数据格式化为可被pytorch快速处理的张量类型。输入模式为（L、LA、P、I、F、RGB、YCbCr、RGBA、CMYK、1）的PIL Image 或 numpy.ndarray (形状为H x W x C)数据范围是[0, 255] 到一个 Torch.FloatTensor，其形状 (C x H x W) 在 [0.0,

最近想通过 KDTree 来实现最近邻搜索，进而实现对图片目标进行边界盒标注。但自己写太过复杂，看到有大佬介绍scipy包提供了KDTree的直接生成方法，于是尝试进行调用。调用代码如下：leafsize = 2048tree = scipy.spatial.KDTree(pts.copy(), leafsize=leafsize)然鹅，出错：Traceback (most recent call last): File "D:/tanyacheng/Experiments/Crowd_Cou

RTX2080ti + Win1 0装tensorflow版本对应，亲测可用CUDA：10.0.0CUDNN:7.4.2tensorflow：1.13.1python：3.7

LBP.pyimport numpy as np from PIL import Image class LBP: def __init__(self, input, num_processes, output): # Convert the image to grayscale self.image = Image.open(input).convert("L") self.width = self.image.size[0]

Q1：sites = {'Google', 'Taobao', 'Runoob', 'Facebook', 'Zhihu', 'Baidu'}，若print(sites)输出什么？A：集合(set)是Python中一种重要的数据类型，表示一组各不相同元素的无序集合，其主要应用于重复元素消除及关系测等 集合在Python内部通过哈希表实现，其本征无序，输出时所显示的顺序具有随机性，且与运行环境相关Q2：python中有哪些可变哪些不可变类型？A：不可变：Number，String，Tumple 可

理解深度学习中的反向传播概述介绍图示计算过程图示求导两种模式计算结果重要性概述反向传播主要广泛应用于深度学习中的优化器，是优化器的主要工作原理介绍反向传播是使训练深度模型在计算上易于处理的关键算法。对于现代的神经网络来说，相对于实现一个简单的网络，它可以使梯度下降的训练速度快1000万倍。这就是一个模型的训练时间一周和20万年的区别。除了在深度学习中使用外，反向传播在许多其他领域也是一种强大的计算工具，从天气预报到分析数值稳定性，它只是有不同的名称。事实上，该算法已经在不同领域进行了至少数十次的重

图像处理图片的格式对结果的影响前言分析过程原因分析mode==1mode==L前言   首先，写此篇博客是因为博主在使用不同的数据集进行显著性检测时当将训练集的规模变大时，效果反而变差，最后测试得到的结果显著图是一种全黑的状态，讲道理，这不应该，因为选用的都是广为使用的标准数据集(RGBD)。   并且之前使用单独的数据集(DUT-RGBD)时结果是正常的,当加入两个性的数据集NJUD(1485张)和NLPR(800张)以及它们的增强一共32

torch.nn.AdaptiveMaxPool2d(out_size):功能:无论输入什么尺寸的张量，输出的尺寸大小均为out_size*out_sizetorch.nn.Conv2D(in_channels,out_channels,kernel_size,stride,padding,bias)功能:进行基本的卷积操作torch.nn.ReLU():功能：激活函数torch.nn.ConvTranspose2d(in_channels,out_channels,kernel_size,st

Error1Traceback (most recent call last): File "F:/Work/PycharmProjects/pytorch/venv/优化器.py", line 79, in <module> l_his.append(loss.data[0]) #loss recodseIndexError: invalid index of a 0-dim tensor. Use tensor.item() to convert a 0-dim tensor

pip安装pytorch出现MemoryError如下图:根据最后一行红色字体我们知道出现了MemoryError,根据字面意思我们可知此问题与内存有关。因为pip安装的缓存机制想要先把整个文件读取到内存以后才开始安装，因此可能导致内存不足。所以我们在安装时指示不启用缓存即可，可以使用 --no-cache-dir 命令，如下pip install --no-cache-dir torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https://downlo

argparse是python的一个improving模块，借助此模块我们可以轻松编写用户友好的命令行接口。以下是python官方的一个示例，我们从这个示例开始对argparse进行深入：import argparseparser = argparse.ArgumentParser(description='Process some integers.')parser.add_argument('integers', metavar='N', type=int, nargs='+',