啊呜兮兮的博客

原创 切换为root用户后，conda:未找到命令

问题：切换为root用户后，conda:未找到命令 （anaconda）3 重置root密码：sudo passwd root。解决：在~/.bashrc配置里增加conda的路径。2 切换普通用户： su - username。1 切换root用户: su - root。或者直接exit也可以切换到root用户。备注： - 两边都有空格。1 修改.bashrc。

原创 jetson上docker中import torch的时候报OSError:libcurand.so.10找不到

项目场景：提示：这里简述项目相关背景：例如：项目场景：示例:通过蓝牙芯片(HC-05)与手机 APP 通信，每隔 5s 传输一批传感器数据(不是很大)问题描述提示：这里描述项目中遇到的问题：例如：数据传输过程中数据不时出现丢失的情况，偶尔会丢失一部分数据APP 中接收数据代码：@Override public void run() { bytes = mmInStream.read(buffer); mHandler.obtainMessage(READ_DATA, bytes,

原创 在 jetson 上 docker 中装 Cmake

时间：2022/4/15在 jetson 上 docker 中装 Cmake环境源码安装Cmake第一步 下载源码第二步 解压拷贝第三步 安装环境设 备：联想 EA-B310核心模块：NVIDIA Jetson Xavier NX系 统：系统自带的 ubuntu18.04使用该设备自带的 docker，用下面的命令启动了一个容器$ sudo docker run --runtime nvidia --network host -it -e DISPLAY=$DISPLA

原创 编译nms

编译nms：ModuleNotFoundError: No module named' xxx.nms.cpu_nms'说明缺少编译的nms在 https://github.com/hanlinshi/nms 下载nms代码这个里面包含了两个版本的nms里面的函数有所不同。自己可以查看一下。选择一个下载进行编译进入目录进行编译$ python3 setup.py build_ext --inplace运行以后会得到两个so文件，一个cpu_xxxx.so 一个 gpu_xxxx.so将这两

原创 from torchvision.models.utils import load_state_dict_from_url 报错ModuleNotFoundError

极简from torchvision.models.utils import load_state_dict_from_url 报错ModuleNotFoundError:No module named 'torchvison.models.utils>> torchvision.__version__>>'0.11.3版本不支持我降低到1.8.0就ok了

原创 jetson的docker中装torch、torchvision

极简：安装 torch 命令$ pip3 install torch -f https://torch.kmtea.eu/whl/stable-cn.html安装 torchvision 命令$ pip3 install torchvision -f https://torch.kmtea.eu/whl/stable-cn.html详细错误经历∠(°ゝ°)时间：2022/4/14环境设 备：联想 EA-B310核心模块：NVIDIA Jetson Xavier NX系

原创 在 jetson docker 环境中装 opencv

项目场景：提示：在 jetson docker 环境中装 opencv ：2022/4/12 发生的问题联想设备EA-B310, 该设备搭载的是NVIDIA Jetson Xavier NX 核心模块。系统是ubuntu18.04. 使用该设备自带的docker用下面的命令启动了一个容器$ sudo docker run --runtime nvidia --network host -it -e DISPLAY=$DISPLAY -v /tmp/.X11-unix/:/tmp/.X11-unix

原创 jetson docker 里 装redis 报错：ModuleNotFoundError:No Module named ‘wrapt‘

项目场景：提示：在jetson docker环境中用pip3 安装redis：2022/4/12 发生的问题联想设备EA-B310, 该设备搭载的是NVIDIA Jetson Xavier NX 核心模块。系统是ubuntu18.04. 使用该设备自带的docker用下面的命令启动了一个容器$ sudo docker run --runtime nvidia --network host -it -e DISPLAY=$DISPLAY -v /tmp/.X11-unix/:/tmp/.X11-uni

原创 TORCH.NN.INIT

TORCH.NN.INIT1 增益：calculate_gain2 均匀填充：uniform_3 正态填充：normal_4 常量填充：constant_5 1值填充：ones_6 0值填充：zeros_7 单位矩阵填充2维Tensor：eye_8 dirac函数填充多维Tensor：dirac_1 增益：calculate_gaintorch.nn.init.calculate_gain(nonlinearity, param=None)为不同的函数设置不同的增益（不太理解，暂时理解为在初始化的时候

原创 TORCHVISION.TRANSFORMS的图像预处理

`torchvision.transforms的图像变换函数使用说明，以及使用实例图

原创 pytorch搭建分类网络并进行训练和测试

pytorch搭建分类网络并进行训练和测试本文重点是整个工程的流程。具体细节部分不涉及。

原创 工作遇到的问题和解决

20190823１　[caffe]python3编译caffe错误:cannot find -lboost_python3解决：针对Python3编译caffe时make all的时候出现了如下错误cannot find -lboost_python3首先去/usr/lib/x86_64-linux-gnu目录下查看是否有python3版本的libboost，如果有类似lib...

原创 Ubuntu只有桌面，只鼠标可动

1 ctrl+alt+f1 # 进入命令行2 dmesg | grep eth # 查看eth0网卡设备是不是被重命名了3 ping 8.8.8.8 # ping不通说明网络配置不好4 sudo vim /etc/network/interfaces # 网络配置 auto lo iface lo inet loopback 动态获取的配置方法： auto eth0 i...

原创 KiB、MiB与KB、MB的区别

原文链接：https://blog.youkuaiyun.com/starshine/article/details/8226320具体的差别是MB等单位以10为底数的指数，MiB是以2为底数的指数如：1KB=10^3=1000, 1KiB=2^10=1024, 1MB=10^6=1000000=10...

原创 centos环境下运行程序报错集合

1ImportError: No module named Tkinter解决连接：https://www.jianshu.com/p/0baa9657377f我的解决方法:因为不需要这部分的内容，采取直接注释掉该部分，没有用连接提到的办法。2ImportError: libcudart.so.8.0: cannot open shared object file: No such...

原创 Centos 下封装源码报错日志

目标： 在Centos 下封装源码1 系统环境是CentOS Linux release 7.6.1810 (Core)使用命令：cat /etc/redhat-release2 将已有的工程拷贝到/home/xxx/下，重新编译报错1/usr/bin/ld: warning: libopencv_core.so.3.2, needed by /usr/local/lib/l...

原创 Centos 7.6 装caffe 遇到的问题

1/usr/bin/ld: cannot find -lcblas/usr/bin/ld: cannot find -latlas解决办法1执行命令：yum install openblas openblas-devel;2 修改Makefie.config3 再执行：make all2classification.cppwarning: libop...

原创 统计概率学习笔记（１３）——边缘分布

边缘分布函数对于二维随机变量(X,Y),X,Y(X,Y),X,Y(X,Y),X,Y有各自的分布函数，记为FX(x),FY(y)F_X(x),F_Y(y)FX​(x),FY​(y)称为二维随机变量(X,Y)(X,Y)(X,Y)关于X,YX,YX,Y的边缘分布函数：FX(x)=F(x,∞),FY(y)=F(∞,y)F_X(x)=F(x,\infty),F_Y(y)=F(\infty,y)FX​(x)...

原创 整理笔记

1.用caffe来测试两个GPUcaffe的搭建环境：Ubuntu 16.04 LTS + CUDA8.0 + cuDNN5.1数据：mnist网络：LeNet参考链接：Caffe简明教程0：文章列表NCCL库参考链接：caffe缺少NCCL库导致不能多GPU训练问题记录训练时间因为要对比一个 GPU和两个GPU训练时间，所以记录日志以便计算时间。参考链接：Caffe - 训...

原创 概率统计学习笔记（１2）——二维随机变量

二维随机变量（向量）设EEE是一个随机试验，它的样本空间是S=eS={e}S=e,设X=X(e)X=X(e)X=X(e)和Y=Y(e)Y=Y(e)Y=Y(e)是定义在SSS上的随机变量，由它们构成的一个向量(X,Y)(X,Y)(X,Y)叫做二维随机向量。分布函数：设(X,Y)(X,Y)(X,Y)是二维随机变量，对于任意实数x,yx,yx,y二元函数F(x,y)=P{(X≤x)∩(Y≤y)}...

原创 概率统计学习笔记（１１）——随机变量的函数的分布

随机变量的函数的分布定理设随机变量XXX具有概率密度fX(x),−∞<x<∞f_X(x),-\infty<x<\inftyfX​(x),−∞<x<∞,又设函数g(x)g(x)g(x)处处可导且恒有g′(x)>0g'(x)>0g′(x)&a

原创 概率统计学习（10）——连续型：正态分布。“3sigma"法则，上alpha分位点

正态分布若连续型随机变量XXX的概率密度为f(x)=12πσe−(x−μ)22σ2,−∞<x<∞f(x)=\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}},-\infty<x<\inftyf(x)=2π​σ1​e−2σ2(x−μ)2​,−∞<x<∞其中，μ,...

翻译 PyInstaller相关

Linux1 依赖PyInstaller依赖ldd终端程序去发现每一个程序或共享库所依赖的共享库们。这些共享库们通常在发布包glibc或libc_bin中找到。也依赖objdump终端程序从目标文件中提取信息，以及objcopy终端程序将数据附加到引导加载程序上，通常它们在发布包binutils中找到。2 PyInstaller做什么，怎么做PyInstaller读取你所写的python...

原创 概率统计学习笔记（9）——连续型：均匀分布、指数分布

均匀分布若连续型随机变量XXX具有概率密度为f(x)={1b−a,a<x<b0,其他f(x)=\begin{cases}\frac{1}{b-a},a<x<b\\0,其他\end{cases}f(x)={b−a1​,a<x<b0,其他​则，称XXX在区间(a,b)(a,b)(a,b)上服从均匀分布，记为X∼U(a,b)X\sim...

原创 概率统计学习笔记（8）——概率密度函数

概率密度函数：如果对于随机变量XXX的分布函数F(x)F(x)F(x)，存在非负函数f(x)f(x)f(x)，使对于任意实数xxx有F(x)=∫−∞xf(t)dt,F(x)=\int_{-\infty}^xf(t)dt,F(x)=∫−∞x​f(t)dt,则称XXX为连续型随机变量，其中函数f(x)f(x)f(x)称为xxx的概率密度函数，简称概率密度。性质f(x)≥0f(x)\ge0f(x...

原创 概率统计学习笔记（7）

分布函数定义设XXX是一个随机变量，xxx是任意实数，函数F(x)=P{X≤x},−∞<x<∞F(x)=P\{X\le x\},-\infty<x<\inftyF(x)=P{X≤x},−∞<x<∞称为XXX的分布函数。分布函数F(x)F(x)F(x)在xxx处的函数值，表示XXX落入区间(−∞,x](-\infty ,x]...

原创 基于目标识别的多目标跟踪性能评价举例计算

计算用例图。在4帧t1,t2,t3,t4中，每帧出现两个目标行人以及一棵树。任务是跟踪行人。预测出八个目标，四组跟踪轨迹，跟踪轨迹ID分别为T1,T2,T3,T4。图中的数字表示预测与目标的IOU。计算MOTP计算MOTP的时候，这里用IOU代替预测与目标的中心欧式距离。一共有七对对应MOTP=0.9+0.8+0.92+0.78+0.85+0.87+0.887MOTP=\frac{0.9...

翻译 多目标跟踪评价指标

原创 概率统计学习笔记（六）

2-2.1 离散型随机变量一个随机变量，它全部可能取到的值是有限个，或可列无穷多个。无穷集分为两类:第一类:可列无穷能与自然数集成功一一对应的数集.可列集的全体元可以编号排成一个数列.第二类:不可列无穷能与区间(0,1)成功一一对应的数集.你不能把它编号排成一个数列.2-2.2 离散型随机变量的分布律设离散型随机变量XXX所有可能取的值为...

原创 概率统计学习笔记（五）

2-1.1 随机变量定义设随机试验的样本空间为S={e}.X=X(e)S=\{e\}.X=X(e)S={e}.X=X(e)是定义在样本空间SSS上的实值单值函数。称X=X(e)X=X(e)X=X(e)为随机变量。一般，若LLL是一个实数集合，将XXX在LLL上取值写成{x∈L}\{x\in L\}{x∈L},它表示事件B={e∣X(e)∈L}B=\{e|X(e)\in L\}B={e∣X(e...

原创 概率统计学习笔记（四）

6.1 相互独立定义设A,BA,BA,B是两事件，如果满足等式P(AB)=P(A)P(B)P(AB)=P(A)P(B)P(AB)=P(A)P(B)则称事件A,BA,BA,B相互独立，简称A,BA,BA,B独立。若 P(A)>0,P(B)>0P(A)>0,P(B)>0P(A)>0,P(B)>0，则A,BA,BA,B相互独立与...

原创 概率统计学习笔记（三）

5.1 全概率公式、贝叶斯（bayes)公式划分（样本空间的划分）：定义：设SSS为试验EEE的样本空间，B1,B2,...,BnB_1,B_2,...,B_nB1​,B2​,...,Bn​为EEE的一组事件。若BiBj=∅,i≠j,i,j=1,2,...,nB_iB_j=\varnothing,i\ne j,i,j=1,2,...,nBi​Bj​=∅,i̸​=j,i,j=1,2,......

原创 概率统计学习笔记（二）

5.1 条件概率AAA已经发生的条件下，BBB发生的概率，记为P(B∣A)P(B|A)P(B∣A)定义：设A,BA,BA,B是两个事件，且P(A)>0P(A)>0P(A)>0，称P(B∣A)=P(AB)P(A)P(B|A)=\frac{P(AB)}{P(A)}P(B∣A)=P(A)P(AB)​为在事件A发生的条件下，事件B发生的条件概率乘法定理（乘法公式）...

原创 概率统计学习笔记（1）

1 随机试验可以在相同条件下重复进行（世界上有绝对的相同条件吗？)；每次试验可能的结果不止一个，但能明确试验所有可能结果；试验结果前（被观察前？）不确定哪一个结果会出现；2.1 样本空间、样本点随机试验EEE所有可能的结果组成的集合称为EEE的样本空间SSS，每个结果称为样本点。2.2 事件随机事件：SSS的子集简称事件。事件发生：在每次试验中，当且仅当这一子集中的一个样本点...

原创 人体骨骼关键点检测OKS评价的个人见解

1公式展示这个公式是我从AI Challenger上看到的，貌似最初来源MS COCO上。可参见链接（因为本人英语水平极其拙劣所以并没有仔细研读原文）链接：link.以下公式是计算一个人物的OKS：OKS=Σiexp{−di2/(2S2σi2)}δ(vi=1)Σiδ(vi=1)OKS = \frac{\Sigma_{i}exp\{-d_{i}^{2}/(2S^{2}\sigma_{i}^...

翻译 OpenCV笔记（三）加载、显示图像

本篇教程中你将学会：- 加载图像（使用cv::imread)- 创建一个命名的OpenCV窗口（使用cv::namedWindow)- 在OpenCV窗口里显示图像（使用cv::imshow)

翻译 OpenCV学习笔记-Mat

Mat - 基本的图像容器兼容：> OpenCV 2.0 作者：Bernát Gábor前言我们有多种方法从现实世界中获取数字图像:数码相机、扫描仪、计算机断层扫描和磁共振成像等。在每种情况下，我们(人类)看到的都是图像。然而，当我们把这个转换为数字设备时，我们记录的是图像的每一个点的数值。 例如，在上面的图像中，你看到汽车的镜子只不过是一个包含所有像素点强度值的矩阵。我们如何获取和存储像素值可

翻译 OpenCV学习笔记（一）

OpenCV简介本篇属于翻译类的学习笔记，督促现在的自己学习之用，也供以后回头再看。OpenCV (Open Source Computer Vision Library: http://opencv.org) 是一个BSD开源许可协议下的库，它包含了成千上万的计算机视觉算法。OpenCV是模块化结构，这意味着这个库包含了几个共享或者静态子库。以下的库在OpenCV中：Core functiona