
深度学习
不解不惑
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
pytorch 确保结果可复现笔记
在使用pytorch进行深度神经网络学习时,遇到了代码不能复现的情况,很是令人烦恼,经过一番实验,找到了一种设置方法。原创 2023-02-18 14:50:08 · 930 阅读 · 0 评论 -
pytorch torchvision 实现的keypoint rcnn使用python进行预测并显示预测结果
深度学习中,完成模型训练后,需要编写测试文件,读取输入数据和模型进行推理,对推理结果进行输出和显示,这里整理了一个keypoint rcnn的推理和结果显示代码。原创 2022-07-15 10:31:08 · 2334 阅读 · 1 评论 -
pytorch add_module
在使用pytorch进行深度学习开发的时候,在一个模型的基础上进行模块的添加,可以使用add_module,可以采用nn.Sequential,也可以采用nn.Module。原创 2022-07-08 22:26:27 · 1200 阅读 · 0 评论 -
torchvision使用keypoint rcnn 进行人体关键点定位
torchvision使用keypoint rcnn 进行人体关键点定位原创 2022-07-07 17:15:27 · 2235 阅读 · 0 评论 -
Windows 11 安装mmdet 2.25.0
学完pytorch深度学习八股之后,感觉可以使用工具箱了,工具箱功能集成的比较全面,开发效率会比较高。原创 2022-07-01 22:30:40 · 978 阅读 · 0 评论 -
unet 学习笔记-5 使用unet分割耳朵区域
使用unet进行人体耳朵区域的分割。原创 2022-06-14 11:34:14 · 588 阅读 · 1 评论 -
unet学习笔记-4 优化json生成mask部分的代码
本篇博客为unet网络的学习笔记,本部分优化了通过labelme标定的json文件生成mask部分的代码,使用cv2.fillConvexPoly在生成非凸图形时会有一些问题,使用cv2.fillPoly函数能得到更好的结果,这两个函数的输入的第2个参数部分也有一定差别。...原创 2022-06-12 23:24:56 · 995 阅读 · 0 评论 -
unet 学习笔记-3 优化代码、调节代码结构
unet学习笔记,比较原始的网络搭建训练笔记。原创 2022-06-09 10:06:34 · 886 阅读 · 0 评论 -
pytorch中的BCELoss与BCEWithLogitsLoss实现
pytorch二进制交叉熵代码实现原创 2022-06-09 08:42:57 · 1107 阅读 · 0 评论 -
unet 学习笔记-2,测试代码部分添加sigmoid函数,使得推理结果和label更加接近
unet 学习笔记,测试代码部分添加sigmoid函数,使得推理结果和label更加接近。原创 2022-06-08 23:28:13 · 696 阅读 · 0 评论 -
unet 使用笔记-1
unet pytorch网络结构和训练测试代码。原创 2022-06-08 10:52:13 · 441 阅读 · 0 评论 -
opencv-python读取图片和lableme标注的json文件并显示mask
只是需要使用lableme标准的json文件获取mask,经过分析使用其他库的必要性比较低,于是自己写了一个通过labelme标准的json文件获取mask的程序。这里我使用的json文件只是标注了个polygon。import cv2import numpy as npimport jsonjson_path = r'D:\datasets\24\2022-01-05\10_color_1.json'img_path = r'D:\datasets\24\2022-01-05\10_col原创 2022-04-20 10:16:20 · 1840 阅读 · 0 评论 -
COCO数据集官方下载地址
ToolsCOCO APIImages2014 Train images [83K/13GB]2014 Val images [41K/6GB]2014 Test images [41K/6GB]2015 Test images [81K/12GB]2017 Train images [118K/18GB]2017 Val images [5K/1GB]2017 Test images [41K/6GB]2017 Unlabeled images [123K/19GB]Annotations原创 2020-08-11 17:49:37 · 5555 阅读 · 2 评论 -
mmdetection 训练cityscapes数据集笔记
1.首先要下载cityscapes数据集,下载需要注册账户,只需要下载红框标注的两个文件,第一个是ground truth文件,第二个是原始图片,官网Prepare datasetsmmdetection├── mmdet├── tools├── configs├── data│ ├── coco│ │ ├── annotations│ │ ├── train2017│ │ ├── val2017│ │ ├── test2017│ ├原创 2020-08-10 19:23:26 · 2727 阅读 · 3 评论 -
VGG Image Annotator (VIA) 使用笔记
1.导入工程文件,有两种方式,图片需要另外导入2.导入文件3.导入导出标注信息4.添加属性4.标准方式选择5.快捷键6.导出工程和软件设置参考文献:1.超详细标注工具via的使用教程...原创 2020-08-10 10:18:32 · 6104 阅读 · 0 评论 -
ubuntu18.04 使用Anaconda 安装 mmdetection 安装笔记
1.创建工作环境conda create -n open-mmlab python=3.7 -yconda activate open-mmlab2.安装pytorch, torchvision and cudatoolkit,要指定cudatoolkit和pytorch的版本conda install pytorch=1.6 cudatoolkit=10.1 torchvision3.安装mmcv-fullpip install mmcv-full==latest+torch1原创 2020-08-10 09:34:29 · 772 阅读 · 1 评论 -
matterport/Mask_RCNN 实例分割调试笔记
系统:Ubuntu 18.04显卡:GTX 1080Ti1.安装最新版Anaconda2.创建cu100虚拟环境conda create -n cu100 python=3.73.安装cudatoolkit 10.0,这一步需要设置好源,如果设置的源没有包含cudatolkit,这一步则安装不成功。安装完cudatoolkit后,就尽量不用conda install命令,采用pip install,这使用过程中感觉conda install 有点迷。conda install原创 2020-08-09 20:09:49 · 1447 阅读 · 1 评论 -
tensorflow 2.2 matterport/Mask_RCNN 调试笔记
1. AttributeError: module 'tensorflow' has no attribute 'log'问题:tf.log报错解决:tf.math.log2.I had this same problem. It seems according to the poorly-documented TF source code, keras.engine.saving was mostly moved to keras.saving.you want to replace.原创 2020-08-09 16:31:56 · 1389 阅读 · 3 评论 -
Ubuntu 18.04 CUDA10.1 Anaconda 安装tensorflow-gpu 1.13.1
由于想使用https://github.com/matterport/Mask_RCNN这个代码使用的是比较老版本的tensorflow 对应的cuda版本是10.0或9.0或9.2,我系统安装的cuda是10.1版本cudatoolkit是库不是驱动,库意味着不是必须安装到系统目录,可以安装到用户目录,具体链接哪些库,怎么链接由Makefile决定,可执行文件执行的时候,在LD_LIBRARY_PATH路径或其他路径里能找到需要的库文件即可。查看LD_LIBRARY_PATH方法echo原创 2020-08-09 15:57:10 · 1671 阅读 · 0 评论 -
Ubuntu 18.04 install Qt 5.12.9和libtorch 1.5.1
1. qt 下载地址:http://download.qt.io/archive/qt/5.12/以前版本的qt 安装可以不登录账号,这次没看到skip按钮,登陆下账号然后正常安装即可,选择下 desktop gcc,其他的组件根据自己需求。2. libtorch下载地址:https://download.pytorch.org/libtorch/cpu/libtorch-shared-with-deps-1.5.1%2Bcpu.zip下载之后解压即可3. qt 创建 non-qt.原创 2020-07-08 10:42:51 · 552 阅读 · 0 评论 -
labelme 不能Edit Label和Delete Polygons
(1)项目需要对数据标注,选择了labelme标注工具。(2)在Windows上使用labelme的时候发现不能正常的Edit Label和Delete Polygons,在Ubuntu上面也是如此,在网上搜索了下无果。(3)关闭了软件重启了下,可以对上次标注的信息进行Edit Label和Delete Polygons,可能这两个功能适用于以前标注的信息吧。由于要标注了线,不是矩形或者多边形,发现labelme里面有Line 和LineStrip,实验发现Line只是有两个端点的线段,而.原创 2020-05-28 06:29:44 · 2709 阅读 · 2 评论 -
Ubuntu 18.04 install mmdetection 和pytorch 1.5笔记
1.首先安装Anaconda, 去镜像站下载最新版安装即可.2.配置conda源,如果出现连接超时,可以把~/.condarc 文件中的defaults行删除conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/con原创 2020-05-21 18:04:39 · 512 阅读 · 0 评论 -
Pytorch 学习笔记:迁移学习使用VGG16进行kaggle 猫狗分类
kaggle上猫狗分类网址:https://www.kaggle.com/c/dogs-vs-cats1.数据部分分类工作的第一步是准确数据,从kaggle上面下载的dogs-vs-cats数据包含3个文件train.zip,test.zip和sample_submission.csvtrain.zip里面共25000张图片,猫狗各12500张,名称格式为:XXX.YYYYY.jpg...原创 2020-05-05 03:13:45 · 2346 阅读 · 2 评论 -
Pytorch实现线性回归中的梯度推导和验证,线性回归用的torch.nn实现
import numpy as npx_values = [i for i in range(11)]x_train = np.array(x_values, dtype=np.float32)x_train = x_train.reshape(-1,1)print(x_train.shape)y_values = [2*i+1 for i in x_values]y_train...原创 2020-04-17 16:41:59 · 624 阅读 · 0 评论 -
pytorch 可视化笔记3 TensorBoard 可视化图片和网络
环境配置开始有些问题(Pytorch1.4+tensorflow2.0+tensorboard2.0),显示不出来,然后更新了下软件能正常显示。修改后配置如下:系统:Windows 10Pytorch:1.4tensorflow-gpu: 2.1.0tensorboard: 2.1.1import torchimport torchvisionfrom torch.u...原创 2020-04-07 10:07:13 · 4626 阅读 · 0 评论 -
pytorch 可视化笔记2:可视化AlexNet
import torchimport torch.nn as nnimport torchvizimport torchvisionmodel = torchvision.models.AlexNet()x = torch.randn(1,3,224,224)y = model(x)torchviz.make_dot(y, params=dict(model.named_par...原创 2020-04-06 22:07:17 · 748 阅读 · 1 评论 -
Pytorch 可视化笔记1:pytorchviz
(1)首先安装graphviz(2)命令行安装pytorchvizpip install git+https://github.com/szagoruyko/pytorchviz(3)示例代码import torchimport torch.nn as nnimport torchvizfrom torch.autograd import Variablemodel...原创 2020-04-06 21:49:41 · 718 阅读 · 0 评论