yolov4的博客

从零开始到ubuntu14.04系统+nvidia显卡驱动+cuda8.0+cudnn5.1+tensorflow(pytorch)最近花了几天时间，将实验室的一台服务器从零到Ubuntu14.04系统，nvidia显卡驱动，cuda8.0+cudnnv5，tensorflow，pytorch安装好。中间遇到过无数个问题，现在将这个过程的步骤和问题记录下来，方便以后查看。环境配置说简单也简...

1. u盘制作ubuntu14.04系统2. 安装ubuntu14.04系统3.ubuntu14.04安装显卡先看看本机的显卡：spci |grep -i nvidia下载官方驱动程序打开终端，先删除旧的驱动：sudo apt-get remove –purge nvidia*3禁止集成的nouveau驱动Ubuntu系统集成的显卡驱动程序是nouveau...

机器学习值得看的博客（更新中…）CNN目标检测与分割（一）：Faster RCNN详解 Faster RCNN详解Faster RCNN代码理解（Python） Faster RCNN代码理解3.Python 读取csv的某行（python代码基础） Python 读取csv的某行对检测做了一个总结、收集Object Detection

x = tf.placeholder(tf.float32, shape=(1024, 1024)) y = tf.matmul(x, x) with tf.Session() as sess: print(sess.run(y)) # ERROR: 此处x还没有赋值. rand_array = np.random.rand(1024, 1024) print(sess

# -*- coding: utf-8 -*-import tensorflow as tf# 创建一个常量 op, 产生一个 1x2 矩阵. 这个 op 被作为一个节点# 加到默认图中.## 构造器的返回值代表该常量 op 的返回值.matrix1 = tf.constant([[3., 3.]])# 创建另外一个常量 op, 产生一个 2x1 矩阵.matrix2 = tf.const

ython中os.walk是一个简单易用的文件、目录遍历器，可以帮助我们高效的处理文件、目录方面的事情。1.载入 要使用os.walk,首先要载入该函数可以使用以下两种方法import osfrom os import walk2.使用os.walk的函数声明为:walk(top, topdown=True, onerror=None, followlinks=False)参数top 是你所要便

tensorflow.contrib.layers在tf.contrib.layers内部，有许多产生layer操作及其相关权重和偏差变量的函数。 1. tf.contrib.layers.optimizers模块,包括的优化器有Adagrad，SGD，Momentum等。它们用来解决数值分析的优化问题，比如，优化参数空间寻找最优模型； 2. tf.contrib.layers.regula

cnn学习笔记ReLU（修正线性单元）层在每个卷积层之后，通常会立即应用一个非线性层（或激活层）。其目的是给一个在卷积层中刚经过线性计算操作（只是数组元素依次（element wise）相乘与求和）的系统引入非线性特征。过去，人们用的是像双曲正切和 S 型函数这样的非线性方程，但研究者发现 ReLU 层效果好得多，因为神经网络能够在准确度不发生明显改变的情况下把训练速度提高很多（由于计算效率增加）

Faster RCNN github : https://github.com/rbgirshick/py-faster-rcnnFaster RCNN paper : https://arxiv.org/abs/1506.01497Bound Box Regression详解 : http://download.youkuaiyun.com/download/zy1034092330

如何在windows上安装tensorflow+gpuwindows安装tensorlfow一定是要gpu版本安装流程先安装cuda+cudnn然后将cudnn里面文件考到装好的cuda中，网上很多教程Anaconda下载安装官网的中的安装tensorflow步骤 参考步骤一 参考步骤二 内容大同小异，一般都能安装成功 6.最后import tensorflow as tf会报错，

DeepLung论文笔记论文主要思路 DeepLung contains two parts,nodule detection and classification. 3D Faster R-CNN is designed for nodule detection gradient boosting machine(GBM) with 3D dual path network (

匿名函数在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算f(x)=x2时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：>>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))[1, 4, 9, 16, 25, 36, 49, 64, 81]通过对比可以看出，匿名函数lambda x: x * x实

生成器通过列表生成式，我们可以直接创建一个列表。>>> L = [x * x for x in range(10)]>>> L[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]迭代器我们已经知道，可以直接作用于for循环的数据类型有以下几种：一类是集合数据类型，如list、tuple、dict、set、str等；一类是generator，包括生成器和带yield的g

python学习笔记2输入和输出 print()会依次打印每个字符串，遇到逗号“,”会输出一个空格，因此，输出的字符串是这样拼起来的字符编码 Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题。 字母A用ASCII编码是十进制的65，二进制的01000001；字符0用ASCII编码是十进制的48，二进制的00110000，注意字符’0’和整数0是不同的；汉字中已经超出了ASC

python入门笔记 打印字符 前面加一个 #coding=gbk

matlab nargin 用法nargin是用来判断输入变量个数的函数，这样就可以针对不同的情况执行不同的功能。通常可以用他来设定一些默认值，如下面的函数。例子，函数test1的功能是输出a和b的和。如果只输入一个变量，则认为另一个变量为0，如果两个变量都没有输入，则默认两者均为0。function y=test1(a,b) if nargin==0 a=0;b=0; elseif narg

imshow()和image()区别image显示出来应该有坐标框，imshow没有。还有一点就是image要将图像按坐标轴的大小来显示（无论axes或者figure都会有坐标轴的），要将坐标轴平面铺满，而不管原图片的大小和比例是多少，因为image是将图片作为一个数组来呢显示的，这样就极有可能造成图像的失真。而imshow则是按照原图像的像素大小比例来显示的，显示的是就是原图片，而且不会有坐标