玄云飘风的博客

流畅的python》是还在上学时就被安利的一本奇书，马克了很久一直没机会系统拜读。最近碰巧偶得第二版的pdf。经济周期的下行阶段正是用来学习充电的，于是乎打算捡起荒废许久的blog，读读书，写写字，蓄势待东风。

用python转换图片及其base64编码

使用python元素树解析XML文件<?xml version="1.0"?><data> <country name="Liechtenstein"> <rank updated="yes">2&a

Anaconda搜索bz2安装包： https://anaconda.org/某些以-C指定源安装的包可能需要登陆下载bz2文件并执行命令：conda install --use-local *.bz2pip搜索whl安装包：https://pypi.org/下载whl文件并执行命令：pip install *.whl...

系統：ubuntu18.04LTSpython版本：python3.6opencv版本：opencv4.0.0其他部分按照 https://docs.opencv.org/master/d7/d9f/tutorial_linux_install.html 这里进行即可，其中cmake命令执行如下：cmake -D CMAKE_BUILD_TYPE=RELEASE \ -D PYTH...

Caltech-256中的每张图片的大小都不一定，所以在这里需要进行crop操作。这里偷懒了，mean和std去了imagenet的数据，严格来讲需要单独计算。rstrip()和strip()可以根据具体场景灵活使用，这里保险起见多用了。import torchfrom torch.autograd import Variablefrom torchvision import tra...

第一篇文章提取了label，后面做实验发现还是不够用，这里用10：1的比例划分训练集和验证集，可以基本保证不发生类别不平衡的情况。原图片结构依然同第一篇：./256_ObjectCategories/001.ak47/001_0001.jpg… …./256_ObjectCategories/257.clutter/257_0827.jpgimport osdatasetpath="/...

保存和加载整个模型torch.save(net, 'model.pkl')net = torch.load('model.pkl')仅保存和加载模型参数state = { 'net': net.state_dict(), 'acc': acc, 'epoch': epoch,}torch.save(state, 'params.pkl')torch.save...

from PIL import Imageimport numpy as npx=np.load("universal.npy") # x.shape=m*n*3x=(x-np.min(x))*255/np.max(x)r,c,_=x.shapeim = Image.new("RGB", (r, c))for i in range(0, r): f

pip install –upgrade pkg //升级 pip list -outdated //查看版本号

不知道为什么，最近Image-net的网站上不去了，花了好多功夫终于找到了暂且可以接受的分类替代数据集Caltech-256（https://authors.library.caltech.edu/7694/），其结构如下：随手写了个脚本通过./256_ObjectCategories/下的文件夹生成label txt。import osdatasetpath="/media/thi...

最近看代码，被变量赋值搞得头晕，略微整理一下。#t.pydef hello(): print("hello") return 1#main1.pyfrom t import hello hello=1 #hello指向1，从此开始，导入的hello函数丢失。h=hello() #报错：'int' object...

torch.nn.Module和torch.nn.Functional中有一大部分重叠的功能。如：卷积层、池化层、标准化、线型层等。区别是Functional通过method来实现，而Module通过class来实现，会自动提取可学习参数nn.Parameter。对于激活函数和池化层，由于没有可学习参数，一般使用nn.functional完成，其他的有学习参数的部分则使用类。但是Droupout由...