- 博客(679)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 vmware workstation 安装esxi ,ip 设置192.168.10.4， 网络中心 vmnet8 ip 网关也是同一个网段，但是浏览器打不开ip 地址
在 VMware Workstation 中安装 ESXi 后无法通过浏览器访问管理界面（192.168.10.4），可能是由于网络配置问题导致的。vmware workstation 安装esxi ,ip 设置192.168.10.4， 网络中心 vmnet8 ip 网关也是同一个网段，但是浏览器打不开ip 地址。如果 ping 通但浏览器无法访问，可能是 ESXi 服务未启动或端口问题。（注意是 HTTPS，ESXi 默认使用 443 端口）。（Bridged），并分配同一网段的 IP 测试。
2025-03-31 18:47:34
825
原创 stable diffusion 文生图流程
Dreambooth unet 整个微调，所以保存模型的时候都保存比较大Lora 是加入一些层，改变unet 的一些层的输出，所以元模型保留后，只是保存很小的lora添加层，使用是lora 层加原模型Controlnet, 也是新增加一个额外的网络结构 调整unet扩散过程的核心逻辑扩散模型通过逐步去噪生成图像，整个过程类似"从随机噪声中雕刻出图像"。初始化：从纯噪声开始（迭代去噪：UNet逐步预测并去除噪声（循环50~100次）最终解码：去噪后的潜空间通过VAE解码为图像。
2025-02-13 19:40:30
1392
原创 并行云使用流程，环境安装pytorch
是一种环境管理工具，用于在共享计算（如高性能计算集群或其他云环境）中管理加载和依赖项的加载和卸载。它常用于集群环境，尤其是在没有。module load miniforge之后就可以使用conda配置环境了。的情况下，通过自定义的方式简化用户对不同版本软件的访问。使用集群管理命令 module。
2025-01-07 16:29:19
362
原创 奔图bentu 打印机，办公室无线连接
第三步运行驱动，选择第一个，wifi 进行驱动安装，或者选择usb 线连接进行安装。第二步 链接办公室的打印机wifi(链接后没有网络）安装完成后，就可以点击打印找到这个打印设备。
2024-12-23 10:21:38
301
原创 transformer，vit
2、layernormal, 每个图片，一句话使用行的方式切分，更适用于长度不一致的时候（会用0填充成同样长度），batch normal ，切分就会有很多0，情况出现。1、batchnormal ，多个样本的通道，做均值方差。
2024-09-03 10:57:39
211
原创 使用labelstudio 进行检测结果预先标注，导入到labelstudio中
所有的图片预测结果，写入到一个json 中，不是一个图片写一个json，如下格式,包含的字段需要有"predictions"，“data”，ui 界面上 直接import 该json文件，会自动加载所有的图片+对应的预测结果。然后labelstudio ，配置好图片路径的设置（图片路径能找到），
2024-08-22 11:21:44
939
原创 fiftyone启动数据
文件权限问题: FiftyOne 可能无法在指定的路径下创建或写入日志文件或数据库文件。数据库文件损坏: MongoDB 数据库文件可能已损坏，导致无法启动。端口冲突: MongoDB 可能尝试使用的端口已被其他进程占用。
2024-08-09 10:38:05
449
原创 得到xml所有label 名字和数量 get_xml_lab.py,get_json_lab.py
【代码】得到xml所有label 名字和数量 get_xml_lab.py。
2024-07-30 15:48:23
199
原创 xml的检测框剪裁后分割，还原到原图的分割坐标保存json
import osimport jsonimport xml.etree.ElementTree as ETimport cv2import numpy as np# 假设你的分割模型和配置from paddleseg import PaddleSeg# 分割模型初始化model = PaddleSeg(config='path_to_config', model_path='path_to_model')def seg_img(img): # 运行分割模型 pred
2024-07-26 16:07:05
206
原创 docker默认存储地址 var/lib/docker 满了，换个存储地址操作流程
当涉及到大文件或需要节省带宽时，考虑使用rsync。在进行敏感数据传输时，选择rsync并配置加密选项。如果只需在本地进行简单的文件复制，可以使用cp。
2024-07-18 14:07:19
774
原创 docker build 建立镜像，多出很多 none 的中间层镜像
实际上，这些镜像也没必要删除，在docker中，相同的层只会存一遍，而这些镜像是别的镜像的依赖，因此并不会因为它们被列出来而多存了一份，无论如何你也会需要它们。只要删除那些依赖它们的镜像后，这些依赖的中间层镜像也会被连带删除。当新版本发布后重新pull，旧的镜像名会被新镜像所占用，旧镜像的名字会变成。仓库名、标签均为的镜像被称为虚悬镜像，一般来说，虚悬镜像已经失去了存在的价值，是可以随意删除的。这些事 docker build 构建时候的中间层镜像不用删除，删除镜像会自动删除。
2024-07-15 14:35:42
729
原创 加载多个trt 文件，路径，环境没变，报错recommend and is likely to arrect performance or even caus
【代码】加载多个trt 文件，路径，环境没变，报错recommend and is likely to arrect performance or even caus。
2024-07-12 11:37:24
385
原创 docker import ，load 区别试用场景
③docker export 导出的镜像是不带历史记录的，如果原本的镜像有3层，export 之后只会有1层，这一层为从镜像运行到export之间对文件系统的修改。docker commit保存镜像文件系统的历史层，docker export保存从镜像运行到export之间对文件系统的修改的最新一层。生产环境没有外网，在本机将镜像打包成tar。比 docker save的包要小，原因是save的是一个分层的文件系统，export导出的只是一层文件系统。主要作用是将配置好的一些容器复用，再生成新的镜像。
2024-07-10 15:37:20
557
原创 查找文件夹是否存在，查找文件夹下的某个前缀的图片名字是否存在python
【代码】查找文件夹是否存在，查找文件夹下的某个前缀的图片名字是否存在python。
2024-06-28 13:50:59
161
2原创 Ai新功能使用,
LangChain 提供了对向量数据库的支持，能够把超长的 txt、pdf 等通过大模型转换为 embedding 的形式，存到向量数据库中，然后利用数据库进行检索。这样就可以支持更多长度的输入，解放了 LLM 的优势。
2024-06-25 10:51:30
157
原创 vncsever ，window 远程ubuntu远程界面安装方式，VNC Viewer安装教程+ linux配置server 操作
gdm3 和 lightdm 是两种不同的显示管理器 (DisplayManager)，它们用于管理用户登录和会话启动。你可以根据以下描述选择适合你的显示管理器：默认的显示管理器用于 GNOME 桌面环境。提供更现代和全面的功能。具有较高的资源消耗（相对于 lightdm）。如果你喜欢GNOME 桌面环境并且不介意较高的资源使用，可以选择 GDM3。LightDM:轻量级显示管理器，适用于资源受限的系统。默认用于 Xfce、LXDE 和其他轻量级桌面环境。提供较快的启动时间和较低的资源消耗。
2024-06-25 10:38:08
639
原创 dvc 更新加载模型版本控制
dvc即data version control, 是一种针对人工智能项目（机器学习或者深度学习）的数据版本管理工具。DVC的操作和GIT类似，可以认为为GIT的二次开发封装。结合GIT，DVC可以有效的管理人工智能项目的整个流程，包括代码，数据，训练配置，模型。dvc：负责数据和模型等大文件的存储、下载等管理，同时生成元数据（.dvc文件）描述这些数据和模型， 并且串联整个人工智能项目工作流。git：负责代码和dvc生成的元数据文件的版本管理。
2024-06-13 16:35:03
495
原创 conda虚拟环境，安装pytorch cuda cudnn版本一致，最简单方式
1、pytorch版本安装（卸载也会有问题）（1）版本如何选择参考和卸载（2）对应版本如何安装命令。
2024-06-12 10:43:01
738
原创 medsam ,书入xml +img, 根据检测框，生成可训练的伪颜色图片和原图，加入15%框的扩增，加上点的减少处理
import numpy as npimport matplotlib.pyplot as pltimport osjoin = os.path.joinimport torchfrom segment_anything import sam_model_registryfrom skimage import io, transformimport torch.nn.functional as Fimport argparsefrom PIL import Image@torch.
2024-05-29 17:26:45
361
原创 medsam ,数入xml +img, 根据检测框，原图显示分割效果，加上点的减少处理
【代码】medsam ,数入xml +img, 根据检测框，原图显示分割效果，加上点的减少处理。
2024-05-29 17:24:18
573
原创 多标签分割
https://github.com/PaddlePaddle/PaddleSeg/blob/release/2.9/configs/multilabelseg/README_cn.md
2024-05-10 17:45:01
331
原创 transformer 最简单学习3， 训练文本数据输入的形式
文本数据，是每个单词对应的索引，需要对数据进行切分成整块的batch, （n行，batch列）， 变成竖着的，横着看，每一位 AGMS 对应 BHNT， AB， GH， MN， ST， 是相邻的两个字。然后，横着一个一个 切分成一个个batch数据，下移一个索引获取目标数据，1、输入数据中，源数据和目标数据的定义。（batch行，n列）
2024-04-25 14:14:00
538
原创 yolov5 的几个问题，讲的比较清楚
(3)Diou 也是 -1,1 之间，多了2个线段的比值，（两个框中线点的线段）^2 / (S3的对角线)^2,当没有交集的框很远的时候，这个比值接近1，完全重叠时为0, ，目前已经很好了，考虑了重叠面积，考虑了中心点的距离，但是还少了一个宽高比的相似度， 为了进一步提升训练的稳定性和收敛速度，在DIOU的基础上CIOU又被提了出来，它将重叠面积、中心点距离、宽高比同时加入了计算。每个框的 标签label 是0-1， 利用BCE 损失，预测一个0-1 的值， 得到了置信度。
2024-04-20 17:26:05
1122
原创 多个分割对象，读取jsons 文件夹，然后先分割大目标再分割小目标分割，一张图多个分割目标mask
【代码】多个分割对象，读取jsons 文件夹，然后先分割大目标再分割小目标分割，一张图多个分割目标mask。
2024-04-12 16:23:28
408
原创 pytorch2 onnx 2tensorrt,代码参考
Pytorch导出onnx模型，C++转化为TensorRT并实现推理过程tensorRT部署之 代码实现 onnx转engine/trt模型ONNX模型转TRT部署推理c++
2024-03-26 11:25:22
156
原创 大模型的学习 LLaMa和ChatGLM，minichatgpt4
prompt-tune, 包括p-tuning、lora、prompt-tuning、adaLoRA等delta tuning方法，部分模型参数参与微调，训练快，显存占用少，效果可能跟FT（fine-tune）比会稍有效果损失，但一般效果能打平。ChatGLM-6B, LLaMA-7B模型分别是60亿参数量和70亿参数量的大模型，基本可以处理所有NLP任务，效果好，但大模型部署成本高，需要大显存的GPU，并且预测速度慢，V100都需要1秒一条。LLaMa和ChatGLM，minichatgpt4。
2024-03-26 09:42:19
1006
原创 vscode不能远程了该怎么办，win 远程ubuntu18
今天发现vscode无法远程连接了，我刚刚才弄好，一个很恶心的小问题：vscode自动更新到了1.86版本，我们的ubuntu18.04，属于旧的版本，要想远程连接，windows上的vscode必须是1.85及以下。
2024-02-22 15:44:26
447
原创 二分类中auc ,应该是什么y_score 是指正例的概率也就是1的概率进行计算auc 的
y_score：目标分数。形状(n_samples，)或(n_samples, n_classes)。举个例子:模型输入的得分是一个数组[0.98361117 0.01638886]，索引是其类别，这里“较大标签类的分数”，指的是索引为1的分数：0.01638886，也就是正例的预测得分。y_true：真实的标签。形状(n_samples，)或(n_samples, n_classes)。二分类的形状(n_samples，1)，而多标签情况的形状(n_samples, n_classes)。
2024-02-22 13:54:23
277
原创 transformer,视觉模型改进论文的讨论
5、如何理解 Swin Transformer 和 Vision Transformer不同任务上的差异？- 猛猿的回答 - 知乎。3、近两年有哪些ViT(Vision Transformer)的改进算法？- ZOMI酱的回答 - 知乎。4、为啥Transformer在遥感上效果差？- yan的回答 - 知乎。6、vit 模型和 swim transformer 的区别。
2024-02-21 15:49:05
447
原创 transformer 最简单学习1 输入层embeddings layer，词向量的生成和位置编码
具体到代码中的示例，self.lut(x) 可以理解为嵌入层，它接收一个词的索引作为输入，然后从词向量矩阵中检索对应的词向量。这样，每个单词都被映射为一个固定长度的密集向量，而这些向量通常包含了单词的语义信息。嵌入层是神经网络中的一种常用层，用于将离散的词索引转换为密集的词向量。将索引映射为512维的向量：通过嵌入层，将单词的索引映射为一个固定维度的向量，通常这个向量的维度是预先指定的，比如512维。找到单词在词表中对应的索引：首先，根据单词在词汇表中的位置或唯一标识，找到该单词在词表中的索引位置。
2024-02-18 18:27:19
1202
FDDB,测试自己训练的模型，如何生成FDDB 文件，详细细节
2018-09-18
opencv3.1,cmake,ippicv包下载
2018-07-09
Ubuntu16.04+显卡GTX1060+cudn8.0+opencv3.1+caffe,
2018-07-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人