- 博客(20)
- 收藏
- 关注
RSS订阅原创 linux下 python2\python3默认环境切换
在没配置之前，我的Ubuntu中安装了python2.7和python3.6。我们知道在Windows下多版本共存的配置方法就是改可执行文件的名字，配置环境变量。linux下 多python环境 修改默认python2为python3。1.找到当前代表python2.7的软链接‘python’的位置，删掉。Linux中的配置原理差不多，思路就是生成软链接，配置到环境变量。2.找到python3.6的执行文件，将其生成软链接到环境变量。我需要配置成python3，只需要执行如下步骤。
2024-01-31 14:45:15
461
1
原创 c++ opencv 摄像头断线重联
查了，想了，写了几天，网上都没有相关的，特意贴出来，分享一下。版权所有。主要涉及异常捕捉，opencv。new，指针可以换成常规操作；#include <iostream>#include <opencv2/opencv.hpp>int main(){ //打开一个默认的相机 cv::VideoCapture *capture_ptr = new cv::VideoCapture; capture_ptr->open(0); // //
2021-09-22 15:49:57
1609
1
原创 Cmake笔记总结
1 单个源文件CMakeLists.txt 文件：2 同一目录，多个源文件工程目录：CMakeLists.txt 文件：或使用 aux_source_directory 命令，该命令会查找指定目录下的所有源文件，然后将结果存进指定变量名。...
2021-04-08 13:41:34
3202
原创 Linux mongodb
安装mongodb相关组件1.建立并 删除data/db 相关文件sudo sucd /data/dblsrm -rf *2.开启本地服务:/var/lib/mongo$ sudo mongo --dbpath /var/lib/mongo (–logpath /var/log/mongodb/mongod.log --fork)3.打开mongodbusr/local/mongodb4/bin$ ./mongodb.version()show dbsuse admin.
2020-11-26 11:11:59
137
原创 Yolov4 相关学习
Yolo 学习了一些总结普通的目标检测器，分为下面几部分：1 主干：VGG16, ResNet, DarkNet53 等深度网络主干，用于提取feature map（特征图）2 头部： 分为一阶目标检测器 （Yolo, SSD, RetinaNet）二阶目标检测器 （R-CNN, fast R-CNN, faster R-CNN）用于最终输出，即预测类别，目标框（bounding box）3 颈部：（顾名思义）位于主干、头部之间。特征增强 ， 特征提取、整合、加工。如不同尺度的featu
2020-08-19 17:06:06
226
原创 C++ 链表创建，展示
链接: https://blog.youkuaiyun.com/qq_41620518/article/details/81143414.看了好多关于链表的讲解，感觉上面这个是最简单易懂的，所以将代码粘了过来，同时加了链表展示的函数，不懂的细节可以点上面的链接#include <iostream>using namespace std;// 创建一个单链表结构体struct ListNode{ int m_key; ListNode* next;};// 创建一个单链表voi
2020-08-13 11:22:54
286
原创 *.proto 文件生成代码（.pb / .grpc）
*.proto 文件生成代码python生成代码protoc -I=$SRC_DIR --python_out=$DST_DIR $SRC_DIR/hello.protoc++ 生成代码protoc -I=$SRC_DIR --cpp_out=$DST_DIR $SRC_DIR/hello.proto
2020-07-31 15:04:56
1058
原创 linux cmake 卸载 安装 相关注意事项
一．linux cmake 安装前，先查询并卸载旧版本1.查看当前版本cmake --version2.卸载apt-get autoremove cmake二．Linux cmake 安装 path配置注意：链接: https://cmake.org/download/.下载很适合版本的cmake.tar.gz注意linux 分64位 、 32位终端下，输入查询：getconf LONG_BIT 2.（我下的是）cmake_3.18.1_Linux-x86_64.tar.
2020-07-31 14:26:04
1081
原创 Python 继承（子类、父类） 构造函数(__init__ / super 关键字)
3种情况：子类不重写init，继承父类init子类重写init， 不继承父类init子类重写init，同时继承父类init（super关键字）情况1： 子类不重写 init，实例化子类时，自动调用父类定义的 init。class Father(object): def __init__(self, name): self.name=name print ( "name: %s" %( self.name) ) def getName(self): return 'Fathe
2020-07-30 10:20:32
1224
原创 postgresql Python 简单应用
postgresql 可以在python下操作次为一些简单操作注意：user passward 要设置正确，不然连不上。端口也要对应好import psycopg2# from psycopg2.extensions import ISOLATION_LEVEL_AUTOCOMMIT# conn.set_isolation_level(ISOLATION_LEVEL_AUTOCOMMIT)user = "postgres"pwd = "123456"port = "5432"hos
2020-07-29 11:20:12
220
转载 PostgreSql学习 入门级
PostgreSql学习课程详细1.什么是PostgreSql？2 安装 版本3 简单操作4 操作数据表5 字段类型6 添加表约束7 INSERT 语句8 SELECT 语句9 WHERE 语句10 数据抽出选项11 常用函数12 更新和删除13 变更表结构14 操作多个表15 使用视图16 使用事务课程详细1.什么是PostgreSql？2.初来乍到数据库3.操作数据表4.字段类型5.添加表约束6.INSERT语句7.SELECT语句8.WHERE语句9.数据抽出选项10
2020-07-28 16:44:36
353
原创 深度神经网络(训练集，验证集，测试集), 提升模型效果，交叉验证
随笔神经网络训练不是loss越小，效果越好，所以要将数据集分成：训练集，验证集，测试集其实 训练集，验证集 都是有 输入（input）及标签（label）的，所以都可以拿来训练，即前向传播–>求损失–>反向传播。但验证集存在的意义就是“验证”，验证集不需要反向传播计算（即训练），验证集是用来验证训练集得到的模型的输出效果（准确率，得分等），某些情况带入验证集求损失，通过得到‘最小’损失，来得到最优模型。因为验证集不会影响、修改网络模型，可以说验证集是验证网络模型的泛化效果测试集是
2020-07-17 10:35:40
2083
原创 关于Yet-Another-EfficientDet-Pytorch 的输出，loss分析
链接: https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch.features, regressions, classifications, anchors = model(imgs)第一个输出features，代入第二，三，四个输出相关的函数中，相当于第二阶网络，得到第二，三，四个输出regressions= self.regressor(features)classifications= self.classifer(feat
2020-07-07 13:54:21
919
原创 torch.max / torch.full_like / torch.ones_like / torch.lt / torch.ge
torch.maxa = np.random.rand(5,2)a = torch.tensor(a)a_max,a_argmax = torch.max(a, dim=1)a : tensor([[0.2805, 0.4071],[0.4589, 0.8937],[0.5888, 0.5372],[0.5745, 0.8074],[0.6305, 0.4937]], dtype=torch.float64)a_max :tensor([0.4071, 0.8937, 0.5888, 0
2020-06-30 15:03:34
943
原创 Opencv (C++)函数库学习整理1,(像素操作，形态学处理)
持续更新中，仅供个人学习(C++的opencv)图像加载Max src = imread(‘adsfaasdf’)判断图像是否空src.empyt() = ture or falsesrc.data图像框nameWindow(‘aaa’, CV_WINDOW_AUTOSIZE) 或CV_WINDOW_NORMAL图像展示imshow(‘aaa’, src)修改图像（改变颜色空间rgb ）cvtColor(src, dst, CV_BGR2GRAY)保存图像imwrite(‘ima
2020-06-29 10:23:28
1004
原创 关于pytorch 转 onnx ,TracerWarning解决
已遇到情况举例：1 不能有if…else如：if nx == na: x = x + a因为pytorch过于灵活，个人感觉 onnx计算图，需要固定的计算公式，逻辑判断语句会出问题，如上面语句，我debug了下，在我需要的yolov3情况下，发现nx==na一直成立，所以直接去掉“ if nx == na: ”，就OK了2 原地修改(计算)如：p[:,0:2] = torch.sigmoid(p[:,0:2])下面是问题描述：TracerWarning: There a
2020-06-19 14:21:00
3433
2
原创 protobuf proto3 参考指引指导（C++）
一.protobuf proto3 指导链接: https://www.jianshu.com/p/73c9ed3a4877.链接: https://developers.google.cn/protocol-buffers/docs/proto3.helloworld.protosyntax = "proto3";package helloworld;// The greeting service definition.service Greeter { // Sends a gre
2020-06-18 13:58:12
508
原创 关于FPN（特征金字塔网络）层间融合的理解
主要是FPN层间融合的个人理解Feature Pyramid Networks for Object Detection论文链接: https://arxiv.org/abs/1612.03144.盗图如下链接: https://blog.youkuaiyun.com/WZZ18191171661/article/details/79494534.1.图像特征金字塔简述最早的图像特征金字塔 来源于 SIFT(尺度不变，特征变换) 然后 HOG(方向梯度直方图)，模仿人看东西远近不同的大小尺度，同时不同尺度，特
2020-06-09 15:59:25
3891
1
原创 Pytorch版 yolov3 (ultralytics) loss计算变换流程
Pytorch版 yolov3 (ultralytics),关于loss(box,obj,class)转换流程已全部理清。链接: https://github.com/ultralytics/yolov3.一. 输出各维度含义已yolov3-tiny（2尺度）举例（以下数组全为尺寸大小，不是数值）生成 pi [4,3,16,16,7] / pi [4,3,32,32,7] 输出(网络输出),‘4’: batch_size‘3’ : 3个anchor‘16’/’32’: [512,512]图像缩
2020-06-07 23:04:49
2029
6
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人