nihate的专栏

在使用opencv的dnn模块做深度学习时，经常会遇到一个疑惑。疑惑是这样的：当执行完outs = net.forward()之后，如果outs里有Mat的维数大于2，那么设断点调试的时候，可以看到rows和cols都等于-1，以目标检测为例，输出outs里包含box和score，断点调试查看out_score的信息如下：但是最后看程序运行的可视化结果，是没问题的。这个疑惑，在opencv源码里可以找到解释，在mat.hpp文件，第2559行至2561行，中间的注释里说：当矩阵的维数大于2时，row

在做深度学习yolov3目标检测训练时，通常需要对原始图片做resize，把图片的尺寸缩放416x416。然而，opencv提供的resize函数里有多种插值方式，最常见使用的是INTER_LINEAR(双线性插值)和INTER_NEAREST(最近邻插值)。在github上pytorch版本的yolov3的star数量最多的的是https://github.com/ultralytics/yol...

首先定义字符串 s = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ'然后把字符串转换成列表，有两种方法，list(s)和[s]，可是打印出转换后列表的结果并不一样，如下代码：s = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ'print(s, type(s))a = list(s)print(a, type(a))a = [s]print(a, type...

在Python中，使用enumerate遍历列表是非常好的一种方式，它既能获得列表中的每个元素的索引，又能获得元素值，可谓一举两得，然而，在使用enumerate遍历列表，有时候会出现一些想不到的错误，举个例子，代码如下：f = [[i,i+1,i+2,i+3]for i in range(0,16,4)]print('初始化的:',f)for i,data in enumerate(f...

首先看如下代码：a = ['0234','abcd']seta = set(a)b = ['0234']setb = set(b)c = ('0234','abcd')setc = set(c)d = ('0234')setd = set(d)e= tuple(b)sete = set(e)print(type(a), ' , ', a,' , ',seta)...

我们都知道在pytorch中的nn.Linear表示线性变换，官方文档给出的数学计算公式是 y = xA^T + b，其中x是输入，A是权值，b是偏置，y是输出，卷积神经网络中的全连接层需要调用nn.Linear就可以实现。而在看pytorch的源码linear.py文件时可以看到里面有Bilinear的定义，起初看到这个名字，大家会以为它是实现对图像做放大的上采样插值，可是在pytorch中有n...

给定列表a，要在第k个位置插入元素b，通常有两种方法:a.inset(k,b)和a[k:k]=b，然而这两种方法是有区别的，并不是在所有情况下得到的结果都相同。下面的程序就是一个例子运行结果可以看出，当插入的元素b是一个字符串时，a.inset(k,b)方法就会在列表a的第k个位置插入这个字符串，而a[k:k]=b方法则在列表a的第k个位置插入时把字符串拆分成若干个字符。当插入...

pycharm是一个非常好用的python集成开发环境（简称IDE），在pycharm上调用pytorch做深度学习，有时候需要同时运行多个脚本程序，或者是在执行一个深度学习训练任务时，在一个训练的脚本.py文件运行之后，修改训练脚本文件里的某些参数再运行这个脚本，而之前的运行的程序又不会被覆盖，这时需要设置pycahrm里的一个选项就可以满足这个需求在Allow running in p...

在C语言中，我们通常是用malloc函数分配内存得到一个数组a，然后使用for循环遍历给数组赋值，赋值的方式有很多种，比如a[i]=i，*(a++)=i，建议使用第一种方法，第二种方法一不小心就容易出错，看下面的一个编程例子我们使用*(data_col++) = output_rows;的方式给数组赋值，编译运行结果是如果用*(p++) = output_rows;，代码如下...

在pytorch中，把numpy.array数据转换到张量tensor数据的常用函数是torch.from_numpy(array)或者torch.Tensor(array)，第一种函数更常用，然而在pytorch0.4中已经舍弃了这种函数，下面一个简单的编程实验说明这两种方法的区别，实验在pytorch0.4框架下进行运行程序之后，结果是可以看出修改数组a的元素值，张量b的元素值...