qq_63075864的博客

原创 YOLO运行model.train()方法时，运行时的有关日志输出

原创 YOLO 模型 runs 目录下 detect 任务结果文件的深度分析

metrics/mAP50(B)：B 类别的平均精度均值（IoU 阈值为 0.5 时 ），综合评估模型对 B 类目标的检测性能，考量不同召回率下的精确率。metrics/precision(B)：B 类别的精确率，指预测为 B 类的结果中真正属于 B 类的比例，衡量分类的准确性。我的理解是训练时第i个epoch中第一个批量的检测结果，当我batch_size=16时，下边的图片刚好囊括了16个小图片。train/box_loss：训练时每个epoch的box_loss，衡量了预测框与真实框的吻合度。

原创 softmax求概率跟用片段值除总和求概率的不同点

这是一种简单的归一化操作，对于一组数值x1x2⋯xnx1​x2​⋯xn​，其计算方式是将每个数值xix_ixi​除以这组数值的总和∑j1nxj∑j1n​xj​，得到对应的归一化值yiy_iyi​，公式如下：例如，对于数值组235[2, 3, 5]235，总和为2351023510，归一化后的结果为2103105100.20.30.5102​103​105​。

原创 机械革命蛟龙16pro玩游戏闪屏

我查过原因，好像是AMD显卡对游戏用了可变刷新率就出bug了，可能是那个游戏不适合用可变刷新率技术。1.桌面右键鼠标，出现如下标签，点击AMD Software：Adrenalin Edition。2.选择闪屏的游戏，把AMD FreeSync关了。

原创 kaggle竞赛总结：classify-leaves

第四次用的是kaggle，摸索了一下大致了解了kaggle怎么读取数据集，处理文件输出，然后就开始跑了，后边epoch多了，有时候会停止print结果，后面我看到可以用save version把代码放到后台跑，然后查看log里面会有输出，那就省事多了，我一save version就关闭界面，让它自己慢慢跑，它完成了也会在邮箱通知我，体验不错，很推荐。），标签平滑策略，学习率寻优，余弦退火热重启（！结果：迭代60次，私榜分数：0.97138，公榜分数：0.97068（还没完全收敛，可以更高）

原创 No module named ‘cv2‘

要使用cv2库，得安装两个库opencv-python和opencv-contrib-python，我之前只安装了第一个，然后没有生效。

原创 torch.argmax用法

1.dim=None时，则返回扁平化输入的 argmax，就是将input展成一维，然后从中找出最大值所在索引，此时返回的Tensor只有一个值。功能：返回最大值所在的索引。根据dim的不同有不同的处理方式。2.dim有值时，返回该维最大值的缩印组成的tensor。

原创 深度学习训练数据太大超内存

改进后：主要看dataloader，它可以让你在训练需要时才加载那一批量的数据，就是说一次只有一个批量的数据进入内存，内存就不会爆了。问题就在于X.append(transform_train(image))会将所有数据加载到内存，肯定会爆。我的训练集是两万多张3*224*224的图片。

原创 Colab挂载Google Drive出错：MessageError: Error: credential propagation was unsuccessful

好像是凭证出了问题，我下载了Google Drive软件，然后卸载了就出现这个问题了。解决办法：挂载到另一个目录。

原创 DenseNet总结

有2个输出通道数为10的(DenseBlock使用通道数为3的输入时，我们会得到通道数为。

原创 ResNet总结

随着我们设计越来越深的网络，深刻理解“新添加的层如何提升神经网络的性能”变得至关重要。更重要的是设计网络的能力，在这种网络中，添加层会使网络更具表现力，为了取得质的突破，我们需要一些数学基础知识。

原创 colab文件中调用其他文件夹的内容

其中/content/gdrive/myDrive是固定的，指向你硬盘的开始目录，然后后续的目录就自己看情况填写，一般写到自己要执行文件的那个目录。如果不确定，可以用os.listdir()列出当前目录，然后os.chdir()选择自己想去的下一个目录，一步步摸索就能知道项目的路径了。我这里因为引用用的相对路径才这样做，可能用绝对路径就不用os变换目录了。

原创 RuntimeError: “nll_loss_forward_reduce_cuda_kernel_2d_index“ not implemented for ‘Float‘

但是出了题目所示的错，查看资料才知道交叉熵loss函数接受两个参数，第一个是float，第二个是long！背景：深度学习训练时，我自己提取了输入跟输入进行训练，把一些字符串类别映射成了数字，

原创 list转tensor很慢

大致内容是如果list里边含有np.array类型的数据，那么list转tensor就会非常慢，除非list先转成np.array，np.array再转成tensor。X是一个列表，但是循环里边得到的元素image是np.array，所以我的X是一个含np.array数据的list，难怪torch.tensor(X)这么慢，X=torch.tensor(np.array(X))写成这样就把问题解决了。

原创 Bottleneck层模型介绍

对于瓶颈层，第一个1*1卷积层是通道信息融合，减少通道数量，第二个3*3卷积层是进行空间信息融合及压缩，第三个1*1卷积层是进行特征提取（通道数变多）对于无瓶颈层，第一个3*3卷积层应该是进行特征提取（通道数变多）、空间信息融合及压缩（卷积操作配合步幅），第二个3*3卷积层应该是进一步空间信息融合。3x3卷积层：用于提取空间特征，是瓶颈块中的核心部分，用于提取图像中的细节信息。第一个1x1卷积层：用于减少通道数，即降维，从而降低计算复杂度。第二个1x1卷积层：用于恢复通道数，即升维，以便与输入进行相加。

原创 torch.reshape()的原理

reshape成(2,2,3)后，先分第0维，12个元素分成两半，[0,...,5]分给第0维的第一部分，[6,...,11]分给第0维的第二部分，然后以[0,...,5]为例，对于第一维分半，故[0,1,2]分给第一维第一部分，[3,4,5]分给第一维第二部分，然后看元素是否还剩3个，不剩3个说明想要reshape的形状不和，会报错。实践了下，看起来这样理解是没问题的，想要理解更深刻可以去看源码，我是因为源码内容好像有点多，然后懒得看了嘻嘻。我的想法是reshape是将输入的tensor。

原创 解决torch.version.cuda=None以及torch.cuda.is_available()=False

然后就出现了上面的问题，看了下别人的博客，好像如果conda配置了清华镜像源，然后conda install安装的就是cpu版本的torch，不是gpu版本的，我也不知道是不是这个问题。先把安装的torch卸载了，然后用pip安装gpu版本的torch（我没用镜像源，我开了外网下好像），

原创 理解神经网络

整个神经网络是实现功能的工具，我放入图片可以得到类似的处理，我把我要处理的图片放进模型，然后根据得出的结果，调整输出，就可能可以得到能处理自己图片的模型（对于迁移学习还不是很了解，深入学了再补一下内容）首先ReLU的本质：使小于0的部分曲线消失，只保留大于0的部分，故我可以设法用多个ReLU做出多段曲线，然后叠加，就可以生成对应多段曲线：。二、那为什么有时候一开始会把输入层的信息先放大，即输入层n个特征，先放大数量到隐藏层①，其中隐藏层①有m个神经元（m>n）：。隐藏层①有4个神经元。

原创 pd.get_dummies()方法将数据变成了布尔值，想进一步把数据转成0/1

但是我的dataFrame是只有float类型的列跟bool类型的列，为什么转不了我也不太清楚，我猜测是转的时候将True跟False识别成字符串了……很容易理解，apply处理的是整列，而我写的lambda针对的是某个值，不匹配，所以报错才会说ambiguous（对数据的处理模糊，不知道要处理谁）这会导致什么问题呢，比如说我想将这个dataFrame的类型转成torch.float32，会出错，如下：。早期的pd.get_dummies()方法是将数据变成0/1的，这时候没什么问题。

原创 jupyter展示图片做法以及为什么会无法展示图片

]()展示图片时，我用了两种路径，一种是'/'分隔，神奇的是，这种路径你点击是能找到路径从而看见图片的，但是无法在jupyter展示。另一种路径是'\'分隔，虽然可能ctrl＋click跳不到对应路径，但是他能显示图片，我没怎么学过markdown语法，所以可能认识不深。用markdown语法：!用<img src="路径">标签。

原创 张量中，挨个操作元素与用矩阵乘法操作元素，哪个块

为什么不用X[mask]=0，而用mask*X？

原创 深度学习中的MSE与MAE

均方误差（MSE）：是预测值与真实值之差的平方和的平均值，其数学表达式为，其中为样本数量，为第个样本的真实值，为第个样本的预测值。平均绝对误差（MAE）：是预测值与真实值之差的绝对值的平均值，其数学表达式为。

原创 model = nn.Sequential()

输出：)>28 * 2828×2828×283228 * 2832nn.ReLU()ReLU000ReLUnn.ReLU()32100 - 9101032dim = 11100 - 910所以这个网络有多少层？这个神经网络从结构上来看包含 4 个主要部分，可以大致认为有 4 层，不过严格来说，从传统意义上按照包含可学习参数的层来界定 “层数” 的话，nn.Linearnn.ReLUnn.Softmax。

原创 深度学习中，用损失的均值或者总和反向传播的区别

sum和mean其实主要影响了“梯度的大小”，反向传播时，依据损失求梯度，如果是sum，则梯度会比mean大n倍，那么在学习率不变的情况下，步子会迈得很长，体现到图形上就是正确率提升不了。所以需要缩小学习率。

原创 深度学习的DataLoader是什么数据类型，为什么不可用来索引

在 Python 中，DataLoader是。

原创 python中next()不属于迭代吗

next()函数在 Python 中属于迭代的一种操作方式，不过它与for。

原创 python中for循环的局部变量的作用域

问：为什么这个函数能拿到X与y，X与y不是for循环里边的变量吗？在 Python 中，for循环中的变量（像这里的X和y）确实是在循环内部定义的局部变量，但在。

原创 为什么深度学习导入数据集要用dataLoader

在深度学习中，使用DataLoader。

原创 Python中函数传递参数机制，以及原地操作x+=k与x=x+k的区别

可以看到，change_value函数使用了+=操作符直接在原对象上面进行操作，not_change_value使用了普通的赋值符号，实际上会创建一个新的局部变量data，然后更新这个data的值，最后再返回，可以看到，返回前后data和y的id也是对得上的。

原创 深度学习中的yield

在 Python 中，yield是一个关键字，使用yield的函数是一个生成器函数。

原创 pip安装d2l失败：error: subprocess-exited-with-error

可能是版本不兼容问题吧，我换个d2l版本下载就成功了。

原创 Anaconda镜像源配置

有些包在anaconda是没有对应格式的，这时候只能用pip下载，虽然anaconda带了pip，但速度很慢，所以我们还得配置pip镜像源，保证下载得快，执行如下命令。1、根据如下类似路径在C盘的用户文件中找到.condarc。1.命令行配置，输入如下命令，添加镜像源。3、在命令行执行命令清除索引缓存。2.设置搜索时显示通道地址。

原创 np.matmul和np.dot和@有什么区别与联系

，因为这两个函数/运算符主要设计用于矩阵乘法。运算符需要将数组转换为二维形式（例如，通过。可以直接处理一维数组的点积。注意：对于一维数组的点积，

原创 IndexError: boolean index did not match indexed array along axis 1； size of axis is 3...

用y做布尔数组做选择时，其实是迭代y，y一维的话，那自然就相应的选择x的整行，y二维的话，那迭代也会迭代y的某行所有数据，此时会因为判断也要选择x某行对应位置的数据，这也就是为什么y的1轴元素个数为1，x的1轴元素个数为3会出错的原因：y遍历1轴第一个元素时如果bool=True，那x要保留1轴哪个元素？细节弄错了，切片选择用的数组应该是一维的，才能迭代判断，但我这里用的y是二维的，所以报错了。即y的1轴只有1个元素，尺寸为1，x的1轴有3个元素，尺寸为3，不匹配。切片选择，即x_=x[y==1]]

原创 二维数组切片某一列后会降成一维数组，想保留二维数组的形式

首先举个例子：如下x[:0,5,1],x[0:5,2],y[0:5]均是一维数组，按道理来说，他们应该会描出五个三维点，但实则不然，出现这种情况看起来像是每个y值都匹配到了每对(x1,x2)，不应该啊，(x,y,z)应该一一配对的呀，可能是实现了3d后带来的问题。有时候画图觉得很不对劲可能是这个原因，这时候要reshape一下，使其成二维的，3d好像就能正确处理三维点，这样就行了。

原创 Conversion of an array with ndim ＞ 0 to a scalar is deprecated, and will error in future

错因：在root()函数中，传入的参数是np.array（矢量），但lambda x:x+cos(x)中cos(x)接收的参数是一个标量，不匹配，所以要改成np.cos(x)，这样接收的才是矢量。不过在目前，使用math的cos函数也是可以运行的，只是警告，但未来就会报错了。

原创 python-learn

一个构造函数，所以第一个参数为self，可操作本身的属性、方法，第二个参数为父类窗口，这里设为None，表示自己就是最顶层窗口。

原创 Caused by: jakarta.websocket.DeploymentException: ......that did not have a @PathParam annotation

通常情况下，在 WebSocket 的 URI 路径中，可以包含一些参数信息，这些参数信息可以通过。注解是不正确的，因为它是 Spring Framework 中用于处理 HTTP 请求参数的注解，而不是用于处理 WebSocket 连接的。是 Spring MVC 中用于从 URL 路径中提取参数值的注解，不适用于 Java WebSocket API。因此，要正确处理 WebSocket 连接中的路径参数，应该使用。因此，要正确处理 WebSocket 连接中的参数，应该使用。

原创 Spring配置文件bean.xml中注入util和context命名空间

以util为例:在beans头位置,就是与xmlns同级的位置,添加命名空间:xmlns:util="http://www.springframework.org/schema/util"不过只配这个还是会有问题,报错:通配符的匹配很全面, 但无法找到元素 "util:list"的声明。

原创 javaweb访问页面404

但是我碰到了种问题，用工件构建的输出目录，里边没有web.xml和jsp文件等，但我放置web部署文件的位置等也都找对了，这个也会导致访问404，不知道为什么工件没有将web.xml文件导出。原因：可能是放置web部署文件的位置没有找对，如下图，上边是放置部署文件web.xml的位置，下边是自己放web资源的位置。