不解不惑

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。

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。

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。

torchvision使用keypoint rcnn 进行人体关键点定位

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。

使用unet进行人体耳朵区域的分割。

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。...

unet学习笔记，比较原始的网络搭建训练笔记。

pytorch二进制交叉熵代码实现

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。

unet pytorch网络结构和训练测试代码。

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

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

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│ ├

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...

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

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

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.

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

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.

（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.

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

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...

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...

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...

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...

（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...