qq_38662733的博客

ffmpeg -i /home/sky/test/%08d.jpg -r 30 / home sky/test/test30.mp4

PyTorch版YOLOv3代码解读1. 环境&基础知识2. 代码结构2.1 整体结构图2.2 数据准备的data文件夹：2.3 存放配置文件的config文件夹二级目录三级目录1. 环境&基础知识代码下载地址：https://github.com/eriklindernoren/PyTorch-YOLOv3系统：win10编译环境：Package Version---------------------- -------------------

Pytorch中Dataloader踩坑环境：问题背景：观察报错信息进行分析根据分析进行修改尝试总结环境：系统：windows10Pytorch版本：1.5.1+cu101问题背景：直接上代码（来源莫烦Python）：import torchimport torch.utils.data as Dataprint(torch.__version__)BATACH_SIZE = 5x = torch.linspace(1,10,10) # [1, 2, 3, 4, 5

win10深度学习环境配置系列之Conda创建虚拟环境[非公]1. Anaconda的安装及换源1.1下载地址:1.2 换源1.2.1生成.condarc配置文件：1.2.2修改.condarc配置文件：1.3 Jupyter notebook修改默认文件夹2.conda创建虚拟环境3.虚拟环境常用命令4.tensorflow2.0安装1. Anaconda的安装及换源1.1下载地址:1. 官网下载安装（速度较慢，不推荐）2. 清华镜像站1.2 换源原因：若不换源，生成虚拟环境时，从国外网站下载

国内几大镜像源1. 镜像源：2. 修改pip默认源1. 镜像源：清华(常用)：https://pypi.tuna.tsinghua.edu.cn/simple中科大(据说好用)： https://pypi.mirrors.ustc.edu.cn/simple/阿里云(据说好用)：https://mirrors.aliyun.com/pypi/simple/豆瓣：https://pypi.douban.com/simple/2. 修改pip默认源pip config set gl

1. 背景在用LabelIMG进行图片标记时，当图片宽高不一致时会出现标注的xml文件中的宽高信息为0的情况。解决方法：利用opencv-python读取对应图片的宽高后代入计算。2. 代码import xml.etree.ElementTree as ETimport osimport cv2'''VOC数据集转U版的YOLO数据集：解决labelIMG标注时，xml文件中宽和高为0的问题# 假设：图片文件夹和标签文件文件夹均在voc_root_dir目录下，图片所在父目录文件夹为im

.png - .jpg1. 问题描述2. 代码1. 问题描述问题：制作数据集收集图片时容易存在图片格式不统一的问题。当在进行模型训练时，有的程序回报错。本人在训练yolov5（2021年3月版本）时便遇到了，具体报错信息忘了保存）。分析：通过错误信息的提示，是由于读取时遇到了未知文件格式，导致了读取失败。因此我猜想是因为图片格式不统一带来的问题。背景：最初始的图片存在jpg和png图片两种格式。为了统一，我将所有的图片后缀名改为了jpg格式，在windows系统下正常显示，但是到了ubu

1. 背景我的数据集有一部分用到了别人标注的数据集，有一部分类别名不同但表示的同一件物体，比如：标注男人：别人的是man，我用的标签为male。而有部分类别我用不到，比如有人还将狗标注上去了，而我只识别人所以不需要这些标注信息。2. 代码import xml.etree.ElementTree as ETimport os'''VOC数据集转U版的YOLO数据集升级版比如： man（改成male） woman（改成feminine） dog（不要） car（不

数据集格式转换二：DarkLabelToVOC1. 写在前面的话（重要）2. 参考3. 代码4. 验证工作1. 写在前面的话（重要）==请注意：在训练目标检测模型时，千万不要直接用转出的VOC数据集，由于图片帧之间差距过小，特别容易造成过拟合，选取图片时请让间隔大一些，将选中的图片和标签文件作检测数据集。（ps：别问我怎么知道的，说多了都是泪）2. 参考参考pprpp大神的文章：https://www.jianshu.com/p/f36a452360443. 代码import globimpo

1. 功能将voc数据集转换为YOLOv5可用的数据集。2. 代码import xml.etree.ElementTree as ETimport os'''VOC数据集转U版的YOLO数据集：voc数据集标签文件为和图片名对应的xml文件，u版yolo数据集标签文件为和图片名对应的txt文件假设：voc数据集中xml文件和图片文件一一对应'''def dirCheck(checkdir): # 如果没有改文件夹，则生成该文件夹 if not os.path.e

数据集格式转换一：DarkLabelToMOT1. 背景2. 参考3. 单个文件夹的gt文件转换4. 转换效果截图5. 按照MOT数据集文件格式进行整理1. 背景使用DarkLabel制作目标追踪数据集，在训练模型时需要用到MOT数据集格式，因此需要进行格式转换。2. 参考参考pprpp大神的文章：https://www.jianshu.com/p/f36a45236044先说区别：时间太长，我已经忘记了许多，似乎记得pprpp大神的代码应该是多个文件夹下的自动转换，而这里的代码是手动进行每个子文

Windows 10下配置深度学习环境纪实（显卡驱动+CUDA+TensorFlow+Anaconda+PyCharm）前言1 显卡驱动安装2 安装CUDA和cudnn2.1 CUDA下载2.2 cudnn下载2.3 CUDA和cudnn安装2.3.1 cuda9.2安装包安装2.3.2 cudnn for CUDA9.2安装2.3.3 CUDA9.2 检验2.3.4 CUDA10.0安装2.3.5 cudnn for CUDA10.0安装2.3.6 CUDA10.0 检验3 Anaconda3安装3.1

本地安装NVIDIA驱动1 检查环境2 禁用nouveau3 下载对应显卡驱动并安装3.1 检查显卡型号：3.2下载对应的显卡驱动并放入英文目录下3.3 切换到tty模式进行安装（因为需要退出使用显卡的程序）3.4 验证及后续工作3.5 显卡驱动程序卸载1 检查环境ubuntu 16.04.06 LTS桌面版特斯拉双显卡，内存128G，硬盘9T已经在BIOS中禁用secure boot选项原系统中不存在英伟达显卡驱动2 禁用nouveau需要禁用开源社区开发的nouveau显卡驱动（这一步

LabelIMG的下载与编译1 习惯性安装虚拟环境2 在Pycharm中设置解释器为虚拟环境3 结束前言：以前下载编译的LabelIMG1 习惯性安装虚拟环境这一步主要要安装三个工具包：pyqt4/pyqt5、lxml、pyinstaller建议换源阿里云：https://mirrors.aliyun.com/pypi/simple或者中科大镜像源： https://pypi.mirrors.ustc.edu.cn/simple# 创建虚拟环境并进入conda create -n Label

Ubuntu不同用户不同gcc/g++1 环境2 目的3 方案3.1 进行配置1 环境硬件：服务器系统：ubuntu16.04用户：非root用户2 目的秋季开学连接上学校服务器，创建了多用户环境，为了安装合适版本的CUDA为其中某一用户配置特定的gcc环境。== 要求：不能影响其它用户的gcc环境。==3 方案思路：为个人用户建立软链接，前提条件：系统安装有相应版本的gcc多版本gcc安装方法请参见《Ubuntu18.04系统gcc多版本共存与切换》查看命令：ls /usr