<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Silimere]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/miclover_feng</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; miclover_feng]]></copyright><item><title><![CDATA[Window11 安装detectron2记录贴]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/121693379</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/121693379</guid><author>miclover_feng</author><pubDate>Fri, 03 Dec 2021 10:44:49 +0800</pubDate><description><![CDATA[python setup.py build --force develop

出现报错：


ir.h(1347): error: member "torch::jit::ProfileOptionalOp::Kind" may not be initialized

查阅了许多博客的解决办法就是定位到指定位置，注释掉这一句话



但是，接下来编译又出现了好多问题：


nms_rotated_cuda.cu
D:/ProgramData/Anaconda3/envs/det/lib/site-pac..]]></description><category></category></item><item><title><![CDATA[安装window11的原生安卓记录]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/120921969</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/120921969</guid><author>miclover_feng</author><pubDate>Sat, 23 Oct 2021 16:01:12 +0800</pubDate><description><![CDATA[根据哔站up主教程安装，原视频出处：

Win11安卓 无需beta版 无需改地区上车教程 | 性能测试_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1gb4y1h76j?spm_id_from=333.851.b_62696c695f7265706f72745f74656368.30用到的软件都在up主的评论区。



1、输入add-appxpackage &lt;安装包地址&gt;



这个时候就可以得到WSA的界面了



通常这个时候是不能用的，还]]></description><category></category></item><item><title><![CDATA[Window11安装如何跳过TPM2.0这一步]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/118878231</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/118878231</guid><author>miclover_feng</author><pubDate>Sun, 18 Jul 2021 15:49:52 +0800</pubDate><description><![CDATA[最近想体验一把window11，怎奈自己的电脑太老了，显示不能安装，网上大佬们都说是tpm2.0的问题，顺着这个角度，找到了一个国外大神的解决办法。

1、在出现“Win11 会提示“该电脑无法运行 Win11””，下按 Shift+F10打开命令行界面

2、在命令行界面，输入 regedit 打开注册表

3、定位到HKEY_LOCAL_MACHINE -&gt; SYSTEM -&gt; Setup

4、创建一个“项” 命名为“LabConfig”

5、在“LabConfig”下创建两个 DWOR]]></description><category></category></item><item><title><![CDATA[安装tensorflow出现 ImportError: DLL load failed: A dynamic link library (DLL) initialization routine fai]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/118164612</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/118164612</guid><author>miclover_feng</author><pubDate>Wed, 23 Jun 2021 23:23:22 +0800</pubDate><description><![CDATA[无论安装tensorflow的GPU版本还是CPU版本，pip安装后，import tensorflow 都会出现ImportError: DLL load failed: A dynamic link library (DLL) initialization routine failed. 这个bug。查阅相关的blog大致解决办法，不同的机子可能报错一样，但是解决的方式不一样。但是，根本原因是应该是Tensorflow安装包不支持较老的处理器，因为老的处理器不支持AVX指令。最直接的办法就是找到不是A.]]></description><category></category></item><item><title><![CDATA[【PaddlePaddle】GAN基础]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/115600825</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/115600825</guid><author>miclover_feng</author><pubDate>Sun, 11 Apr 2021 16:06:34 +0800</pubDate><description><![CDATA[课程链接：https://aistudio.baidu.com/aistudio/course/introduce/16651

后续会分享课程学习心得和如下列出的相关论文的阅读笔记

目录

一、GAN的基础概念

二、GAN的花样“玩”法

2.1 图像/视频领域

2.1.1 根据文字描述生成对应图像：Text to Image Generation

2.1.2 图像到图像的转化：Image to Image Translation

2.1.3 图片/视频超分：Super resolution

]]></description><category></category></item><item><title><![CDATA[机器视觉与边缘计算应用-神经网络基础习题]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/110385543</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/110385543</guid><author>miclover_feng</author><pubDate>Mon, 30 Nov 2020 13:23:01 +0800</pubDate><description><![CDATA[神经网络的基础知识

返回

已经超过规定的测试次数或提交截止时间已过。你可以作为自我学习进行测验，但提交的结果将无法获得学分。

1单选(2分)

有关神经网络训练时使用的学习率参数说法错误的是？


	A.网络训练时刚开始学习率可以大一些，以便提高学习速度，随后应减少学习率，以免引起学习震荡
	
	
	B.学习率可以与其他网络参数一起训练，对降低代价函数是有利的
	
	
	C.学习率过大更容易导致训练陷入局部极小值
	
	
	D.学习率可以随着训练误差动态调整效果更好
	
2单选(2分)

下面哪个选项]]></description><category></category></item><item><title><![CDATA[! [remote rejected] master -＞ master (hook declined) error: failed to push some refs to]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/109548838</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/109548838</guid><author>miclover_feng</author><pubDate>Sat, 07 Nov 2020 16:30:52 +0800</pubDate><description><![CDATA[解决办法：





将邮箱公开即可：


]]></description><category></category></item><item><title><![CDATA[PaddlePaddle飞桨课程 - 图像分割学习笔记(一)]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/109273619</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/109273619</guid><author>miclover_feng</author><pubDate>Sun, 25 Oct 2020 15:04:26 +0800</pubDate><description><![CDATA[目录



课程链接：

课程内容：

课程大纲：

第一天主要内容：图像分割综述

第二天主要内容：FCN讲解

第三天主要内容：U-Net模型与PSPNet模型详解

第四天主要内容：DeepLab系列详解

第五天主要内容：图卷积网络用于分割

第六天主要内容：实例分割与全景分割

第七天主要内容：

课程链接：

https://aistudio.baidu.com/aistudio/course/introduce/1767

课程内容：

1. 从经典算法到学界前沿，从技术细节到完整流程，语义.]]></description><category></category></item><item><title><![CDATA[第六章 循环神经网络]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/108225705</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/108225705</guid><author>miclover_feng</author><pubDate>Tue, 25 Aug 2020 17:33:32 +0800</pubDate><description><![CDATA[1单选(2分)

在RNN前向传播过程中按时间展开，记忆体状态信息ht、参数矩阵和两个偏置项是变化的还是不变的？


	A.ht和参数矩阵随时间刷新变化、偏置项固定不变；
	
	
	B.ht随时间刷新变化、参数矩阵和偏置项固定不变；
	
	
	C.三者都固定不变；
	
	
	D.三者都随时间刷新变化；
	
2单选(2分)

在tf.keras.layers.SimpleRNN()中，记忆体个数、return_sequences=False分别代表什么含义：


	A.记忆体个数代表RNN循环核中记忆体的个数]]></description><category></category></item><item><title><![CDATA[第五章 卷积神经网络]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/108224056</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/108224056</guid><author>miclover_feng</author><pubDate>Tue, 25 Aug 2020 16:32:52 +0800</pubDate><description><![CDATA[1单选(2分)

已知两层3×3的卷积核与一层5×5的卷积核具有相同的感受野，那么前者（3×3）和后者（5×5）的参数量和计算量是什么关系（特征图尺寸为32）？


	A.前者参数量小、后者计算量更小
	
	
	B.前者计算量小、后者参数量更小
	
	
	C.前者的参数量和计算量都更小
	
	
	D.后者的参数量和计算量都更小
	
2单选(2分)

在批标准化（BN）操作中，如果batch size大小为32，特征图深度为16，那么该BN层的总参数以及可训练参数个数分别为：


	A.256，128
	
	]]></description><category></category></item><item><title><![CDATA[第四章 网络八股扩展]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/108222899</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/108222899</guid><author>miclover_feng</author><pubDate>Tue, 25 Aug 2020 15:54:00 +0800</pubDate><description><![CDATA[1单选(2分)

数据增强函数ImageDataGenerator()的输入维度是多少？


	A.1
	
	
	B.2
	
	
	C.3
	
	
	D.4
	
2单选(2分)

&gt;&gt;&gt; import numpy as np

&gt;&gt;&gt; np.set_printoptions(  )

np.set_printoptions的括号内填写什么内容，可以保证print所有内容都明文显示？




	A.threshold=1
	
	
	B.precision=6
	
	
	..]]></description><category></category></item><item><title><![CDATA[第三章 神经网络八股]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/108222212</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/108222212</guid><author>miclover_feng</author><pubDate>Tue, 25 Aug 2020 15:31:52 +0800</pubDate><description><![CDATA[1判断(2分)

本课中搭建神经网络六步法包括如下步骤：

1、import

2、train, test

3、Sequential / Class

4、model.compile

5、model.fit

6、model.summary


	A.正确
	
	
	B.错误
	
2单选(2分)

使用Sequential()函数搭建神经网络训练MNIST数据集的代码为：

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(..]]></description><category></category></item><item><title><![CDATA[第二章 神经网络优化]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/108220926</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/108220926</guid><author>miclover_feng</author><pubDate>Tue, 25 Aug 2020 14:46:12 +0800</pubDate><description><![CDATA[1单选(2分)

在某个三分类问题中，已知真实标签y_=(0, 0, 1)，神经网络预测值分别为y1=(0.51, 0.32, 0.17)，y2=(0.22, 0.73, 0.05)，y3=(0.15, 0.17, 0.68)，y4=(0.04, 0.03, 0.93)，哪个预测值更接近真实标签？


	A.y4
	
	
	B.y1
	
	
	C.y2
	
	
	D.y3
	
2单选(2分)

tf.nn.relu([[-2., 1.], [0., 3.]])的计算结果是哪个？


	A.tf.Tensor]]></description><category></category></item><item><title><![CDATA[第一章 基础]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/108219495</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/108219495</guid><author>miclover_feng</author><pubDate>Tue, 25 Aug 2020 13:44:03 +0800</pubDate><description><![CDATA[1单选(2分)

该张量的维度是

[[ 1.3688478 1.0125661 ]

[ 0.17475659 -0.02224463]]


	A.（2，2）
	
	
	B.（4，1）
	
	
	C.（2，1）
	
	
	D.（1，2）
	
正确答案：A你选对了

解析：B、tf.Tensor(
[[1.36884781.0125661]
[0.17475659-0.02224463]],shape=(2,2),dtype=float32)

2多选(2分)

人工智能...]]></description><category></category></item><item><title><![CDATA[ImportError:The _imagingft C module is not installed]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/107922786</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/107922786</guid><author>miclover_feng</author><pubDate>Mon, 10 Aug 2020 21:40:28 +0800</pubDate><description><![CDATA[这个与使用PIL库的时候，设置字体的时候出现的错误。

解决办法：

卸载掉


pip uninstall Pillow

然后


sudo apt-get install freetype-devel libjpeg-devel libpng-devel zlib1g-dev

最后再重新


pip install Pillow








...]]></description><category></category></item><item><title><![CDATA[报错：TypeError: ‘builtin_function_or_method‘ object is not subscriptable]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/107788982</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/107788982</guid><author>miclover_feng</author><pubDate>Tue, 04 Aug 2020 16:05:55 +0800</pubDate><description><![CDATA[data.append[tmp]

代码中，append应该是小括号。
]]></description><category></category></item><item><title><![CDATA[损失函数在人脸识别中的演进]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/107643804</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/107643804</guid><author>miclover_feng</author><pubDate>Tue, 28 Jul 2020 19:53:54 +0800</pubDate><description><![CDATA[我们通常希望提取到的人脸特征是属于某一个人脸独有的特征，这样我们就可以很容易的使用这些特征去做接下来识别的任务。这些特征是通过我们设计的网络结构去提取的，好的网络和训练方法以及损失函数的设置会使得模型更加的健壮。

   随着，网络结构设计的逐渐完善，简单的通过改变网络的结构来优化模型的识别能力已经基本趋于极限。因此研究人员开始将目光聚焦到了损失函数的修改上。

   我们通常计算损失函数的的反向梯度来实现模型参数的更新，不同的损失函数可以时模型在学习的过程中侧重点出现差异化，...]]></description><category></category></item><item><title><![CDATA[图像标注软件labelImg使用]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/107492699</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/107492699</guid><author>miclover_feng</author><pubDate>Tue, 21 Jul 2020 16:53:38 +0800</pubDate><description><![CDATA[一、安装：

pip install labelImg -i https://pypi.mirrors.ustc.edu.cn/simple/



二、标注

1、新建目录，img存放要标注的图片，class.txt中存放类别（一行一个类别）



2、在该目录下，shift+鼠标右键，调出‘Powershell’





3、输入labelImg ./img ./class.txt【labelImg 图片路径 标签文件路径】



4、回车启动软件





5、保存后标注效果


...]]></description><category></category></item><item><title><![CDATA[Assign requires shapes of both tensors to match. lhs shape= [512,5721] rhs shape= [512,169]]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/106499756</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/106499756</guid><author>miclover_feng</author><pubDate>Tue, 02 Jun 2020 16:45:49 +0800</pubDate><description><![CDATA[原因是自己直接拷贝之前跑过的代码的时候，顺带着连上次的日志也带过来了，所以解决办法直接把日志文件删掉，再次运行就OK了。
]]></description><category></category></item><item><title><![CDATA[习题 - 传输层]]></title><link>https://blog.youkuaiyun.com/miclover_feng/article/details/106073572</link><guid>https://blog.youkuaiyun.com/miclover_feng/article/details/106073572</guid><author>miclover_feng</author><pubDate>Tue, 12 May 2020 12:21:45 +0800</pubDate><description><![CDATA[考虑一个RTT 为 20 ms的 TCP 连接。假设网络容量是 10 Mbps ，数据段长是 1000 Bytes。如果要充分利用网络容量，所需的滑动窗口大小是多少？]]></description><category></category></item></channel></rss>