<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_42063746的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/weixin_42063746</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; weixin_42063746]]></copyright><item><title><![CDATA[pip临时使用清华镜像源]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/147548696</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/147548696</guid><author>weixin_42063746</author><pubDate>Sun, 27 Apr 2025 09:59:48 +0800</pubDate><description><![CDATA[使用清华镜像pip安装openai tiktoken。]]></description><category></category></item><item><title><![CDATA[ILSVRC2012数据集-图像分类]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/136257665</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/136257665</guid><author>weixin_42063746</author><pubDate>Fri, 23 Feb 2024 15:41:43 +0800</pubDate><description><![CDATA[ILSVRC2012图片训练前处理]]></description><category></category></item><item><title><![CDATA[PyTorch-C++前端]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/119945772</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/119945772</guid><author>weixin_42063746</author><pubDate>Fri, 27 Aug 2021 09:36:39 +0800</pubDate><description><![CDATA[PyTorch-C++前端
1、LibTorch与VS2017社区版配置
安装libtorch需要与自身pytorch版本以及CUDA版本对应，输入win+r打开终端输入以下命令依次检查对应版本。
pip list #查看pytorch版本
nvcc -V #查看CUDA版本


本机torch和CUDA版本分别为1.9.0和10.2，因此需要去官网下载对应版本的各个版本CUDA和各个版本CUDNN。
1.1、下载libtorch
libtorch主要用来部署pytorch的模型，是最近流行的C++部署框架]]></description><category></category></item><item><title><![CDATA[VSCODE-Tutorials-将 GCC 与 MinGW 结合使用]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/119763644</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/119763644</guid><author>weixin_42063746</author><pubDate>Tue, 17 Aug 2021 19:03:03 +0800</pubDate><description><![CDATA[VSCODE-Tutorials-将 GCC 与 MinGW 结合使用
官方网址
在本教程中，你将使用来自mingw-w64的 GCC C++ 编译器 (g++) 和 GDB 调试器配置 Visual Studio Code 以在Windows上运行创建运行的程序
配置 VS Code 后，您将在 VS Code 中编译和调试一个简单的 Hello World 程序。本教程不会教您 GCC、GDB、Mingw-w64 或 C++ 语言。对于这些主题，Web 上有许多很好的资源可用。
准备工作
Visual ]]></description><category></category></item><item><title><![CDATA[VSCODE-Tutorials-通过Microsoft C++配置VSCODE]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/119763544</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/119763544</guid><author>weixin_42063746</author><pubDate>Tue, 17 Aug 2021 18:54:48 +0800</pubDate><description><![CDATA[VSCODE-Tutorials-通过Microsoft C++配置VSCODE
官方网址
在本教程中，你将使用来自Microsoft Visual C++的编译器和调试器配置 Visual Studio Code 以在Windows上运行创建运行的程序
配置 VS Code 后，您将在 VS Code 中编译和调试一个简单的 Hello World 程序。本教程不会教您 GCC、GDB、Mingw-w64 或 C++ 语言。对于这些主题，Web 上有许多很好的资源可用。
准备工作
Visual Studi]]></description><category></category></item><item><title><![CDATA[VSCODE通过MinGW和CMake搭建OpenCV]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/119183046</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/119183046</guid><author>weixin_42063746</author><pubDate>Wed, 28 Jul 2021 16:31:15 +0800</pubDate><description><![CDATA[VSCODE通过MinGW和CMake搭建OpenCV
参考文献：
VScode搭建OpenCV环境；
VS code配置C/C++、OpenCV(Windows)；
将 VSCode 打造成 OpenCV 的 IDE（C++，window10 1803）；
1、前言
VSCODE属于编辑器，不带编译功能，因此需要借助MinGW，CMake来对OpenCV进行编译，编译的过程中，需要对各个工具的版本兼容进行对应统一，避免出现意外麻烦，因此推荐优先访问OpenCV-MinGW-Build。这里面有已经编译过的]]></description><category></category></item><item><title><![CDATA[基于VS2017的DLL的创建与使用]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/116049605</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/116049605</guid><author>weixin_42063746</author><pubDate>Fri, 23 Apr 2021 12:46:25 +0800</pubDate><description><![CDATA[基于VS2017的DLL的创建与使用
参考文献：
动手 | 奶奶级的动态库入门
1、工具准备
VS2017：https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/
2、步骤
2.1、建立DLL库
1、打开VS2017，文件——新建——项目，选择Windows桌面向导——命名文件名——选择文件保存路径，确定

2、选择动态链接库——空项目。确定

3、确定后如图进行选择

4、右击头文件——添加——新建项，按图步骤选择，添加

在头文件里添]]></description><category></category></item><item><title><![CDATA[OpenCV4.5.2（+opencv_contrib）+CMake3.20.1+vs2017重新编译]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/115727789</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/115727789</guid><author>weixin_42063746</author><pubDate>Thu, 15 Apr 2021 15:59:55 +0800</pubDate><description><![CDATA[OpenCV4.5.2（+opencv_contrib）+CMake3.20.1+vs2017重新编译
本文仅做学习使用，若侵权，请留言删除
参考文献：
Windows下 Cmake + VS 编译 OpenCV (+ opencv_contribute)源码添加链接描述
OpenCV3.4.1+opencv_contrib编译：windows 10
win10下利用cmake和vs重新编译opencv源码
opencv编译之后找不到opencv_worldxxx.lib的原因
编译支持CUDA的Openc]]></description><category></category></item><item><title><![CDATA[TensorFlow2.4.0与CUDA11.1版本以下对应关系]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/115690474</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/115690474</guid><author>weixin_42063746</author><pubDate>Wed, 14 Apr 2021 09:36:30 +0800</pubDate><description><![CDATA[TensorFlow2.4.0与CUDA11.1版本以下对应关系
1、CPU版本下

2、GPU版本下


]]></description><category></category></item><item><title><![CDATA[图像增强系列操作]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/110820467</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/110820467</guid><author>weixin_42063746</author><pubDate>Mon, 07 Dec 2020 15:53:24 +0800</pubDate><description><![CDATA[1、等比例缩放
def resize_img():
    '''     
    按照宽高比例等比例缩放图片     
    :return:     
    '''
    import cv2
    img_path = r"20201113200656_7.jpg"

    img = cv2.imread(img_path)

    height = img.shape[0]
    width = img.shape[1]

    if height &gt; width:
   ]]></description><category></category></item><item><title><![CDATA[json和xml转换为txt]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/110470974</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/110470974</guid><author>weixin_42063746</author><pubDate>Wed, 02 Dec 2020 10:41:33 +0800</pubDate><description><![CDATA[json和xml转换为txt
本文仅做学习记录使用，若侵权，留言秒删
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
import cv2
import json

# sets = ['train', 'test', 'val']
sets = ['train', 'val']
classes = ["formula"]


]]></description><category></category></item><item><title><![CDATA[python matplotlib.Rectangle在一幅图片里作出一个或多个矩形框]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/109814203</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/109814203</guid><author>weixin_42063746</author><pubDate>Thu, 19 Nov 2020 16:34:50 +0800</pubDate><description><![CDATA[import matplotlib.pyplot as plt
import matplotlib.patches as patches

# 根据坐标作图
def plot_pic():
    img_path = "000000000650.jpg"
    txt_path = "000000000650.txt"

    img = plt.imread(img_path)
    h,w,c = img.shape
    txt_lines = open(txt_path).readline]]></description><category></category></item><item><title><![CDATA[json的读取与保存]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/109773522</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/109773522</guid><author>weixin_42063746</author><pubDate>Wed, 18 Nov 2020 14:48:22 +0800</pubDate><description><![CDATA[json的读取与保存
1、json保存
import json


def save_json(data):
    with open("new_json.json", "w", encoding="utf-8") as fp:
        json.dump(data, fp, ensure_ascii=False, indent=4)
        # data：字典的数据
        # fp：保存的文本
        # encoding="utf-8"：使中文能够显示出来，不至于乱码]]></description><category></category></item><item><title><![CDATA[小白CRF++训练中文命名实体识别]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/109513427</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/109513427</guid><author>weixin_42063746</author><pubDate>Thu, 05 Nov 2020 15:37:50 +0800</pubDate><description><![CDATA[CRF++训练中文命名实体识别
本文不涉及任何知识点的介绍，有兴趣自行查询。完全从小白到命名实体识别训练
参考文章如下：
python CRF中文分词（crf++工具）
用CRF做命名实体识别（一）
CRF++使用简介（windows下非接口）
【实战】运用CRF++进行实体识别实战
windows 用户 crfpp 安装以及导入到 python
本文仅做学习使用，若侵权，留言秒删，
1、首先创建语料
以十个数学题目为例，文本以txt形式保存：
文本自取：链接：https://pan.baidu.com/s]]></description><category></category></item><item><title><![CDATA[ultralytics-yolov3-Windows训练配置]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/108398206</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/108398206</guid><author>weixin_42063746</author><pubDate>Fri, 04 Sep 2020 09:51:30 +0800</pubDate><description><![CDATA[ultralytics-yolov3-Windows训练配置
本文主要作自学记录作用，若侵权，留言删除
以下操作基于Windows环境，工程代码是链接：https://github.com/ultralytics/yolov3
1、环境配置
Cython
matplotlib&gt;=3.2.2
numpy&gt;=1.18.5
opencv-python&gt;=4.1.2
pillow
PyYAML&gt;=5.3
scipy&gt;=1.4.1
tensorboard&gt;=2.2
torch&gt]]></description><category></category></item><item><title><![CDATA[RNN+LSTM的简洁归纳]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/107864861</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/107864861</guid><author>weixin_42063746</author><pubDate>Fri, 07 Aug 2020 16:27:19 +0800</pubDate><description><![CDATA[RNN入门
本文适用于对循环神经网络有一定基础的研究者、且本文只用于本人知识点的归纳总结，若侵权，留言删除
本文主要思想来源于
《动手学深度学习》(PyTorch版)-第六章节
A Beginner’s Guide to LSTMs and Recurrent Neural Networks
1、MLP（Multilayer Perceptron-多层感知机）
在了解循环神经网络之前，需要首先了解全连接网络，两者都是通过信息在网络节点上执行的数学运算方式命名，MLP是直接传送信息，RNN则是循环传递信息

]]></description><category></category></item><item><title><![CDATA[insightface训练与测试调试]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/107654532</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/107654532</guid><author>weixin_42063746</author><pubDate>Wed, 29 Jul 2020 09:37:27 +0800</pubDate><description><![CDATA[训练
本文仅做学习总结用途，文章思想主要参考于：人脸识别0-01：insightFace-模型复现-史上最全
侵权留言删除
为了快速的体验训练网络的流程，我们首先使用作者提供的数据集：
https://github.com/deepinsight/insightface/wiki/Dataset-Zoo
本人使用的是CASIA-Webface (10K ids/0.5M images)[1]，在这里，我们只是了解一下训练的步骤，所以暂时没必要制作自己的数据集，下载完成后，数据集放在服务器/dataset/f]]></description><category></category></item><item><title><![CDATA[insightFaceV1论文详解]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/107615696</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/107615696</guid><author>weixin_42063746</author><pubDate>Mon, 27 Jul 2020 17:09:52 +0800</pubDate><description><![CDATA[insightFace
本文主要引用于：人脸识别：《Arcface》论文详解
且只做学习记录使用，若侵权，留言删除
论文地址：ArcFace: Additive Angular Margin Loss for Deep Face Recognition
内容理解来自于：人脸识别的LOSS
该篇论文详细的介绍了数据，网络，损失函数的三个改进。
1、首先利用VGG2数据集和MS-Celeb-1M数据集（有对数据集进行清洗），作为训练数据集。LFW、CFP、AgeDB数据集作为验证数据集，MegaFace数据集作]]></description><category></category></item><item><title><![CDATA[insightface中pickle报ascii码的问题解决方案]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/107560756</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/107560756</guid><author>weixin_42063746</author><pubDate>Fri, 24 Jul 2020 14:41:22 +0800</pubDate><description><![CDATA[问题描述：
‘ascii’ codec can’t decode byte 0xff in position 0: ordinal not in range(128)
问题代码：
bins, issame_list = pickle.load(open(path, 'rb'))

尝试使用过但未解决：utf-8、gbk，LATIN1（？可能写错了！）
更改代码如下：
bins, issame_list = pickle.load(open(path, 'rb'), encoding='bytes')

解决]]></description><category></category></item><item><title><![CDATA[卷积神经网络结构总结]]></title><link>https://blog.youkuaiyun.com/weixin_42063746/article/details/107535444</link><guid>https://blog.youkuaiyun.com/weixin_42063746/article/details/107535444</guid><author>weixin_42063746</author><pubDate>Thu, 23 Jul 2020 14:13:09 +0800</pubDate><description><![CDATA[本文所有内容基于此：动手学深度学习-pytorch
且目的为自学总结，若有侵权，留言删除。
1、LeNet(1998)
论文地址：https://scholar.google.com.tw/scholar?q=Gradient-based+learning+applied+to+document+recognition&amp;hl=zh-CN&amp;as_sdt=0&amp;as_vis=1&amp;oi=scholart
1.1、网络结构图

第一层卷积输入通道为 3，输出通道为 6，size = 5]]></description><category></category></item></channel></rss>