shenjianhua005的专栏

原创 segment anything 2 安装报错

1. pip install -e . 这个始终安装不了，后来用了参考中的：pip install --no-build-isolation -e .在命令行里面设置下就解决了。

原创 kill 不管用时，类型为C

接着就是使用 kill -9 各个pid，这样就可以关掉进程了。

原创 pytorch应该安装哪个nvcc -V 还是 nvidia-smi 对比的cuda?

应该使用 nvcc -V 这个对应的cuda版本，这样就会兼容。这时候两个cuda版本时不一样，该使用哪个？

原创 pip install torch慢

在Pytorch官网找到安装命令，然后在安装命令中间加上 --trusted-host。

原创 yolov5 + openvino + c++测试

5.我是在windows上使用，所以下载的是windows，下载后是一个压缩包，解压下（参考1有说把一些路径设置到环境变量中，这个可以设置也可以不设置，不设置运行时就把库都拷贝到运行.exe所在目录）。1.拉取最新yolov5代码，训练自己数据或者直接用官方pt模型来进行转为openvino的格式，当前已经支持直接把pt模型转为openvino。7.点击生成，编译成功后，打开exe所在路径，把opencv和openvino运行所需的dll全部拷进来。直接把代码复制粘贴，只需把模型路径和图片路径修改下就好。

原创 根据缺陷大图造到正常图片上，产生更多缺陷数据

【代码】根据缺陷大图造到正常图片上，产生更多缺陷数据。

原创 attention中为啥multi-head输出结果进行concat，得到x，x还要乘上一个WO矩阵？

其实这里WO就是参数，我们是把提取的特征再乘以一个WO，然后得到的结果输出，然后与GT进行比较，算loss，然后反向梯度更新参数，这里的参数就包含WO，WO的存在就是为了更好的提取x特征，这样x乘以WO输出结果就更接近GT。那如果没有WO，那反向梯度更新啥？只要记住，为了让模型能提取图像特征更准确，提取图像特征靠的就是模型中的参数，只有有了可以更新的参数才可以训练好模型，特征x的维度虽然跟预期一样，但是没用，它只是一个计算结果，更新不了，不更新，下次提取还是跟这次一样，与GT差多少还是多少，没啥效果！

原创 BN、LN、IN、GN的自我理解

即特征1有三组，特征2也有三组，那计算均值方差，是特征1和特征2的组一一起进行计算，特征1和特征2的组二一起计算，特征1和特征2的组三一起计算，那最终得到均值和方差也都是向量，均值向量里面有三个值，分别是组一、组二、组三的均值，方差向量里面也是三个值，也分别是组一、组二、组三的方差。” 刚开始不理解什么在batch方向做，原来是一次计算是batch个大小，其实也很好理解，因为是相同channel进行计算，那一个batch有两个特征，那相同特征计算就会有两个channel进行计算，所以这就是batch方向。

原创 样本标准差与总体标准差中自由度理解

作为均值估计量会引入一定的不确定性（偏差），使用n-1进行自由度调整可以更准确地估计总体的标准差。不过样本标准差一般是比总体标准差高。这里样本标准差用的是n-1，不是n。另外，标准差是对方差进行平方根，所以去掉平方根就是方差。

原创 关于coco的json中images和annotations中id理解

原创 voc xml 转 coco json

xml_dir为voc格式的xml所在路径。json_file为保存json所在路径。

原创 source tree 3.4.10免费试用

双击安装后，出现buxxx服务器，可以跳过，git我自己安装了，默认检测到，mecurial这个我是勾选的，会下载安装，后面用户名和邮箱自己输入下就好，然后就下一步，接着就可以使用了。

原创 本地运行 minigpt-4

解决办法：把 llama-13b-hf/tokenizer_config.json 中 "tokenizer_class": "LLaMATokenizer" 改为 "tokenizer_class": "LlamaTokenizer".加载成功后，但是在把其提示的ip输入到浏览器，打不开，很奇怪，后来参考到别人这个，我想到把我的服务器ip写到demo.py中，然后就可以打开了，不过打开还需要有梯子，还好我有梯子。1运行后，输入对话，又报错，暂时还没解决。当然，按照上面操作，我也是遇到了一些问题，如下。

原创 tensorboard 显示训练指标图

当出现如下红色框时，需要再开一个窗口，输入："tensorboard --logdir xxxx/xxx/runs/train --bind_all" logdir后面路径一定要指对，同时一定要加 “--bind_all” 参数，不然显示不出来。就可以显示了，如下图。

原创 C++加密解密文件

当然，下面加密方法也可作为解密方法。

原创 python 在linu下解压zip压缩包，解决中文乱码

由于出现乱码，就在 unzip 命令后加 -O CP936 我这里解压就解压在与压缩包同级目录下。

原创 C++遍历文件夹

这里需要用到 c++ 17。

原创 C++ 使用 tinyxml2 解析&创建 xml

这里需要注意的就是，如果节点里面又有节点，这个时候就不能用 surfaceChild->GetText() 来获取里面的值，因为里面是节点，不是单纯的值，如果仍然使用GetText()会报错。1. 整体的逻辑其实就是一层一层的遍历，先找到需要遍历的那个节点，然后通过while和NextSiblingElement来进行循环；这个时候就需要用FirstChildElement() 这个方法来获取里面第一个节点的内容，然后再通过while进行循环遍历，如下。

原创 C++ 关于 const 修饰指针

代表指针ptr指向的地址中的值（数据）是常量，而不是指针本身为常量,可以不被初始化，该指针可以指向常量也可以指向变量,只是从该指针的角度而言,它所指向的是常量。不可通过指针ptr来修改其所指地址中的值（数据）。代表ptr是一个常量指针，其指向的地址不可改变，其指向的是一个常量，且不可通过ptr来改变其指向地址中的值。代表ptr指针是一个常量指针，其所指向的地址不可改变，但是所指地址中的值（数据）是可以改变。

原创 VB调用 C++ 库Demo

不过需要注意，VB与C++数据类型要对应，这里VB中的 String 对应 C++ 中的 char*11. 注意，由于是VB读图，传到底层Opencv，底层需要判断下，传到底层构建的图片会不一样。上面 input_offset 就是 VB 读图传下来的，对应上面代码。8. 接着接着右键callCppDll，点击“重新生成”，如下。5. 把如下内容拷贝替换Module1.vb中的内容。9. 生成完打开其所生成的exe路径，如下红色框。4. 右键，选择“添加引用”，添加图像库。7. 改完后，应该如下图。

原创 yolov8 ncnn

1.2.

原创 cmake 常用方法自我总结

最关键的是，当我点击生成pcb库的时候，其会先自动生成common.lib库，然后再生成pcb库，也就是说，cmake会自动判断依赖项，并根据依赖项依次生成，非常方便便捷。最近在做C++项目时，当编译A库得时候，A依赖B库，所以要先生成B库，然后把B库的lib设置到A库中，一旦工程新建，就要把前面操作过程都执行下，挺繁琐。

原创 编译cryptopp库

因为我们在自己工程中，往往“属性-》配置属性-》C/C++ -》代码生成-》：基本运行时检查和运行库都分别为：“默认值”和“多线程调试DLL(/MDd)” 或者“默认值”和“多线程调试DLL(/MD)””，不过cryptest.sln工程中cryptlib属性不是这样的，如果不修改，我们自己工程在编译的时候就会报“error LNK2038: 检测到“RuntimeLibrary”的不匹配项”。5. 接着右键crptlib-》清理-》重新生成，生成后指定路径下就会有对应的lib文件。

原创 windows下ncnn debug编译

windows下ncnn编译

原创 python开线程处理

开线程

原创 关于Thread.start()后的困惑、imap

thread start join

原创 flask 简单实现post,server

post,server

原创 torch.manual_seed 理解

小知识点

原创 K-means的理解

k-means

原创 C++调用python

C++ 调用 Python

原创 模型推理时图片卷积可视化

模型推理可视化

原创 参加江大白手把手教你-----AidLux智慧安防AI训练营

目标跟踪

原创 混合精度训练优势

混合精度训练

原创 windows安装openvino

windows、openvino

原创 构建网络图的好网站，print信息写到log中

python print log

原创 SGD 自己理解

SGD

原创 local_rank，rank，node等理解

node，rank，local_rank

原创 交叉熵 自我理解

cross entropy

原创 DataParallel、 torch.distributed.barrier() 讲解

参考：1. 2.

原创 loss与optimizer的关联

loss,optimizer