<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[double_double_的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/double_double_</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; double_double_]]></copyright><item><title><![CDATA[【TypeError: cannot pickle】向子进程传递参数]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/144294328</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/144294328</guid><author>double_double_</author><pubDate>Fri, 06 Dec 2024 16:08:39 +0800</pubDate><description><![CDATA[在 Python 的multiprocessing模块中，当使用spawn启动方式（Windows 下默认的多进程启动方式）时，会通过pickle模块对传递给子进程的对象进行序列化（pickle）操作，以便在子进程中能够还原这些对象。，所以当尝试将其作为参数传递给子进程（在创建read_process进程并启动时，cap也就是cv2.VideoCapture对象会被隐式传递，因为它在read_frames函数的参数中），就会抛出上述错误。将视频的地址传入子进程，而不是将读取后的cap传入。]]></description><category></category></item><item><title><![CDATA[【WANDB登录】yolo训练过程中WANDB报错问题]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/144188967</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/144188967</guid><author>double_double_</author><pubDate>Mon, 02 Dec 2024 15:15:12 +0800</pubDate><description><![CDATA[官方链接：https://github.com/ultralytics/ultralytics/issues/13856。如果想在使用深度学习训练脚本时永久关闭Weights & Biases (wandb)的自动日志记录功能，可以通过。在训练yolo11时出现wandb需要登录问题。上述方法在yolo11中不行，可以改变环境变量。2、代码中将wandb=None。1、注册账号，登录使用。]]></description><category></category></item><item><title><![CDATA[【语义分割】-入门-《Pytorch自动驾驶视觉感知算法实战》]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/144103083</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/144103083</guid><author>double_double_</author><pubDate>Thu, 28 Nov 2024 10:39:51 +0800</pubDate><description><![CDATA[另一种是除了高分辨率的输出外，还从较低层级的FPN特征图输出低分辨率的语义分割图，然后用降分辨率的真实值语义分割图形成辅助损失(Auxiliary Loss)，这样的好处是能够直接给融合后的低分辨率特征图提供直接的学习数据，对融合有直接的促进作用。如此便得到了一个和输入特征图一样大小的特征图，而这个特征图的信息经过了自顶向下的融合。模型的语义分支还输出4个分辨率大小不一的语义分割图，这4个语义分割图用于构造辅助损失，这些辅助性的输出结果仅在训练中使用，最终采用的输出结果为最右侧的语义分割图。]]></description><category></category></item><item><title><![CDATA[【已解决】python解决报错ImportError: Bad git executable.]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/142371550</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/142371550</guid><author>double_double_</author><pubDate>Thu, 19 Sep 2024 22:43:59 +0800</pubDate><description><![CDATA[运行代码出错。]]></description><category></category></item><item><title><![CDATA[【问题待解决】无法加载文件 WindowsPowerShell\profile.ps1系统编译问题]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/142367807</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/142367807</guid><author>double_double_</author><pubDate>Thu, 19 Sep 2024 19:22:50 +0800</pubDate><description><![CDATA[同下。]]></description><category></category></item><item><title><![CDATA[【python绘图字体】安装Times New Roman]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/135389415</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/135389415</guid><author>double_double_</author><pubDate>Thu, 04 Jan 2024 16:12:43 +0800</pubDate><description><![CDATA[在服务器上使用matplotlib绘图时，指定字体为新罗马，报错。在自己电脑上找到字体文件。复制到服务器对应位置。]]></description><category></category></item><item><title><![CDATA[【多实例学习】]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/135226857</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/135226857</guid><author>double_double_</author><pubDate>Tue, 26 Dec 2023 18:46:24 +0800</pubDate><description><![CDATA[多示例学习中的关键是找到示例与包之间的逻辑关系。常见的有三种【1】实例平均池化【2】最大池化【3】基于注意力机制的方法注意力机制（Attention Mechanism）是解决信息超载问题的主要手段的一种资源分配方案，将计算资源分配给更重要的任务。通俗且不是很严谨的说，就是一种被赋予了直观意义的权重，它决定着哪一部分信息更加重要。与上文结合来说，(1)和(2)可以认为是多示例问题中的一种硬性注意力。(1)中每个示例的注意力权重可以认为是1/n。]]></description><category></category></item><item><title><![CDATA[【交叉验证】bootstrapped 5-fold nested cross validation]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/134579527</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/134579527</guid><author>double_double_</author><pubDate>Thu, 23 Nov 2023 16:39:09 +0800</pubDate><description><![CDATA[其二、由于是对相同数据进行误差估计，所以会导致较高的偏差（当用可能的模型最佳超参数对相同的训练集和测试集进行误差的计算时，模型是有偏的，会导致较大偏差）。如果满足以上两个标准，就可以考虑使用嵌套交叉验证来计算数据，得到几乎无偏的估计误差，从而对比不同算法的表现。是指带有搜索模型最佳超参数功能的交叉验证，目的是给外层循环提供模型的最佳超参数。来创建数据的多个子集。是给内层循环提供训练数据，同时保留部分数据，以作对内层循环模型的测试。通过这样的方式，可以防止数据的信息泄漏，以得到相对较低的模型评分偏差。]]></description><category></category></item><item><title><![CDATA[【CPU占用】深度学习]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/134276943</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/134276943</guid><author>double_double_</author><pubDate>Tue, 07 Nov 2023 21:46:52 +0800</pubDate><description><![CDATA[主要针对pytorch框架。]]></description><category></category></item><item><title><![CDATA[【脑电】蒙太奇标准 montage]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/134022414</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/134022414</guid><author>double_double_</author><pubDate>Tue, 24 Oct 2023 22:01:54 +0800</pubDate><description><![CDATA[指在电极上记录的电位（我们称之为原始信号）与参考节点（例如连接到左耳的电极）之间的差异（差分电压记录信号）。在TUH数据集中，使用了**（1）平均参考（AR）和（2）链接耳朵参考（LE）。AR蒙太奇使用一定数量电极的平均值作为参考。LE montage使用引线适配器连接左右耳，提供更稳定的参考点。在TUEG中，LE和01_tcp_AR，02_tcp_LE，03_tcp_AR_a和04_tcp_e_a。每个蒙太奇都是基于所包含的信道类型。]]></description><category></category></item><item><title><![CDATA[【数据结构code】哈希表]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/132684114</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/132684114</guid><author>double_double_</author><pubDate>Tue, 26 Sep 2023 16:43:31 +0800</pubDate><description><![CDATA[储存第一个字符串中的每个字母出现的频次。在第二个数组中，减去每个字母出现的频次。此处字符串只包含了26小写字母，因此可以使用。需要保证每个字母出现的数量一样，即为有效—>true。因此需要判断某个字母是否在集合中---->哈希表。先创建数组，指定大小为26。]]></description><category></category></item><item><title><![CDATA[【数据结构学习】哈希表]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/132684102</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/132684102</guid><author>double_double_</author><pubDate>Tue, 26 Sep 2023 16:16:53 +0800</pubDate><description><![CDATA[总结一下，当我们遇到了要快速判断一个元素是否出现集合里的时候，就要考虑哈希法。但是哈希法也是牺牲了空间换取了时间，因为我们要使用额外的数组，set或者是map来存放数据，才能实现快速的查找。如果在做面试题目的时候遇到需要判断一个元素是否出现过的场景也应该第一时间想到哈希法！]]></description><category></category></item><item><title><![CDATA[【数据结构学习】队列与栈]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/132730941</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/132730941</guid><author>double_double_</author><pubDate>Thu, 07 Sep 2023 10:52:02 +0800</pubDate><description><![CDATA[先进后出，后进先出，并且只能在栈顶进出先进先出！操作：入队enqueue：放一个数据到队列尾部出队dequeue：从队列头部取一个元素队列也是一种操作受限制的线性表数据结构。]]></description><category></category></item><item><title><![CDATA[【数据结构code】链表]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/132490147</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/132490147</guid><author>double_double_</author><pubDate>Fri, 25 Aug 2023 10:48:03 +0800</pubDate><description><![CDATA[如果再定义一个新的链表，实现链表元素的反转，其实这是对内存空间的浪费。循环内部定义了temp指针。虚拟头节点的使用技巧。]]></description><category></category></item><item><title><![CDATA[【数据结构学习】链表]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/132488365</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/132488365</guid><author>double_double_</author><pubDate>Fri, 25 Aug 2023 10:25:40 +0800</pubDate><description><![CDATA[离散，分配机制取决于操作系统的内存管理链表是通过指针域的指针链接在内存中各个节点。所以链表中的节点在内存中不是连续分布的 ，而是散乱分布在内存中的某地址上，分配机制取决于操作系统的内存管理。]]></description><category></category></item><item><title><![CDATA[【数据结构学习】Day1 数组]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/132431475</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/132431475</guid><author>double_double_</author><pubDate>Fri, 25 Aug 2023 09:17:29 +0800</pubDate><description><![CDATA[因为数组在内存空间的地址是连续的，所以在删除或者增添元素的时候，需要移动其他元素的地址。C++中二维数组在地址空间上是连续的。1、数组在内存中的存储方式。上的相同类型数据的集合；获取到下标对应的数据。]]></description><category></category></item><item><title><![CDATA[【数据结构code】Day1]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/132431707</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/132431707</guid><author>double_double_</author><pubDate>Tue, 22 Aug 2023 17:46:08 +0800</pubDate><description><![CDATA[二分法是非常重要的基础算法，为什么很多同学对于二分法都是一看就会，一写就废？其实主要就是对区间的定义没有理解清楚，在循环中没有始终坚持根据查找区间的定义来做边界处理。区间的定义就是不变量，那么在循环中坚持根据查找区间的定义来做边界处理，就是循环不变量规则。本篇根据两种常见的区间定义，给出了两种二分法的写法，每一个边界为什么这么处理，都根据区间的定义做了详细介绍。]]></description><category></category></item><item><title><![CDATA[【报错】ValueError: Unable to create dataset (name already exists)]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/131934232</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/131934232</guid><author>double_double_</author><pubDate>Wed, 26 Jul 2023 22:12:02 +0800</pubDate><description><![CDATA[将 ‘.h5’ 保存为 ‘.tf’ 但是还是报错，这样 .tf是一个文件。将保存下来的h5文件读取一下。添加图层的初始化参数。]]></description><category></category></item><item><title><![CDATA[【mask_demo2】]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/131827358</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/131827358</guid><author>double_double_</author><pubDate>Thu, 20 Jul 2023 12:02:54 +0800</pubDate><description><![CDATA[【代码】【mask_demo2】]]></description><category></category></item><item><title><![CDATA[【tf.where()】理解]]></title><link>https://blog.youkuaiyun.com/double_double_/article/details/131710329</link><guid>https://blog.youkuaiyun.com/double_double_/article/details/131710329</guid><author>double_double_</author><pubDate>Thu, 13 Jul 2023 20:11:34 +0800</pubDate><description><![CDATA[保留a中，condition中true的位置。其余位置用b的对应位置去填。]]></description><category></category></item></channel></rss>