- 博客(83)
- 收藏
- 关注
RSS订阅原创 通过 WSL 2（Windows Subsystem for Linux 2）运行基于 Linux 的容器,怎么在浏览器中打开镜像默认页
在 Docker Desktop 的设置中，导航到 “Resources” -> “WSL Integration”，确保相应的 WSL 分发版已启用。本地主机访问：打开 Windows 系统的浏览器，在地址栏输入 http://localhost:8080 或 http://127.0.0.1:8080。容器内服务问题：如果容器内的服务没有正常启动，也无法访问。如果看到 nginx:latest 容器正在运行，并且端口映射显示为 0.0.0.0:8080->80/tcp，则表示容器已成功启动。
2025-02-20 22:13:01
383
原创 【YOLO算法训练数据标签】XML格式标签文件转换为txt格式
训练YOLO模型时，其目标检测标签文件为txt格式，并且其内容格式为：一行一个目标，每行包括类别ID、目标在图像中的归一化Bounding Box（以图片宽度和高度为单位），用空格分隔。而有时遇到的目标检测标签为xml格式，所以这是就要我们将其进行格式转换，以适合于YOLO模型的训练。
2023-12-18 15:59:05
1128
原创 【YOLO算法训练数据集处理】缩放训练图片的大小，同时对图片的标签txt文件中目标的坐标进行同等的转换
已知文件夹a中存放着批量图片，文件夹b中存放着文件夹a中每张图片对应的标签文件.txt，现要求将文件夹a中的图片缩放为256像素*256像素，并且对文件夹b中的标签文件中的目标的坐标进行同等变换，然后将缩放后的图片另存到文件夹c中，同等变换后的标签文件另存到文件夹d中。在训练一个自己的yolo模型目标检测模型时，使用公共数据集时，通常要将图片缩放处理，而此时图片对应的标签文件中目标的坐标也应进行同等的变换，这样才能保证模型的正确训练。上述代码同时实现了将图片进行缩放和其对应标签文件的同等变换。
2023-12-18 14:32:04
3991
6
原创 【论文公式编辑器mathtype】mathtype下载地址与安装、使用
选择“是”，即退出MathType，并将编辑好的公式插入到文档中了；链接：https://pan.baidu.com/s/1QcrL5zASptYkAi64HU63og。链接：https://pan.baidu.com/s/1ZzG0XOUa3HuTP4Im5HBBzA。1.打开office2016 word，点击“插入”—“对象”，在对象右侧的下拉按钮选择对象（J）；3、在“对象类型”中选择“MathTypeEquation”，单击“确定”；2、弹出的插入对象对话框，选择“新建”按钮；
2023-12-16 10:07:50
8945
原创 【深度学习】教你怎样远程连接云服务器跑自己本地电脑上的代码
如上图红色标的1区和2区分别是本地环境和云服务器环境，在这个地方可以将本地的文件（比如数据集）等上传到云服务器（可以直接从桌面拖到2区进行上传），也可将云服务器的文件下载到本地，下载一般就下载到1区的地方了。点击“倒三角”如下“，进一步选择前面配置的环境----- ssh -p 37792 root@connect.westb.seetacloud.com。刚创建完环境是默认‘有卡开机的’，有卡开机比较费钱，所以先将其关机，再以无卡的模式开机，从而进行后续环境配置操作。
2023-10-08 23:10:56
6650
5
原创 【GAN对抗性损失函数】以CycleGAN和PIX2PIX算法的对抗性损失的代码为例进行讲解
方法中获得，表示目标标签，可以是真实样本标签或虚假样本标签。为了与判别器的输出张量进行元素级别的比较，需要将目标标签张量的尺寸扩展为与判别器输出相同的形状。在生成对抗网络（GAN）中，判别器的输出通常是一个张量，表示样本为真实样本的概率或得分。为了计算损失，需要创建与判别器输出相同尺寸的目标标签张量。通过将目标标签张量的尺寸扩展为与判别器输出相同的尺寸，可以确保在计算损失时每个生成样本或真实样本的标签都与对应的判别器输出进行比较。张量相同的新张量，其中新张量的元素以。的元素进行填充或重复，以便与。
2023-10-01 20:51:28
1100
原创 【opencv-python编程】将文件夹中的特定图片分类到另外文件夹中，并且命名为原文件名的固定部分
【代码】【opencv-python编程】将文件夹中的特定图片分类到另外文件夹中，并且命名为原文件名的固定部分。
2023-09-30 13:44:26
209
原创 【Anaconda环境问题】在anaconda中创建虚拟环境失败的解决方法
【代码】【Anaconda环境问题】在anaconda中创建虚拟环境失败的解决方法。
2023-08-27 17:15:41
4495
1
原创 【Python编程】将同一种图片分类到同一文件夹下，并且将其分类的路径信息写成txt文件进行保存
将同一种图片分类到同一文件夹下，并且将其分类的路径信息写成txt文件进行保存
2023-08-25 18:20:21
877
原创 【Python编程】将格式为npy的图片转换为png格式，然后保存到另外文件夹中，并且保存的文件名与原来保持一致
将格式为npy的图片转换为png格式，然后保存到另外文件夹中，并且保存的文件名与原来保持一致
2023-06-27 22:37:23
1159
原创 【Python编程】将格式为ppm和pgm的图片批量转换为png或jpg格式的图片
用python语言编程实现将格式为ppm或pgm的图片批量转换为png或jpg格式的图片，然后将转换后的图片保存到另外文件夹中，并且保证转换后的图片的保存是以转换之前的图片的文件名字一致。
2023-06-27 21:42:38
1396
原创 【GAN】Spectral Normalization 谱归一化-原理及实现
谱归一化由论文《Spectral Normalization For Generative Adversarial Networks》提出。原生 GAN 的目标函数等价于优化生成数据的分布和真实数据的分布之间的 J-S 散度 (Jensen–Shannon Divergence)。而由于二者间几乎不可能有不可忽略的重叠，所以无论它们相距多远JS散度都是常数log2，最终导致生成器的梯度（近似）为0，梯度消失。也就是说判别器训练越好，生成器梯度消失越严重。
2023-03-28 23:37:07
4426
1
原创 【CNN】ShuffleNet系列（V1,V2）
ShuffleNetV1：提出使用组卷积优化1X1卷积，来降低Flops；同时提出channel shuffle的概念来增加不同组间数据的交互；ShuffleNetV2：提出了设计轻量快速模型的四个准则；并根据准则重新优化了shufflenet网络结构，具体讨论和分析见上文。原文链接。
2023-03-13 14:37:34
950
原创 【Python】UserWarning: Argument interpolation should be of type InterpolationMode instead of int 解决方案
不管你的电脑上的这两个包的版本是多少，都根据上述方法，将版本改掉，即可消除警告。这其实是torchvision和pillow不兼容导致的。再将pillow降到6.2.2即可。
2023-03-07 21:32:25
2019
原创 【CNN】FractalNet——与DenseNet有异曲同工之妙
ResNet收敛快，但还是要经过基本的卷积结构，卷积通用的问题是缺少有效的正则化方法。所以其实FratalNet也算是ResNet的近亲，这大概也是为什么业界还是ResNet用得多的原因吧——反正都差不多，不如挑个结构最简单的。观察上图中左半部分，描述的是网络的单个模块（block）的结构。注意，这里的fC不是CNN中常用到的全连接层， 而是指分形次数为 C 的模块。（6）f4(z)作为一个block，如图中最右边的网络所示，完整的网络接了5个block，block之间用Pool层连接，最后是预测层。
2023-03-01 09:53:40
271
原创 【CNN】DenseNet——从特征角度考虑的神经网络
作为CVPR2017年的Best Paper， DenseNet脱离了通过加深网络层数(VGG，ResNet)和加宽网络结构(GoogLeNet)来提升网络性能的定式思维，从特征的角度考虑, 通过特征重用和旁路(Bypass)设置，既大幅度减少了网络的参数量，又在一定程度上缓解了梯度弥散问题的产生。结合信息流和特征复用的假设， DenseNet当之无愧成为2017年计算机视觉顶会的年度最佳论文。先列下DenseNet的几个优点，感受下它的强大：1、减轻了vanishing-gradient（梯度消失）
2023-03-01 09:17:20
901
1
原创 【项目实战】北京二手房房价分析与预测
本项目根据个人需求进行北京二手房信息的数据分析，通过数据分析观察住房特征规律，利用机器学习模型进行简单的预测。
2023-02-06 22:51:22
3549
3
原创 【Unet系列】（四）Unet3+网络
Unet3+使用全尺度的跳跃连接把不同尺度的特征图相融合，并且通过深度监督从多尺度聚合的特征图中学习特征表达，此外还提出了一种混合损失函数，将分类任务和分割任务相结合可以增强器官边界和减少非器官图像的过度分割，从而获得更准确的分割结果。
2023-02-06 22:46:44
1024
原创 【Unet系列】（三）Unet++网络
Unet++主要是探索encoder和decoder需要多大的问题，以此为基础，提出了融合不同尺寸Unet结构的网络。创新点就是把不同尺寸的Uent结构融入到了一个网络里。
2023-02-06 21:42:42
7000
2
原创 【Unet系列】（二）Unet网络
简单说，就是编码解码的过程。并且还引入了特征拼接操作。Unet包括两个部分。第一部分是特征提取，与VGG类似，特征提取部分每经过一个池化层就是一个尺度，包括原图尺度一共5个尺度。第二部分为上采样部分，上采样部分，每采样一次就和特征提取部分对应的通道数相同尺度拼接，但是拼接之前要将其crop。
2023-02-06 20:53:11
1141
原创 【Python】import SimpleITK as sitk
origin就是原点的坐标，direction大概是轴的方向，spacing就是每个像素间所代表的真实世界的距离。对这些有一个大概的认识后，实际使用中，我们只需要以原图为基准，将不同网络输出预测结果的元数据属性设置成和原图一样就可以了，这样用3D Slicer打开时位置就能对应起来，需要注意的是保存前的numpy轴的顺序必须得是[z, y, x]，否则需要先交换再设置元数据属性，这样才是正确的！
2023-02-04 14:41:09
1406
1
原创 【深度学习数学基础之线性代数】研究使用链式法则进行反向传播的求导算法
简单的说链式法则就是原本y对x求偏导，但是由于过程较为复杂，我们需要将函数进行拆分，通过链式进行分别求导，这样会使整个计算更为简单。假设f = k ( a + b c ) f = k(a + bc)f=k(a+bc)通俗来说，链式法则表明，知道z相对于y的瞬时变化率和y相对于x的瞬时变化率，就可以计算z相对于x的瞬时变化率作为这两个变化率的乘积。其实就是求复合函数导数的过程。用链式法则（将这些梯度表达式链接起来相乘。
2023-01-20 10:57:26
1724
原创 【Python】module ‘albumentations.augmentations.transforms‘ has no attribute ‘RandomRotate90‘
AttributeError: module ‘albumentations.augmentations.transforms’ has no attribute ‘RandomRotate90’AttributeError: module ‘albumentations.augmentations.transforms’ has no attribute ‘Flip’AttributeError: module ‘albumentations.augmentations.transforms’ has
2023-01-19 22:36:28
3086
1
原创 【Python】安装albumentations时安装opencv-python-headless报错
albumentations库依赖opencv，在直接使用pip命令安装时，albumentations会默认采用opencv-python-headless作为opencv的默认依赖进行安装，由于opencv系列有多个版本，所以我们可以选择绕开，将albumentations依赖的opencv指向已经安装好的opencv-python库。python环境下安装albumentations出现的,该库经常用于图像增强，在cv领域有很大的知名度。在使用下边的命令进行安装后。
2023-01-19 22:00:13
8790
15
原创 【Pytorch基础（3）】张量的拼接，拆分与统计
张量的拼接主要通过cat()和stack()函数实现。其中torch.cat([a, b], dim=n)是在n维度上进行两个张量的拼接，其参数n的含义代表要进行拼接操作的维度，a和b则代表要拼接的张量。在使用cat()方法时需要注意的是两个张量除了拼接的维度可以不同，其他的维度必须相同，否则会报错。示例如下：torch.stack([a, b], dim=n)是拼接两个张量a，b时，在维度n之前生成一个新的维度。
2023-01-19 20:37:04
1941
原创 【Pytorch基础(2)】张量的索引，切片与维度变换
举例如下：[2, 3, 32, 32] + [3,1,1] 是不能直接相加的。Broadcast机制会先将 [3,1,1] 增加新维度变为 [1, 3, 1, 1] (等价于unsqueeze()方法)，然后再将 [1, 3, 1, 1]扩展维度为 [2, 3, 32, 32] (等价于expand()方法)从某种程度上说，
2023-01-19 19:50:15
3268
原创 【数据库实验（6）】完整性约束
if new . sgender not in('男' , '女') then set mesg = 'error ssex';END if;end if;
2022-11-30 21:19:40
2364
原创 【CNN】MobileNet——卷积神经网络中轻量级的经典
作者实验发现 V2 网络最后一部分结构可以优化，如Figure5所示，原始的结构用 1x1 的卷积来调整 feature 的维度，从而提高预测的精度，但是这一部分也会造成一定的延时，为了减少延时，作者把 average pooling 提前，这样的话，这样就提前把 feature 的 size 减下来了（pooling 之后 feature size 从 7x7 降到了 1x1）。这样一来延时减小了，但是试验证明精度却几乎没有降低。
2022-11-22 23:29:27
2527
Docker Desktop 借助 Docker Desktop for Windows 中支持的 WSL 2 后端，可以在基于 Linux 的开发环境中工作并生成基于 Linux 的容器
2025-02-11
软件Windows Subsystem for Linux Update setup官方版，将WSL1升级到WSL2
2025-02-10
北京二手房博文csv数据
2023-08-02
python编程——python小游戏-五子棋——中小学编程竞赛
2022-08-23
在pytorch下基于卷积神经网络实现图像的验证
2022-11-19
关于#python#的问题：用cv2实现图片的分类存储
2022-08-29
TA创建的收藏夹 TA关注的收藏夹
TA关注的人