qq_44846512的博客

在测试某一项目代码时，出现以下错误：ModuleNotFoundError: No module named 'nms.cpu_nms‘在nms文件夹下存在cpu_nms.pyx文件，但是导入失败，在同级文件夹下存在setup_linux.py文件，我们在终端输入以下命令：python setup_linux.py build_ext --inplace运行成功后，即可成功导入.pyx文件...

我们知道平均池化的作用就是kernel_size大小的池化窗口在特征图上滑动，池化窗口覆盖到的特征图的值相加后平均作为该覆盖区域的值输出。如果我们用卷积的操作去表示平均池化，卷积的权重可以表示为(假设为二维数据，kernel_size=3)：此时卷积核的权重不再是可训练参数。代码实现：# 定义卷积核的权重参数def define_Conv_to_Avg2d(in_channel,out_channel,kernel_size): if isinstance (kernel_size,int

数据：选取ADNI上MRI数据集要求：使用CAT12工具箱中的标准步骤对数据进行预处理1，偏差矫正biased-corrected;2,分割成灰质(gray matter)、白质(white matter)、脑脊液(cerebrospinalfluid)3,使用序列线性（仿射）变换注册到Monurological Institute(MNI) space4,将灰质图像重新切片为2mm x 2mm x 2mm的立方，得到91 x 109 x 91的尺寸。配置环境：系统环境：win10软件环

在最近学习中，用Adam作为优化器，在训练时发现学习率并没有改变。这好像与之前理解的自适应的学习率有所矛盾？通过参考网址1和网址2，理解了Adam的原理之后发现，初始的学习率在训练过程中是没有改变的，而是深入的理解其数学原理才是真正的学会，加油！...

最近在写pytorch代码时，在每个epoch下训练和验证数据，但是每次训练完数据后进行验证时程序就会报错：RuntimeError: CUDA out of memory. Tried to allocate 74.00 MiB (GPU 0; 11.75 GiB total capacity; 10.15 GiB already allocated; 16.81 MiB free; 157.35 MiB cached)经过参考：https://www.cnblogs.com/liuzhan709/

两者用法基本上一致，都是随机打乱数据。代码如下：# random shuffleimport randoma = [1,2,3,4]b = [[5,6,7,8], [9,10,11,12]]random.shuffle(a)random.shuffle(b)#结果如下：[3, 4, 1, 2][[5, 6, 7, 8], [9, 10, 11, 12]]注：random shuffle是对list进行随机打乱import numpy as npa = np.array([1,2,

关于目标检测的数据增强，该篇博客给了一个整体的框架，值得参考

在服务器上跑SSD eval.py代码时，出错：RuntimeError: CUDA error: device-side assert triggered在网上查了很久自己也做了很多测试，大概将定位到出错代码处，但具体的错误仍然不知道，然后我又在本地的pycharm上进行了测试，报错：Expected object of scalar type unsigned char but got scalar type bool for argument ‘other’`出错处源代码如下:suppres

在做图片的分类任务时，报错IndexError: Dimension out of range (expected to be in range of [-1, 0], but got 1)经过排查发现是损失函数输入的位置出错。一定要注意细节！for X,y in datasets_folder: X=X.to(device) y=y.to(device) y_pred=model(X) loss=torch.nn.CrossEntropyLoss()(y,y_pred)真实标签y.sh

出现错误的原因是我的训练图片的尺寸小于数据增强时对图片进行crop的尺寸，改正后可以正常训练。

argsort()用法我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：全新的界面设计 ，将会带来全新的写作体验；在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；全新的 KaTeX数学公式 语法；增加了支持甘特图的mermaid语法1 功能；增加了 多屏幕编辑 Markdown文章功能；增