- 博客(27)
- 资源 (3)
- 收藏
- 关注
原创 Windows11 Copilot助手开启教程(免费GPT-4)
Windows Copilot 是 Windows 11 中的一个新功能,它可以让你与一个智能助理进行对话,获取信息,执行任务,甚至创造内容。Windows Copilot 使用了 Bing Chat 的技术,它是一个基于 OpenAI 的 GPT-4 模型的聊天机器人,可以理解自然语言,回答问题,生成图片,写作,编程等等。
2024-01-23 23:53:42
15313
15
原创 Python中二维数据(数组、列表)索引和切片的Bug
上面就是二维数组索引和切片的大部分操作,对于索引来说可以使用data[3, 2]也可以使用data[3][2]操作,这两个获取的结果是一致的,那对于切片操作来说为啥data[1:3, 2:4]和操作data[1:3][2:4]不仅获取的结果不一致而且data[1:3][2:4]获取到的数据为空。(PS:要不是有这样一个索引操作,估计大家就不会使用类似的切片操作了)因为第一次行索引获得第3行数据,大小为1x5,第二次获取第3行中的第2个数据因此可以正常获取到3行2列的数据。
2024-01-19 15:32:47
2329
1
原创 C++版本的OpenCV实现二维图像的卷积定理(通过傅里叶变换实现二维图像的卷积过程,附代码!!)
工作中用到许多卷积过程,需要转成C++代码的实现,使用OpenCV库自带的二维卷积过程所耗费的时间比较久,为了提升代码的运行效率可以考虑使用卷积定理实现二维图像的卷积过程。卷积定理是傅立叶变换满足的一个重要性质。卷积定理指出,函数卷积的傅立叶变换是函数傅立叶变换的乘积。具体分为时域卷积定理和频域卷积定理,时域卷积定理即时域内的卷积对应频域内的乘积;频域卷积定理即频域内的卷积对应时域内的乘积,两者具有对偶关系。经过不懈努力终于使用C++实现了卷积定理,想要进一步提升卷积过程的速度,优化代码性能。
2023-09-15 10:21:22
1100
原创 LibTorch部署图像分割算法详细教程(附代码)
本文使用了LibTorch相关内容,并把使用PyTorch训练的模型成功部署。Libtorch是Pytorch的C++接口,实现了在C++中进行网络训练、网络推理的功能。
2023-06-06 11:22:01
1257
原创 LibTorch中Windows系统环境配置及CUDA不可用问题解决
在 Python 深度学习圈,PyTorch 具有举足轻重的地位。同样的,C++ 平台上的 LibTorch 作为 PyTorch 的纯 C++ 接口,它遵循 PyTorch 的设计和架构,旨在支持高性能、低延迟的 C++ 深度学习应用研究。本文基于 Windows 环境与 Visual Studio 2022 开发工具,将从零开始搭建一个完整的深度学习LibTorch开发环境。
2023-03-24 17:31:56
2805
6
原创 xxx.dll文件缺失修复方法
由于需要配置相关任务的开发环境,容易出现xxx.dll文件缺失问题导致后续无法进行,特搜集了此解决方案做一下记录,方便以后查阅。
2023-03-16 17:16:15
2418
原创 PyInstaller打包深度学习模型代码详细教程
由于工作需求,需要使用Pyinstaller库将Python深度学习模型打包成exe文件,特此花几天时间查找资料,进行实验。将过程做个梳理,记录下来,方便自己和他人日后查询。
2023-03-16 10:45:44
4775
4
原创 XXX: functions with out=... arguments don‘t support automatic differentiation, but one of the argume
运行Pytorch深度学习代码是遇到的Bug解决方案及原因说明。
2023-03-14 15:06:42
1190
原创 Ubantu18.04系统安装Hexagon SDK教程
由于需要在Ubantu系统上测试使用Hexagon SDK工具编译事项,故需要在Ubantu系统上安装Hexagon SDK。无奈发现网上资料很少,特此记录,以供参考。
2022-08-18 12:46:40
2616
原创 Hexagon SDK camera_streaming example demo运行方法
注意:本样例适用于sm8250/sm7250/sm8350。对于其他目标如msm8998, sdm660, sdm485, sm8150, sm7150, sm6125等。请参阅Example_legacy.html。相机流的样例为hvx_app_add_constant,可以在Hexagon_SDK目录下找到。这个简单的样例展示了开发人员如何使用相机流框架提供的实用程序来开发用于拜耳像素数据处理的相机流样例。在设备上运行样例之前,请确保已准备好Hexagon_SDK运行依赖关系。...
2022-08-10 18:13:59
1586
5
原创 Hexagon IDE使用手册 ---创建新项目
Hexagon IDE中的项目只是一个目录,它包含了组成程序的所有源文件(以及相关文件和设置)。项目存储在IDE工作区中。本文引导你一步一步地创建、构建、运行和调试你的第一个Hexagon IDE项目。
2022-08-03 17:31:05
1180
原创 Hexagon IDE使用手册 --- 启动Hexagon IDE(Eclipse)
这个页面提供了IDE的简要描述,以及到IDE、Hexagon SDK、Eclipse CDT和Eclipse IDE帮助文件的快速链接。
2022-08-03 17:05:01
857
1
原创 Hexagon cDSP芯片简介
骁龙处理器中世界一流的Qualcomm Hexagon数字信号处理器(DSP)支持多种多媒体功能,并且经过优化可实现高性能和高能效。Hexagon DSP 架构能够卸载 CPU 任务,利用异构计算支持始终在线任务,例如音频和显示。借助 Hexagon DSP,即可通过实时音频处理交付音频内容,在无延迟、无失真的情况下流式传输音频,消除背景噪声。骁龙处理器内的 Hexagon DSP还能卸载CPU的可视任务,包括文本识别、对象识别、图像增强和图像内的面部识别,并且节省电池电量。...
2022-08-01 20:22:16
6412
原创 Hexagon DSP FastRPC简介
FastRPC框架允许客户端透明地在应用程序和DSP处理器之间进行远程方法调用。本文将介绍FastRPC架构,在HLOS上使用它,以及如何使用ION内存分配器来创建FastRPC使用的连续缓冲区。
2022-08-01 17:41:31
5802
原创 Pytorch使用loss求和踩坑记录
Pytorch使用loss.item()踩坑记录问题描述使用Pytorch框架进行模型性能测试时,免不了需要使用sum_loss += loss对模型每个一个迭代的损失进行求和,最终计算整个测试集上的平均损失。这时我发现我的代码跑着跑着…显存就崩了。不对,压根就还没跑呢。每次一到测试的阶段代码就会报错说我的显存溢出。我都把batch_size改为1了还是会出现这种问题,问题是之前还是好好地,我只是把模型评价指标的求解过程改动了一下。问题解决为啥会出现显卡显存溢出的情况呢?原来loss属于Variab
2021-11-16 20:52:49
4233
原创 RuntimeError: CUDA error: device-side assert triggered Pytorch框架代码运行错误解决方案(亲测有效!!)
RuntimeError: CUDA error: device-side assert triggered bug详解报错原因错误定位解决方案报错原因在使用Pytorch框架代码进行模型训练时出现以下报错:RuntimeError: CUDA error: device-side assert triggered。出现这种报错的直接原因多种多样,没有办法一一列举,网上许多资料列举的解决方案是自己代码的报错解决,不具有通用性。很难通过查看这类资料找寻到解决方案。这个错误是CUDA报错,根本原因是代码中有
2021-09-24 15:28:20
3188
2
原创 多通道和单通道3D卷积及其运算过程详解
前言大家对1D卷积的介绍以及2D卷积中单通道和多通道的介绍已经十分完备了,我在这就不对这两方面做过多的介绍了,不了解的可以自行查看以下文章:形象理解深度学习中八大类型卷积本人直接对网上介绍资料较少的3D卷积特别是多通道的3D卷积进行较为详细的介绍。3D卷积作用对于2DCNN,我们知道可以很好的处理单张图片中的信息,但是其对于视频这种由多帧图像组成的图片流,以及CT等一些医学上的3维图像就会显得束手无策。因为2D卷积没有考虑到图像之间时间维度上的物体运动信息的变化(3维CT图像也可以近似看为是二维图像
2021-09-09 16:31:24
4714
3
原创 RuntimeError: each element in list of batch should be of equal size
RuntimeError: each element in list of batch should be of equal size自己定义dataset类,返回需要返回的相应数据,发现报了以下错误RuntimeError: each element in list of batch should be of equal size百度一下说最直接的方法是吧batch_size的值改为1,报错解除,一试果然。但是我他妈是训练模型来的,不是为了仅仅改错。batch_size设为1还怎么训练模型,因此决
2021-05-26 12:03:51
6949
6
原创 nn.ConvTransposed2d()-转置卷积过程详解
转置卷积过程详解转置卷积又称反卷积,逆卷积。在主流的深度学习框架之中,如Tensorflow,Pytorch,Kreas中的函数名都是conv_transpose。卷积的动态图解可以点此链接查看。将一个4X4的输入通过3X3的卷积核核进行普通卷积后(无padding,stride=1),将得到2X2的输出。而转置卷积将一个2X2的输入通过同样的3X3的卷积核,将得到一个4X4的输出。这看起来像是普通卷积的逆过程。事实上,这两者没有任何关系,操作过程也是不可逆的。普通卷积(直接卷积)但在实际计算中,
2021-05-22 21:32:34
14407
3
原创 卷积神经网络卷积相关内容详解
卷积神经网络详解提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加例如:第一章 Python 机器学习入门之pandas的使用文章目录卷积神经网络详解前言一、什么是卷积二、使用步骤1.引入库2.读入数据总结前言提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考一、什么是卷积首先介绍一下卷积的概念,跳出卷积神经网络,
2021-03-02 21:07:50
833
原创 UnicodeDecodeError: ‘gbk‘ codec can‘t decode byte 0xac in position 7620: illegal multibyte sequence
正常流程出现这种错误是说明‘gbk’编码规则不能对某个特殊字符进行编码操作,因此只要对文件打开时加入encoding='utf-8'命令即可,具体语句如下所示bpe_out = open('output1.txt', 'r', encoding='utf-8')即打开文件时使用‘utf-8’编码规则。其他情况相信上面的一些知识大家都是清楚了解的,正常在对文件进行操作打开时,都会规定使用‘utf-8’编码。因此我在对文件进行操作时使用下面语句bpe_out = open('output1.txt',
2020-10-17 15:42:26
2799
2
原创 形象理解深度学习中八大类型卷积
本文全文转载于此博客仅为了学习交流使用,如有侵权,请联系删除!本文总结了深度学习中常用的八大类型的卷积,以非常形象的方式帮助你建立直觉理解,为你的深度学习提供有益的参考。分别是单通道卷积、多通道卷积、3D卷积、1 x 1卷积、转置卷积、扩张卷积、可分离卷积、分组卷积。单通道卷积在深度学习中,卷积是元素先乘法后加法。对于具有1个通道的图像,卷积如下图所示。这里的滤波器是一个3 x 3矩阵,元素为[[0,1,2],[2,2,0],[0,1,2]]。过滤器在输入端滑动。在每个位置,它都在进行元素乘法和加法
2020-10-04 15:49:21
877
原创 tushare pro的token凭证码设置教程详解
获取tushare pro 的token首先进入tushare pro官网注册自己的账号,然后点击右上角的个人信息进入下图页面点击端口TOKEN查看自己的TOKEN,并复制使用。程序中设置token在自己的程序中加入以下代码token= '复制自己的token'ts.set_token(token)pro=ts.pro_api()使用限制是的,当你设置完token之后以为可以开心使用的时候,发现自己积分不够。什么api都不能调用,还好官网给了积分获取方法,最简单的修改个人资料就有
2020-09-28 14:30:46
7469
原创 RuntimeError: unexpected EOF, expected 23361873 more bytes. The file might be
使用Pytorch下载网络模型是出错解决办法Pytorch使用torvision下载网上的VGG19网络参数文件时,由于网速太慢,快下好的时候,网络断了。导致模型参数没有下载完,运行时出现这个错误,查了一下说是:“进行模型参数下载时,没下载完整。重新下载模型参数就可以了。”说的很简单,但是对于我这种小白来说,具体怎么解决还是不知道。运行代码一直报错,没法重新加载。想把没下载完全的参数文件删除,又没有找到文件位置。查了好多博客,才知道如果之前没有下载网络模型,代码自动下载模型文件后会保存到C:\Users\
2020-08-09 15:30:16
6386
2
原创 马氏距离实例详解
介绍马氏距离是由印度统计学家马哈拉诺比斯(P. C. Mahalanobis)提出的,表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系(例如:一条关于身高的信息会带来一条关于体重的信息,因为两者是有关联的)并且是尺度无关的(scale-invariant),即独立于测量尺度,广泛用于分类和聚类分析。相关概念方差:方差是标准差的平方,而标准差的意义是数据集中各个点到均值点距离的平均值。反应的是数据的离散程度。协方差:标准差与方差是描
2020-07-17 16:28:38
20589
18
原创 Linux系统常用的文件、目录操作命令
Linux Shell常用shell命令一、文件、目录操作命令1、ls命令功能:显示文件和目录的信息ls 以默认方式显示当前目录文件列表ls -a 显示所有文件包括隐藏文件ls -l 显示文件属性,包括大小,日期,符号连接,是否可读写及是否可执行ls -lh 显示文件的大小,以容易理解的格式印出文件大小 (例如 1K 234M2G)ls -lt 显示文件,按照修改时间排序2、cd...
2020-04-16 14:25:12
230
原创 服务器ubantu系统下的java安装详细教程
准备工具1.下载Xshell以及Xftp,目的是为了连接云服务器以及上传jdk压缩包Xshell以及Xftp官方下载地址连接2.在本地电脑上下载好jdk安装包jdk下载链接根据自己的系统下载相应的压缩包安装步骤1.Xshell与Xftpl连接云服务器实例,具体操作查看连接;2.Xftp上传jdk压缩文件到云服务器,从Xshell页面点击Xftp按钮即可建立Xftp连接,即下图红圈处;3...
2020-04-01 16:05:52
271
MOOC中的Python语言程序设计课程(北京理工大学)单元测试答案
2020-05-26
jieba分词词性标注.py
2019-11-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人