further_Yan的博客

原创 cv2相关参数

0 CV_CAP_PROP_POS_MSEC Current position of the video file in milliseconds or video capture timestamp.1 CV_CAP_PROP_POS_FRAMES 0-based index of the frame to be decoded/captured next.2 CV_CAP_PROP_POS_AVI_RATIO Relative position of the video file: 0 - star

原创 用yolov5训练自己的数据集出现的问题

整个修改过程参考：yolov5训练自己的数据集1.ValueError：expected sequence of length 6 at dim but got 5（类似这样的问题）问题分析：当自己修改聚类锚框ratio的时候，不知道什么原因，修改成自己生成的就会出现上述错误。2.imge.cache 问题...

原创 yolov5-deepsort:AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘

原创 解决复现video-feature-extractor过程中的问题2

video_feature_extractor1在复现video-extractor中，我需要的是一个统一尺寸的特征图，但是它的输出大小不一样。后来整了很长时间，一直以为是sampler中存在的问题，改了很多，一点用没有，最后发现是video-loader中存在的问题。1、之前提取的特征尺寸老是不一样，特征shape和视频长短相关。经过仔细阅读源码，发现是是ffmpeg中关于提取视频帧设置有一定的问题。在videoLoader中ffmpeg默认参数抽取频率为1fps为了将不同长度的视频提取相同数

原创 在复现video-extractor中出现的问题

安装相关包出现视频数据already processed存在问题：1、视频途径有问题 2、视频数据有问题

原创 conda如何换国内的镜像源

换镜像的方法conda config --add channels [镜像源网址]vim ~/.condarc 编辑配置镜像源文件第一种换了也下载不了，老是显示在以下镜像源中找不到自己下载的包第二种也下载不了。太久没装环境了，系统被人破坏了之后，配环境的时候出各种问题，最后看了自己的笔记本上当初配置的环境，然后把服务器患上了之前用的镜像源就好了。channels: - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ -

原创 最后完美解决pip没法用的问题

自己用pip下载包的时候一次都没成功，搞个环境搞好几天了。走过太多坑了，现在我把自己的解决办法贴出来出现上述问题，更新pip也没用，完全用不了。pip install --upgrade pip -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.compip install --upgrade pip -i http://mirrors.aliyun.com/pypi/simple/ --trusted-

原创 配置Ubuntu相关深度学习环境

配置深度学习环境的准备工作

原创 python面向对象的语言特性

1、类的初始化class Student(object): def __init__(self, name='dasd', score=10): self.name = name self.score = score def print_score(self): print("%s, %d"%(self.name, self.score)) def __pos__(self): print("__pos__")

原创 解析复杂深度学习项目构建

从tea出发 start_time = datetime.datetime.now() args = parser.parse_args()导入相关参数 num_class, args.train_list, args.val_list, prefix = dataset_config.return_dataset(args.dataset,

原创 TypeError: ‘tuple‘ object is not callable

复现机器学习KNN出现的错误。def createDataset(): group = array([[1.0, 1.1],[1.0, 1.0], [0, 0], [0, 0.1]]) labels = ['A','A','B','B'] return group, labelsdef classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape(0) diffMat = tile(inX, (

原创 vscode_gdb_C++

现阶段好点的编译器都是模块化1.以vscode为主，需要下载相关g++编译文件、环境文件1、vscode属于写代码的ide2、minGW包含相应的编译器

原创 yolov3_deepsort的实现过程及其存在的问题分析

基于pytorch的复现本教程的实现基于Yolov3_deepsort_pytorch创建环境配置运行代码实验过程该代码实现过程非常容易，本人在Ubuntu16.04上进行相关实验。首先需要下载相关代码到服务器（必要)方法1：直接下载到本地，然后上传至服务器方法2：git clone https://github.com/mikel-brostrom/Yolov3_DeepSort_Pytorch如果你使用pycharm，最好使用的方法1。创建环境创建环境conda create

原创 目前待解决的问题

问题过拟合网络结构改善调参整理相关数据集如何进行模型的随机初始化模型如何进行可视化损失函数可视化创造解决函数

原创 ML学习笔记1——KNN

k-近邻算法其特点优点缺点适用数据范围精度高、对异常值不敏感、无数据假设输入计算复杂度高、空间复杂度高数值型和标称型KNN定义：将所有带分类的事物进行特征化，测量不同特征值之间的距离方法，然后进行分类具体过程如下收集数据：可以使用任何方法准备数据 将收集到的数据进行特征化分析数据 可以使用任何方法训练算法 该算法一般不用训练测试算法 计算错误率使用算法 首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法判定输入数据

原创 T2N

自建网络class TEModule(nn.Module): expansion = 4 def __init__(self, channel, reduction=16, n_segment=8): expansion=4 super(TEModule, self).__init__() self.channel = channel self.reduction = reduction self.n_segm

原创 torch.permute()/torch.cat()/torch.add()

维度转换在torch中应用卷积的时候，我们有时候遇到一些问题。1.卷积维度合并// An highlighted blockx0 = torch.rand(3, 224, 224)x1 = torch.rand(3, 224, 224)y0 = torch.cat((x0, x1),0).size()print(y0)y1 = torch.add(x0,x1).size()print(y1)输出结果2 维度变换尺度对应，当然tensor.view()还有其他用法，具体参考源码//