<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[diebiao6526的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/diebiao6526</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; diebiao6526]]></copyright><item><title><![CDATA[关于yolo配置文件以及训练时各参数的含义]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435621</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435621</guid><author>diebiao6526</author><pubDate>Wed, 18 Sep 2019 18:29:00 +0800</pubDate><description><![CDATA[一、配置文件yolo.cfg

[net]
# Testing            ### 测试模式                                          
# batch=1
# subdivisions=1
# Training           ### 训练模式，每次前向的图片数目 = batch/subdivisions 
batch...]]></description><category></category></item><item><title><![CDATA[MLGBD终于搞定了，将python脚本打包成exe可执行文件]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435624</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435624</guid><author>diebiao6526</author><pubDate>Wed, 18 Sep 2019 15:22:00 +0800</pubDate><description><![CDATA[1.下载pyinstaller
我是使用git下载的

git clone https://github.com/pyinstaller/pyinstaller

2.下载pywin32相应版本并安装

一路next安装即可
3.在pyinstaller文件夹下打开terminal（Shift + 鼠标右键，选择在此处打开命令窗口）

python pyinstal...]]></description><category></category></item><item><title><![CDATA[使用dilb实现人脸检测、识别]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435619</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435619</guid><author>diebiao6526</author><pubDate>Wed, 18 Sep 2019 11:17:00 +0800</pubDate><description><![CDATA[使用dlib实现人脸检测与识别需要先下载以下两个文件：

以下是检测代码：

import dlib
import numpy as np
import cv2
detector = dlib.get_frontal_face_detector()  # 加载正脸检测器，使用dlib
sp = dlib.shape_predictor("dlibModel/shape_...]]></description><category></category></item><item><title><![CDATA[ImportError: libSM.so.6: cannot open shared object file: No such file or directory解决]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435622</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435622</guid><author>diebiao6526</author><pubDate>Tue, 10 Sep 2019 15:17:00 +0800</pubDate><description><![CDATA[Python3环境下在docker虚拟机下安装了opencv以后，在使用的时候出现以下报错，import cv2 提示
ImportError: libSM.so.6: cannot open shared object file: No such file or directory
解决步骤
sudo apt-get update
sudo apt-get install -...]]></description><category></category></item><item><title><![CDATA[Tensorflow笔记之（学习率）]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435617</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435617</guid><author>diebiao6526</author><pubDate>Mon, 09 Sep 2019 11:30:00 +0800</pubDate><description><![CDATA[学习率learning_rate: 学习率表示每次参数更新的幅度
1.而参数的更新是遵照这个公式：Wn+1 = Wn - learning_rate *▽
Wn+1：更新后的参数
Wn：当前参数
learning_rate：学习率
▽：损失函数的梯度（导数）
也就是参数的更新向着梯度下降的方向
那么下面详细看一下学习率是如何影响参数的更新的
2.定义损失函数 loss...]]></description><category></category></item><item><title><![CDATA[opencv调用yolo3]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435620</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435620</guid><author>diebiao6526</author><pubDate>Sun, 08 Sep 2019 14:32:00 +0800</pubDate><description><![CDATA[# coding:utf-8

import cv2
import argparseimport numpy as np

parser = argparse.ArgumentParser(description='manual to this script')
parser.add_argument("--videoOrImage", default=0)
args ...]]></description><category></category></item><item><title><![CDATA[darknet-yolov3训练自己的数据集（超详细）]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435618</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435618</guid><author>diebiao6526</author><pubDate>Sat, 07 Sep 2019 16:30:00 +0800</pubDate><description><![CDATA[一、标注工具（labelimg）
1.下载地址

2.双击运行

3.保存后的文件为xml格式

二、下载编译darknet
1.拉取darknet

git clone https://github.com/pjreddie/darknet
cd darknet

2.修改配置文件Makefile（如何使用gpu可参考）

GPU=1 #如果使用GPU设...]]></description><category></category></item><item><title><![CDATA[docker中使用gpu（darknet-yolo，tensorflow）]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435616</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435616</guid><author>diebiao6526</author><pubDate>Sat, 07 Sep 2019 11:03:00 +0800</pubDate><description><![CDATA[（1）安装nvidia-docker
　　nvidia-docker其实是docker引擎的一个应用插件，专门面向NVIDIA GPU，因为docker引擎是不支持NVIDIA驱动的，安装插件后可以在用户层上直接使用cuda。具体看上图。这个图很形象，docker引擎的运行机制也表现出来了，就是在系统内核之上通过cgroup和namespace虚拟出一个容器OS的用户空间，我不清楚这是...]]></description><category></category></item><item><title><![CDATA[Linux下常用文件解压（包括RMP、DEB的解压方法）]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435615</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435615</guid><author>diebiao6526</author><pubDate>Fri, 06 Sep 2019 19:26:00 +0800</pubDate><description><![CDATA[1.以.a为扩展名的文件:
#tar xv file.a

2.以.z为扩展名的文件:
#uncompress file.Z

3.以.gz为扩展名的文件:
#gunzip file.gz

4.以.bz2为扩展名的文件:
#bunzip2 file.bz2

5.以.tar.Z为扩展名的文件:
#tar xvZf file.tar.Z
或#comp...]]></description><category></category></item><item><title><![CDATA[E: 无法获得锁 /var/lib/apt/lists/lock - open (11 资源临时不可用)]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435549</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435549</guid><author>diebiao6526</author><pubDate>Fri, 06 Sep 2019 14:46:00 +0800</pubDate><description><![CDATA[用sudo apt-get update时出现“ E: 无法获得锁 /var/lib/apt/lists/lock”错误。
在网上搜索到的解决方案──“将/var/lib/apt/list/lock删除掉即可”──其实是一种极端的情况，也就是在上次更新没有正常关闭的情况下使用。
在大部分情况下，问题的原因在于其它的程序如系统的自动更新、新立得等正在使用apt-get进程，所以解决方法...]]></description><category></category></item><item><title><![CDATA[Tensorflow笔记之（损失函数）]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435614</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435614</guid><author>diebiao6526</author><pubDate>Thu, 05 Sep 2019 17:40:00 +0800</pubDate><description><![CDATA[常用的损失函数有：    1.均方误差： tf.reduce_mean(tf.square(真实值 - 预测值))    2.自定义损失函数：    3.交叉熵：tf.nn.softmax_cross_entropy_with_logits(lables = 真实值, logits = 预测值)
通过预测酸奶日销量与影响因素x1,x2之间关系，理解损失函数的用法。
1.均方误差： t...]]></description><category></category></item><item><title><![CDATA[FTP常用命令]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435613</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435613</guid><author>diebiao6526</author><pubDate>Thu, 05 Sep 2019 09:50:00 +0800</pubDate><description><![CDATA[一、ftp的get命令和mget命令有何不同？
get一次只下载一个文件；mget一次可以下载多个文件，而且支持通配符，需要注意的是在mget的时侯，需要对每一个文件都选择y/n，如果想不交互的下载全部的文件，可以先用prompt命令关掉交互方式（关闭：prompt off；打开：prompt on）。
二、FTP使用什么命令来定位服务器与本地硬盘的路径？
ftp中用lcd切换本地...]]></description><category></category></item><item><title><![CDATA[Windows 下开启FTP服务并创建FTP用户]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435612</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435612</guid><author>diebiao6526</author><pubDate>Thu, 05 Sep 2019 09:48:00 +0800</pubDate><description><![CDATA[一、创建用于登入 FTP 的用户。打开计算机管理程序，依次点击左侧本地用户组–&gt;用户，右侧空白处右击点击“新用户”。

填写用于登入FTP服务器的新用户信息，如下图所示

点击创建完成新用户创建，在新弹出的窗口中点关闭，到此新用户创建完成



二、开启 FTP 服务控制面板中找到程序和功能，在左侧的菜单点击“打开或关闭Windows功能”，在弹窗的窗口中勾选F...]]></description><category></category></item><item><title><![CDATA[使用tensorflow训练模型时可能出现nan的几种情况]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435611</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435611</guid><author>diebiao6526</author><pubDate>Wed, 04 Sep 2019 17:23:00 +0800</pubDate><description><![CDATA[最近在做基于MTCNN的人脸识别和检测的项目，在训练模型的过程中总是会不定时地出现损失值为nan的情况，Debug了好久终于找到了问题所在，这里总结以下可能出现nan的几种情况：
1、在分类问题中，我们经常使用到交叉熵损失函数，需要注意的是：由于交叉熵损失函数里有对数计算，因此对数的真数部分不能为0，所以我们在计算计算交叉熵时需要给这个真数部分限定一个范围，否则会出现数值下溢的问题，我...]]></description><category></category></item><item><title><![CDATA[Tensorflow训练识别自定义图片]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435609</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435609</guid><author>diebiao6526</author><pubDate>Tue, 03 Sep 2019 15:43:00 +0800</pubDate><description><![CDATA[很多正在入门或刚入门TensorFlow机器学习的同学希望能够通过自己指定图片源对模型进行训练，然后识别和分类自己指定的图片。但是，在TensorFlow官方入门教程中，并无明确给出如何把自定义数据输入训练模型的方法。现在，我们就参考官方入门课程《Deep MNIST for Experts》一节的内容(传送门：https://www.tensorflow.org/get_started...]]></description><category></category></item><item><title><![CDATA[从TensorFlow的mnist数据集导出手写体数字图片]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435576</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435576</guid><author>diebiao6526</author><pubDate>Tue, 03 Sep 2019 14:55:00 +0800</pubDate><description><![CDATA[在TensorFlow的官方入门课程中，多次用到mnist数据集。
mnist数据集是一个数字手写体图片库，但它的存储格式并非常见的图片格式，所有的图片都集中保存在四个扩展名为idx3-ubyte的二进制文件。
如果我们想要知道大名鼎鼎的mnist手写体数字都长什么样子，就需要从mnist数据集中导出手写体数字图片。了解这些手写体的总体形状，也有助于加深我们对TensorFlow入门...]]></description><category></category></item><item><title><![CDATA[opencv形态学操作之开运算、闭运算]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435599</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435599</guid><author>diebiao6526</author><pubDate>Tue, 03 Sep 2019 10:45:00 +0800</pubDate><description><![CDATA[原图：

开运算：
先腐蚀后膨胀叫开运算（因为先腐蚀会分开物体，这样容易记住），其作用是：分离物体，消除小区域。这类形态学操作用cv2.morphologyEx()函数实现：
下面两份代码分别对应通过先腐蚀后膨胀的效果 和 直接通过开运算的效果

import cv2
import numpy as np

img = cv2.imread("zw.jpg", 0)
...]]></description><category></category></item><item><title><![CDATA[opencv形态学操作之腐蚀、膨胀]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435574</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435574</guid><author>diebiao6526</author><pubDate>Tue, 03 Sep 2019 10:15:00 +0800</pubDate><description><![CDATA[1.腐蚀
腐蚀的效果是把图片"变瘦"，其原理是在原图的小区域内取局部最小值。因为是二值化图，只有0和255，所以小区域内有一个是0该像素点就为0：

import cv2
import numpy as np

img = cv2.imread("666.jpg", 0)
kernel = np.ones((3, 3), np.uint8)
erodtion = cv2....]]></description><category></category></item><item><title><![CDATA[Tesseract 4使用教程（一）]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435596</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435596</guid><author>diebiao6526</author><pubDate>Fri, 30 Aug 2019 16:43:00 +0800</pubDate><description><![CDATA[1.下载
tesseract下载地址：https://digi.bib.uni-mannheim.de/tesseract/

其中文件名中带有dev的为开发版本，不带dev的为稳定版本，可以选择下载不带dev的版本。
2.双击安装



一路next 到 如下界面



选择需要的语言，选中后在安装过程会下载勾选的语言，可能需要翻墙，下载不下来只能单...]]></description><category></category></item><item><title><![CDATA[关于opencv图片坐标系的理解]]></title><link>https://blog.youkuaiyun.com/diebiao6526/article/details/101435594</link><guid>https://blog.youkuaiyun.com/diebiao6526/article/details/101435594</guid><author>diebiao6526</author><pubDate>Thu, 29 Aug 2019 10:38:00 +0800</pubDate><description><![CDATA[坐标体系中的零点坐标为图片的左上角，X轴为图像矩形的上面那条水平线；Y轴为图像矩形左边的那条垂直线。X，Y均为正数，该坐标体系在诸如结构体Mat,Rect,Point中都是适用的。

img = np.zeros((500, 500, 3), dtype=np.uint8)
img[:, :, :] = 255
cv2.rectangle(img, (100, 100), (40...]]></description><category></category></item></channel></rss>