<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_40589607的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/weixin_40589607</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; weixin_40589607]]></copyright><item><title><![CDATA[pytorch加载模型时出现.....ckpt_100.pth is a zip archive (did you mean to use torch.jit.load()?)]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/111883713</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/111883713</guid><author>weixin_40589607</author><pubDate>Tue, 29 Dec 2020 10:57:03 +0800</pubDate><description><![CDATA[在测试加载训练好的模型时出现上方问题，参考这篇文章，原因是训练和测试的torch版本不一致。
训练的时候是1.6，测试的时候是1.2，因此需要先在1.6版本下加载模型，重新保存，在保存的时候设置use_new_zipfile_serialization=False 就行了。
原本代码：
checkpoint = torch.load(val_path+args.resume)
net.load_state_dict(checkpoint['state_dict'])

重新保存的代码：
checkpoin.]]></description><category></category></item><item><title><![CDATA[Semantic Flow for Fast and Accurate Scene Parsing(2020cvpr)]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/109599745</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/109599745</guid><author>weixin_40589607</author><pubDate>Wed, 11 Nov 2020 09:46:10 +0800</pubDate><description><![CDATA[初读
光流的概念：光流是三维运动向量在成像平面的投影，是序列图像上亮度图案的表观运动。光流场不仅包含图像内物体与背景的运动信息，而且含有丰富的三维结构和表面信息。光流通常是用于跳过某些帧的计算，将前一帧或前几帧的特征迁移（Warp）到当前帧，在一定程度上也起到了特征增强的作用。因此，光流被定义为两张图像之间对应像素移动的向量。
场景解析或语义分割中影响性能最重要的两个影响：细节信息（高分辨率，计算量大）和语义信息（低分辨率，缺乏细节信息）。
其中deeplab系列和pspnet都是基于backbone+Co]]></description><category></category></item><item><title><![CDATA[SQL]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/109038747</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/109038747</guid><author>weixin_40589607</author><pubDate>Mon, 12 Oct 2020 22:54:46 +0800</pubDate><description><![CDATA[1.数据库的操作
数据库的创建: create database name;
打开某个数据库：use  name;:
数据库的删除 : drop database name;
显示当前存在的数据库：show databases;
2.数据表的操作

创建表:create table table_name(column_name column_type);
如果创建的表格名字加引号记得是~的键对应的 `，而不是单引号。
修改表：字段 添加、删除、插入、修改
删除表:drop table table_name;]]></description><category></category></item><item><title><![CDATA[2020中兴软件测试面经]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/108530052</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/108530052</guid><author>weixin_40589607</author><pubDate>Fri, 11 Sep 2020 10:59:08 +0800</pubDate><description><![CDATA[一面（大概40分钟）：
1.自我介绍；
2说一下测试怎么分类（需要说出单元测试集成测试那些定义）；
3.说一下测试有什么方法（我讲了黑盒和白盒的相关方法）；
4.自动化测试是否有了解，有哪些方法；
5.linux常见的命令
6.项目相关问题；
7.有什么要问的

...]]></description><category></category></item><item><title><![CDATA[2020华为测试工程师面经]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/108522721</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/108522721</guid><author>weixin_40589607</author><pubDate>Thu, 10 Sep 2020 21:55:03 +0800</pubDate><description><![CDATA[华为很高效，早上一面和二面通过了，下午就可以进行第三面。面试体验很好，面试官都很友善，不会为难你，摆好心态就好。
一面（70多分钟）：
1.为什么选择测试？对测试的了解，你怎么理解测试的？【因为简历大部分是做算法的，还好圆回来了】
2.问项目相关的【怎么测试】
3.自动化测试有了解过吗？有没有用过相关的测试工具？
3.测试要测试到怎么样，产品才可以上线？
4.讲一下TCP/IP协议
5.tcp和udp的区别
6.操作系统学过吗？主要讲的是什么？讲一下常用的linux命令
7.进程之间是怎么通信的，代码怎么写]]></description><category></category></item><item><title><![CDATA[2020华为测试工程师面试前三天面经汇总准备]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/108424219</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/108424219</guid><author>weixin_40589607</author><pubDate>Thu, 10 Sep 2020 17:56:50 +0800</pubDate><description><![CDATA[结合面经，做总结
1.python常见语法
1）Python的内存管理机制是什么呢？Java的内存管理机制是什么呢？
2） python2和python3的差异。
2.数据结构【重点，两个平行面都要手撕代码，撕不出来就凉了】
1）字符串：回文串，括号匹配，最长最短不重复字串长度等【重点】
2）数组
3）二叉树
4）链表：判断是否回环，合并有序链表
5）排序算法，时间复杂度分析
各大面经上：
1）.合并两个二叉树，递归实现:
思路：对这两棵树同时进行前序遍历，并将对应的节点进行合并。
如果两棵树的当前节点均不]]></description><category></category></item><item><title><![CDATA[计算机视觉算法工程师面经]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/108412598</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/108412598</guid><author>weixin_40589607</author><pubDate>Fri, 04 Sep 2020 22:42:17 +0800</pubDate><description><![CDATA[面试大概不到一个小时，整体面试感觉难度还行，问的都比较基础。之前打算放弃算法了，所以很多知识都没回顾，面试官人还挺好，我答不上来的就直接跳过
1.大部分时间还是围绕做的项目和研究展开提问【做了图像质量增强和语义分割相关的研究，果然企业还是对落地的项目比较感兴趣】
2.bn ln,gn的区别，BN层为什么要在后面加伽马和贝塔，不加可以吗
3.采用svm，假设在数据少，特征多的场景下，采用什么核函数比较好
4.auc比较高，精确度比较低，是什么原因
5.出现样本不平衡，怎么解决
6.前面介绍项目时用到dropo]]></description><category></category></item><item><title><![CDATA[字节测试一面凉经]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/108148702</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/108148702</guid><author>weixin_40589607</author><pubDate>Thu, 03 Sep 2020 20:07:39 +0800</pubDate><description><![CDATA[双非想进大厂做算法太难了，于是半路转投测试。。
笔试两轮（都是四道编程题）后进入面试。
一面（大概一个小时）：
1.根据项目提问，有个项目将算法移植到移动端，问了app崩溃是什么原因，怎么定位原因，有哪些原因（要讲技术层面：例如传入是一个空指针导致的），怎么写测试用例
2.今日头条的评论功能问题：用户提交评论发送成功，此时切换到别的软件，再回来发现评论失败。如何定位问题以及如何写测试用例
3.介绍一下你做的测试工作，以及你在测试过程中做的比较好的事情是什么？
4.做过的测试是否有定位分析还是只是黑盒测试，如]]></description><category></category></item><item><title><![CDATA[RGB-D数据集]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/108306259</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/108306259</guid><author>weixin_40589607</author><pubDate>Sun, 30 Aug 2020 15:16:12 +0800</pubDate><description><![CDATA[1.NYU-Dv2
官网下载链接
包含RGB , Depth,和label
百度云网盘：链接
提取码：46pl

2.SUN RGB-D
官网下载链接
已经提取分为训练和测试集
百度云网盘：链接
提取码：tv8g

3.cityscape： 官网链接

]]></description><category></category></item><item><title><![CDATA[修改gt类别值和统计类别的数目]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/108286875</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/108286875</guid><author>weixin_40589607</author><pubDate>Fri, 28 Aug 2020 21:30:11 +0800</pubDate><description><![CDATA[1.修改ground truth的标签值，有时候需要用到两个不同的数据集，但是标记的label值不一样时，可以将其统一。在做自己数据集想加上别的数据集时，可将其label标签转换为一致。
from  PIL import  Image
import  numpy as  np
import  os
path = 'E:\dataset\RGBD\户外\mydata(按场景分)(1095)/train/label/'
save_path = 'E:/dataset/RGBD/terrain awareness]]></description><category></category></item><item><title><![CDATA[面经--编程语言]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/108213677</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/108213677</guid><author>weixin_40589607</author><pubDate>Tue, 25 Aug 2020 10:54:08 +0800</pubDate><description><![CDATA[指针和引用的区别(c++)：
1.指针存的是地址，引用是别名
2.Sizeof：指针是4个字节，引用是引用的对象的大小
3.指针有多级指针，引用没有
4.指针的++表示移位，引用表示对象值的加1
5.指针初始化为空，引用需要初始化对象
6.作为参数传递，如果传递的是指针要改变的对象，则需要
7.动态分配内存返回的是指针，不是引用，返回是引用会导致内存泄露
8.指针可以更改指向，引用不行
C和C++的区别
1.从设计思想上来说，C是面向过程的结构化编程语言，而C++是面向对象的编程语言
2.从语法上来说，C+]]></description><category></category></item><item><title><![CDATA[面经--数据结构]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/108184299</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/108184299</guid><author>weixin_40589607</author><pubDate>Sun, 23 Aug 2020 16:59:27 +0800</pubDate><description><![CDATA[一、数组和链表的区别
1、存储空间上：数组在内存中是连续的，从栈中分配空间；链表是可以不连续的，从堆中分配空间。
2、在查询，访问方式上：数组可以随机访问元素，查找速度相对较快，链表必须是顺序访问，不能随机访问。
3、空间的使用上：链表对内存空间的利用率较高，可扩展性高；数组则不能，数组的空间大小是固定的，不适合动态存储，不方便动态添加。
4、添加或删除元素时，数组比链表慢，因为数组要移动大量的元素，而链表只需修改指针即可。
二、堆和栈的区别：
1、申请方式：stack由系统自动分配。 堆;需要程序员自己申]]></description><category></category></item><item><title><![CDATA[面经--计算机网络]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/108184064</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/108184064</guid><author>weixin_40589607</author><pubDate>Sun, 23 Aug 2020 16:00:57 +0800</pubDate><description><![CDATA[1.HTTP 与 HTTPS  的区别

证书申请方式不同：http免费申请。HTTPS 需要到 CA （Certificate Authority，证书颁发机构）申请证书，一般免费证书较少，因而需要一定费用。
传输信息安全性不同：HTTP 是超文本传输协议，信息是明文传输，HTTPS 是具有安全性的 SSL 加密传输协议。
使用端口不同：HTTP是80，HTTPS是443。
连接方式不同：HTTP 的连接很简单，是无状态的。HTTPS 协议是由 SSL+HTTP 协议构建的可进行加密传输、身份认证的网络协]]></description><category></category></item><item><title><![CDATA[面经--操作系统]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/108183657</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/108183657</guid><author>weixin_40589607</author><pubDate>Sun, 23 Aug 2020 15:46:56 +0800</pubDate><description><![CDATA[1.进程和线程的区别：

拥有资源：进程是资源分配的基本单位，但是线程不拥有资源，线程可以访问隶属进程的资源。
调度：线程是独立调度的基本单位，在同一进程中，线程的切换不会引起进程切换，从一个进程内的线程切换到另一个进程中的线程时，会引起进程切换。
系统开销：由于创建或撤销进程时，系统都要为之分配或回收资源，如内存空间、I/O 设备等，所付出的开销远大于创建或撤销线程时的开销。类似地，在进行进程切换时，涉及当前执行进程 CPU 环境的保存及新调度进程 CPU 环境的设置，而线程切换时只需保存和设置少量寄存器]]></description><category></category></item><item><title><![CDATA[二分查找]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/108045118</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/108045118</guid><author>weixin_40589607</author><pubDate>Sun, 16 Aug 2020 22:43:14 +0800</pubDate><description><![CDATA[一般看到排序数组，其实就是在疯狂暗示你用二分查找法
1. 寻找旋转排序数组中的最小值

题目：假设按照升序排序的数组在预先未知的某个点上进行了旋转。
( 例如，数组 [0,1,2,4,5,6,7] 可能变为 [4,5,6,7,0,1,2] )。
请找出其中最小的元素。
你可以假设数组中不存在重复元素。
示例 1:
输入: [3,4,5,1,2]
输出: 1

思路：看到有序的数组，就可以考虑使用二分查找。根据区间的中间点来决定向区间的左边还是右边搜索。由题可知，旋转后的数组最后一个元素值肯定比首个元素小，依]]></description><category></category></item><item><title><![CDATA[图]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/107960537</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/107960537</guid><author>weixin_40589607</author><pubDate>Thu, 13 Aug 2020 16:50:08 +0800</pubDate><description><![CDATA[图包括顶点和边，图分为有向图和无向图。边还可以根据顶点之间的关系设置不同的权重，默认权重相同皆为1。下文关于图的解释主要来自业余码农
图的存储方式：
1.邻接矩阵，通过顶点的二维矩阵来存储两个顶点之间是否连接。

无向图的邻接矩阵是一个对称矩阵，是因为边不具有方向性，由于顶点本身与本身相连没有意义，所以在邻接矩阵中对角线上皆为0。

若图中顶点数过多，会导致二维数组的大小剧增，从而占用大量的内存空间。图中的顶点并不是任意两个顶点间都会相连，不是都需要对其边上权重进行存储。那么存储的邻接矩阵实际上会存在大量的]]></description><category></category></item><item><title><![CDATA[联发科提前批面经]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/107850473</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/107850473</guid><author>weixin_40589607</author><pubDate>Thu, 06 Aug 2020 21:58:16 +0800</pubDate><description><![CDATA[岗位：图像处理工程师
笔试+两面技术面 + hr面
笔试题型主要有：翻译，单选（逻辑题），不定项选择，填空题，图像题，编程题。（主要考察c语言，编程题可以用C++或者JAVA写）
一面：1个多小时，主要问了简历上的东西，包括项目和论文，会围绕项目结合具体场景提问，整体难度还行，主要对你做的东西足够了解就行。还有问了传统图像处理的知识点，什么是小波变换，一阶和二阶的图像显示有什么区别，我有篇论文里面用到了canny检测算子，问了下原理之类的（我的研究方向是基于深度学习的，所以传统方法问的不深吧），最后问我有没]]></description><category></category></item><item><title><![CDATA[RGB-D dataset]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/107769821</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/107769821</guid><author>weixin_40589607</author><pubDate>Mon, 03 Aug 2020 18:01:21 +0800</pubDate><description><![CDATA[1.NYUv2：包括1499张RGB-D图片（像素级标签）。这里采用的是40个类别的设定，795张训练图片，654张测试图片。https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html
2.SUN-RGBD：有37个目标类别，包括10355张RGB-D图片，用5285张训练，5050张测试。http://rgbd.cs.princeton.edu/
根据任务需要，借鉴GSCNN 生成edge map

cityscape生成edge

import  o]]></description><category></category></item><item><title><![CDATA[语义分割训练自己的数据集出现的BUG]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/107769108</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/107769108</guid><author>weixin_40589607</author><pubDate>Mon, 03 Aug 2020 17:23:57 +0800</pubDate><description><![CDATA[整理记录一下之前遇到的一些问题
1.已开始训练，训练过程中出现以下错误：
RuntimeError: cuDNN error: CUDNN_STATUS_EXECUTION_FAILED

原因：网上资料说是pytorch version, driver version, cuda version and cudnn version不适配。更换了pytorch版本从0.4.1到1.3，但是我用公开数据集跑无问题，故排除环境问题。
将数据读入shuffle=False，训练几次发现都是在同一节点出错，考虑数据]]></description><category></category></item><item><title><![CDATA[labelme使用]]></title><link>https://blog.youkuaiyun.com/weixin_40589607/article/details/107768981</link><guid>https://blog.youkuaiyun.com/weixin_40589607/article/details/107768981</guid><author>weixin_40589607</author><pubDate>Mon, 03 Aug 2020 17:15:06 +0800</pubDate><description><![CDATA[环境window
1.首先安装Anaconda，可以安装Python2.7版本或Python3.6版本。
下载连接为：https://www.anaconda.com/download/#linux。
安装教程为：https://docs.anaconda.com/anaconda/install/windows。
安装成功后，打开Anaconda Prompt，然后依次输入以下命令。
2.# python3
conda create --name=labelme python=3.6
activate l]]></description><category></category></item></channel></rss>