2019.4.1 训练情况总结

pytorch-YOLOv4训练自己的数据集 题记:之前用YOLOv3训练了自己的数据集,详见该博客,Darknet--Yolov3训练自己的数据。准备试试YOLOv4,试试看校测效果是否再提高,因需要,用的pytorch版本。 一、下载代码 1、下载项目代码 git clone https://github.com/Tianxiaomo/pytorch-YOLOv4.git cd pytorch-YOLOv4 2、下载预训练模型 在该目录下新建文件夹weight,用于存放权重文件,下载链接如下,下载后存放在weight文件夹下 baid 阅读详情
  • 个人训练情况

新生训练mission 7——线段树与树状数组已完成8题(共十题)

 Stat#Title
Solved14 / 17AFrequent values
Solved23 / 34B敌兵布阵
Solved20 / 31CI Hate It
Solved17 / 30DJust a Hook
Solved13 / 34ECount the Colors
Solved9 / 20FCan you answer these queries?
Solved14 / 36GA Simple Problem with Integers
 10 / 11HHelp with Intervals
 7 / 7ICows
Solved3 / 8JCan you answer these queries I
  • 遇到的问题&解决方法

1.第一题“Frequent values”采用ST算法(Sparse Table),其原理为动态规划(难点):        d[i, j]=max(d[i, j-1],d[i+2^(j-1), j-1])

其中d[i, j]表示从i开始,长度为2^{j}的一段数组区间内元素的最大值,初始化时d[i,0]分别赋每个元素的值,递推时j从1开始到2^{j}<=区间元素个数;对每个j,i从0开始到i+2^{j}<区间元素个数.

2.之后多题采用线段树,主要操作包括点修改,区间内元素增加相同值,区间内元素改为相同值,查询区间和或最大值,统计特定元素段个数。有点难懂。。

3.第二题“敌兵布阵”和第三题“I Hate It”要求点修改,可遍历至叶节点修改后返回,逐层修改非叶节点至根节点

4.第四题“Just a Hook”要求区间改为相同值,采用懒标记只修改不重合最大区间的值,查询时再下传标记。

5.第五题“Count the Colors”同第四题,区别在于最后一次性下传标记完成统计。

6.第六题“Can you answer these queries?”单点开根,每个点小于2^{63},所以7次开根必为1,此后无需更新。

7.第七题“A Simple Problem with Integers”区间增加相同值,依旧用懒标记,下传标记时默认int型可能溢出,应强制转换为long long型或懒标记数组直接用long long型。。

    tree[a]+=(long long)(mid-l+1)*f[o];
    tree[b]+=(long long)(r-mid)*f[o];

8.第十题“Can you answer these queries I”查询每一个区间的最大连续和,建树时每个节点储存该区间的最大连续和,最大前缀和,最大后缀和,区间值之和。其中最大连续和=max(左子节点最大连续和,右子节点最大连续和,左子节点最大后缀和+右子节点最大前缀和)。查询时至上而下遍历线段树,对每个节点都有四种情况:刚好是查询区间的子区间(直接返回该节点信息),左子节点包括查询区间的子区间(遍历左子节点),右子节点包括查询区间的子区间(遍历右子节点),查询区间的子区间同时在左子节点和右子节点中(左右都遍历)。合并区间过程类似建树过程。。对查询区间的每个子区间合并完成即可得到最大连续和。

YOLOv3/YOLOv4(GPU)+Win10+VS2019的配置(从0开始) 提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录前言VS2019的下载vs2019安装勾选 前言 本文章主要分为了两个板块:YOLOv3的配置和YOLOv3用自己的数据集训练。 点击这里跳转到第二篇的地址 这几天以来,我也看了很多这方面的博客,依然是踩了很多的坑才过来的。因此我写了这两篇博客,希望能够帮助一些人。 VS2019的下载 VS2019的下载比较简单。点击下载地址即可到官网下载VS2019,选择Community版即可。 安装的时候需要注意勾选以下几个就可以了。注意要 阅读详情

相关推荐

yolov4用Google Colab训练自己的数据集

yolov4 简介 前段时间YOLO系列(v1-v3)作者 Joe Redmon在推特上宣布不再继续CV方向的研究,但最近由 Alexey Bochkovskiy大神接管并更新了yolov4的项目,项目地址https://github.com/AlexeyAB/darknet。此项目之前为yolov3项目支持windows的版本,由于官方darknet并不能很好得支持windows环境,便采用了支...

longlong068的博客 1万+

近期训练情况

最近事情比较多,学校里的活动层出不穷,我明显感觉自己经历不够用了。最近也在熬夜调程序,但是却是必修课程序设计的作业,还是学的不够好,调了好长时间。 对于ACM的作业就没挤出来很多时间去仔细研究,目前dp还没有掌握好,也做了几道dp方面的题目,搜索就没有抽出来太多时间去仔细研究,这么长时间才做出来一道题,还看了一道与之前老师讲过的题非常相似的题目,有关象棋中马怎么走到终点的问题,相...

菜鸟本菜的博客 256

yolov4训练自己的数据集

YOLOv4训练自己的数据集1、电脑配置2、下载并配置 1、电脑配置 win10、OpenCV4.1、VS2019、cuda10.2 2、下载并配置 (1)YOLOv4网址:https://github.com/AlexeyAB/darknet 克隆到本地后,开始配置 (2)打开:D:\darknet\build\darknet(我下载在D盘,路径按照自己的打开) (3)在文件夹C:\Program Files (x86)\opencv\build\x64\vc15\bin的两个dll文件: opencv

cheryl88的博客 3869

训练总结

ACM的话,其实我之前的时候是退出过一次的,不过时间的话,那时候还挺早的,记得是第一个HDU上的二分三分的时候, 还可以吧,赶上趟了,总算是赶上了, ACM的话,在这个学习的过程中,如果说获得算法思想的话,那其实是必须的, 但其实我觉得带给我个人更多的,是一种学习的习惯和态度吧,尤其是这个暑假假期集训,我获得的就更加多了,书上的知识,还有学到点东西,总结一下的习惯,我觉得还不错的,还有的话,...

红点雷龙XL 349

基于YOLOv11训练无人机视角Visdrone2019数据集

VisDrone 数据集 是由中国天津大学机器学习和数据挖掘实验室 AISKYEYE 团队创建的大规模基准。它包含用于与无人机图像和视频分析相关的各种计算机视觉任务的,经过仔细标注的真实数据。VisDrone 由 288 个视频片段(包含 261,908 帧)和 10,209 张静态图像组成,这些数据由各种无人机载摄像头拍摄。该数据集涵盖了广泛的方面,包括地点(中国 14 个不同的城市)、环境(城市和乡村)、物体(行人、车辆、自行车等)和密度(稀疏和拥挤的场景)。

qq_40725313的博客 2178

AltiumDesigner相同模块复用操作

AltiumDesigner相同模块复用操作框选已布局好的A电路,作为复用模块创建Room同样的操作,框选C电路,然后也创建Room查看A电路的Chanel Offset显示设置复制Channel Offset查看B电路的Channel Offset复制A电路的Channel Offset到C电路Room格式的复制 框选已布局好的A电路,作为复用模块 创建Room 同样的操作,框选C电路,然后也创建Room 查看A电路的Chanel Offset 框选A模块的,然后点右下角的菜单——PCB——PCB

weixin_41947101的博客 5964

2019.4.27.训练情况

个人训练情况 Stat # Title Solved 8/14 A The Perfect Stall Solved 3/5 B March of the Penguins 1/1 C PIGS 0/4 D Sightseeing tour ...

sedcftyv的博客 158

centos+apache+subversion+LDAP

yum install subversion 报错:[Errno 14] HTTP Error 416 - Requested Range Not Satisfiable 正在尝试其它镜像。 zaici

qq_41566366的博客 1546

使用yolov5训练visdrone2019数据集-详细教程

记录一下自己用yolov5训练visdrone数据集时的经历,希望可以让后来人少走一些弯路

weixin_42475780的博客 2万+

数字IC后端项目典型问题之后端实战项目问题记录

数字IC后端培训教程之数字后端实战项目问题debug及解决方案记录

weixin_37584728的博客 1717

Android Display Graphics #1 整体框架介绍一

手机屏上显示的内容,2D或3D ,如果是 3D 的,不管是 App 还是游戏,或者简单的图片界面,底层都是通过 GPU、 通过 OpenGL(ES)绘制出来的。是Java层的一个类,提供了一系列API,使用这些API可以实现各种的产品经理要求的效果。显示的不同阶段对这块内存的叫法不同,在上层可以是Window、ANnativeWindow、Surface、SurfaceView、layer、buffer,这些本质上没啥区别,可以广泛意义上理解为用于显示内容的那块内存,只不过各个阶段的操作接口不同。

oDwyane03的博客 1389

Yolov3训练过程:VS2019+Opencv4.2

环境要求 关于在Windows下的配置(无GPU)基于VS和opencv,参考这个博客 https://blog.csdn.net/baidu_36669549/article/details/79798587 介绍的很详细,我就是按照这个配置成功的,只不过我的版本是: VS2019+Opencv4.2 博客中说到opencv版本不超过3.6,我也不清楚为什么自己的4.2版本成功了。。。emmm ...

boss-dog 1587

开关电源EMC整改实录:用WSX系列共模电感搞定30MHz辐射超标

本文详细介绍了开关电源EMC整改实战,通过WSX系列共模电感成功解决30MHz频段辐射超标问题。文章分析了共模干扰的产生机制,对比了不同磁芯材料的性能差异,并提供了电路布局优化与安装技巧,最终通过实测数据验证了整改方案的有效性。

weixin_29305313的博客 420

【超详细】基于YOLOv8训练无人机视角Visdrone2019数据集

VisDrone数据集是由天津大学等团队开源的一个大型无人机视角的数据集,官方提供的数据中训练集是6471、验证集是548、测试集1610张。数据集共提供了以下12个类,分别是:‘忽略区域’, ‘pedestrian’, ‘people’, ‘bicycle’, ‘car’, ‘van’,‘truck’, ‘tricycle’, ‘awning-tricycle’, ‘bus’, ‘motor’, ‘others’,其中忽略区域、others是非有效目标区域,本项目中予以忽略;

weixin_45679938的博客 3万+

【C语言基础】野指针与空指针

全网最接地气的C语言野指针介绍,此处对于野指针与空指针知识点做一些简要的介绍,作者实属初学,写博客也是作者学习的一个过程,难免文章中有内容理解不到位或者有不当之处,还请朋友们不吝指正,希望大家多多给予支持,赠人玫瑰,手有余香! 文章目录一:野指针1.1 :野指针的成因2.1 :规避野指针二:空指针 一:野指针 概念:野指针就是指向的内存地址是未知的(随机的,不正确的,没有明确限制的)。 说明:指针变量也是变量,是变量就可以任意赋值。但是,任意数值赋值给指针变量没有意义,因为这样的指针就成了野指针,此指针指向

qq_43727529的博客 2万+

Agentic-Desktop-Pet:构建本地智能桌面助手的架构与实践

智能体(Agent)作为人工智能领域的重要概念,是指能够感知环境、自主决策并执行任务以实现目标的软件实体。其核心原理在于结合感知、决策与执行模块,通过大语言模型(LLM)等推理引擎处理信息并驱动行动。这种架构的技术价值在于将AI的认知能力与具体的操作系统环境深度融合,从而创造出能主动理解用户上下文、提供个性化服务的智能伙伴。在应用场景上,智能体技术正从云端对话机器人向本地化、场景化的桌面助手演进,旨在解决传统自动化工具缺乏智能、而纯聊天机器人脱离操作环境的问题。本文探讨的Agentic-Desktop-Pe

weixin_27210125的博客 623

YOLOv4安装和训练

环境 Windows:10 YOLOv4 OpenCV:4.5.3 Visual Studio 2019:16.11 CUDA:11.2.0_460.89_win10 cudnn:11.2-windows-x64-v8.1.1.33 硬件 NVIDIA GeForce RTX 3070 Ti OpenCV 4.5.3网址:https://sourceforge.net/projects/opencvlibrary/files/4.5.3/ OpenCV 4.5.3下载链接:https://nchc.

꧁༺ʚvv༒catɞ༻꧂的博客 8430

机器人控制仿真软件:MATLAB Simulink Control System Toolbox_(1).MATLAB基础知识

MATLAB(Matrix Laboratory)是由MathWorks公司开发的一种高性能数值计算和可视化软件。它广泛应用于科学计算、工程设计、信号处理、控制系统设计、图像处理等领域。强大的矩阵运算能力:MATLAB的核心是矩阵运算,能够高效处理大规模的数值数据。丰富的工具箱:MATLAB提供了大量的工具箱,如Control System Toolbox、Simulink、Signal Processing Toolbox等,这些工具箱覆盖了多个应用领域。易于使用的图形界面。

kkchenjj的博客 908

Tesseract-OCR 4.1 LSTM训练方法

曾参考此处->:https://blog.csdn.net/qq_30110069/article/details/98742701 Tesseract-OCR 4.1 LSTM训练流程 (win10环境) 一、配置tesseract 4.1版本 可通过自行编译源码或者下载安装文件安装tesseract。最新的tesseract 4.1 LSTM版无法找到安装文件,通过编译源码生成如下目录:...

胡椒面er 1万+

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

YoloV4训练自己的数据集

YoloV4训练自己的数据集

LK007CX的博客 1万+

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

2019.4. 13训练情况总结

个人训练情况 Stat # Title Solved 18/18 A Tr A Solved 15/20 B Fibonacci Solved 11/24 C Matrix Power Series Solved 7/13 D Corn Fields Solved ...

sedcftyv的博客 127

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

【超详细】基于ultralytics代码训练YOLOv5/8/9/10/11s—Visdrone2019数据集

VisDrone数据集是由天津大学等团队开源的一个大型无人机视角的数据集,官方提供的数据中训练集是6471、验证集是548、测试集1610张。数据集共提供了以下12个类,分别是:‘忽略区域’, ‘pedestrian’, ‘people’, ‘bicycle’, ‘car’, ‘van’,‘truck’, ‘tricycle’, ‘awning-tricycle’, ‘bus’, ‘motor’, ‘others’,其中忽略区域、others是非有效目标区域,本项目中予以忽略;详情见文章1和2。

weixin_45679938的博客 5519

yolov4训练自己的数据模型

看了下yolov4的作者给的操作说明,链接如下:https://github.com/AlexeyAB/darknet#how-to-compile-on-linux-using-make,有兴趣的可以去看看,总结起来,跟yolov3的操作方式基本一样,所以现在记录一下这次的整个操作流程。 在几个月前,一直在准备一个项目,那个项目已经让人用lableme这个标注软件标注好了图片,但是直到现在,这个...

雅痞匪徒(Nike)的博客 2万+

编译并测试YOLO v4:Win10 + VS2019 + Cuda10.1

编译环境 Visual Studio 2019 Nvida device driver 430.64 Cuda 10.1 Cudnn 7.6 Cmake 3.15 Opencv4.1.0 step one:源码下载 首先克隆darknet的源码 git clone https://github.com/AlexeyAB/darknet.git step two:cmake编译 1.打开cmak...

info_black_hole的博客 4219
下一篇: acm训练情况总结索引
sedcftyv
博客等级 码龄8年 7粉丝 73原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值