自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(40)
  • 收藏
  • 关注

原创 随手记——conda迁移虚拟环境后不能使用Linux命令解决方案

在Ubuntu使用conda pack打包环境迁移之后发现存在以下问题;conda迁移环境是为了更短的的在新机器上搭建一个环境;我记录一下遇见的问题;

2024-12-10 16:51:31 694

原创 生成COCO关键点标注格式

生成COCO标注格式的json

2024-12-09 14:27:45 401

原创 深度学习——自适应图片大小选择线宽和字体大小

自适应图片大小选择线宽和字体大小;

2024-05-28 13:45:12 537

原创 深度学习——离线数据增强——图片resize

因为有一批数据有点儿小,数据质量不佳,为了标注方便使用数据增强将数据固定在1080P,方便标注,

2024-04-11 17:37:02 645

原创 深度学习——COCO全身关键点提取部分指定的关键点

提取COCO全身关键点的指定部分关键点,并按照指定顺序排列关键点,得到yolov8可用的训练txt

2024-04-08 21:00:04 1475

原创 深度学习——yolov5的txt和xml互转

在学习工作的过程中,有时会需要自己新建数据集,向训练数据中添加新的数据,存在已有模型对新数据进行检测,得到yolov5对应的txt文件,之后转成xml,使用标注工具对数据进行校正。后续将xml转成yolov5训练使用的txt格式。以下是使用多进程和多线程两种方式实现的txt和xml互转的代码。

2024-03-17 19:18:15 1614

原创 深度学习--离线数据增强

最近做项目遇见数据集背景非常单一,为了增加模型的返回能里,只能自己做一些数据增强来增加背景的多样性。

2024-03-13 19:01:58 674 3

原创 打印argparse参数

打印argparse参数

2023-07-04 11:17:35 517

原创 python装饰器浅谈

python装饰器浅谈

2023-01-22 21:27:40 369

原创 关于torch.utils.data中的Dataset,DataLoader返回字典浅谈

测试Dataset是否可已返回字典?且DataLoader设置batch_szie>1时返回的数据是什么样子的?

2022-12-09 10:49:13 3165

原创 使用python发送QQ邮件

使用python发送QQ邮件可以给多人发送邮件可以添加附件

2022-11-09 21:48:39 853

原创 解析VOC数据集标注文件xml的函数接口

解析VOC数据集的xml文件,直接返回一个字符串,使用空格间隔不同目标之间的信息

2022-11-05 21:55:00 531

原创 python编程查看gpu显存使用

python查看GPU使用情况

2022-10-27 20:26:09 2041

原创 cv2读取视频

cv2读取视频

2022-10-20 11:30:11 748

原创 tqdm:两级进度条

tqdm两级进度条

2022-09-16 09:59:28 3257 4

原创 总结各类IOU以及其代码实现

各类iou总结

2022-06-01 17:26:23 1836

原创 torch的矩阵运算笔记

torch的矩阵运算

2022-06-01 09:51:15 719

原创 VSCode调试文件launch.json、tasks.json配置、CMakeLists.txt模板

学习笔记,CMakeLists.txt模板,launch.json、tasks.json模板

2022-05-25 16:10:44 10767

原创 ElementTree包解析xml文件

深度学习中许多数据集的标注是以xml方式保存的本文以VOC2012数据集的标注文件为例探究包ElementTree的使用xml文件格式<root> # 最开始的标签叫做根标签,根标签的名字是root <part> # 子标签,子标签名字为part,可以重复 <name>123</name> # 子标签中的元素 <age>20</age> <sex>男<

2022-05-15 09:51:08 962

原创 C++引用和指针--指针作为形参、返回值;引用作为形参、作为返回值

C++引用和指针指针的分类引用测试代码指针的分类//普通指针int a = 10;int* p = &a;//第一类指针:常量指针;指向的地址可改,指向的地址中的数据不可改const int* p1 = &a;//第二类指针:指针常量;指向的地址不可改,指向的地址中的数据可改int* const p2 = &a;//第三类指针:const int* const p;指向的地址和指向的地址中的数据都不可以改const int* const p3 = &a;

2022-03-03 13:29:47 1153

原创 深度学习--torch.index_select()

1、torch.index_select(input: Tensor, dim: _int, index: Tensor, *, out: Optional[Tensor]=None) -> Tensordim控制的是在input第几个维度对数据进行索引index的数据挑选,index控制的是在input的那个索引提取数据,作用:在input的第dim维度将索引为index的数据提取出来import torcha = torch.linspace(start=1, end=81, step

2022-02-18 19:03:46 1019

原创 深度学习--浅谈torch和numpy的reshape()和view()方法的区别

reshape的使用1、reshape(-1)结果:按照行的顺序将数据拉长2、reshape维度不变结果:按照行的顺序将数据重新排列3、reshape增加一个维度结果:按照行的顺序将数据重新排列结论:reshape不论是numpy.array还是torch.Tensor都是按照行的顺序将数据重新排列,reshape是可以对原来数据的维度进行修改的但是需要注意的是,Tensor.reshape(*shape);array.reshape(shape, order=‘C’)就是说使用的时候要注意的是

2022-02-18 12:25:38 2811

原创 深度学习--np.meshgrid(a,b)和torch.meshgrid(x,y)

结论:np.meshgrid(a,b)是按a作为x轴信息,b为y轴信息;torch.meshgrid(x,y)是按输入x作为y轴信息,输入y作为x轴信息.。import torchimport numpy as np# 通过一下代码可以生成一个网格,每一个网格点是对应的一个中心点,数值从32~224,如果是整张图的范围的话是0~256stride = 8w = 25h = 25# tensor([ 0., 8., 16., 24., 32., 40., 48., 56

2022-02-18 12:08:21 1838

原创 CoCo2017数据集使用(简单介绍)

本人使用训练图片用在目标跟踪上作为数据集扩展,因此只查看了train的json文件。目录绪论标注文件:instances_train2017.jsoninfo:licenses:image:categories:annotations:代码绪论COCO的全称是Common Objects in Context,是微软团队提供的一个可以用来进行图像识别的数据集。MS COCO数据集中的图像分为训练、验证和测试集。论文 、数据集官方网址CoCo2017数据集包括train(118287张)、val(50

2022-02-12 09:37:34 54541 1

原创 Python 函数的值传递和引用传递详解

1.参数类别形式参数:简称形参,在定义函数时,函数名后面小括号中自定义的参数就是形式参数。实际参数:简称实参,在调用函数时,函数名后面小括号中传入的参数值就是实际参数。2.函数中参数传递方式Python 值传递和引用传递是根据实际参数的类型不同进行区分的,如下所示:值传递:指的是实参类型为不可变类型(数字、字符串、元组);引用传递(或叫地址传递):指的是实参类型为可变类型(列表,字典,set 集合)。—————————————————————————————值传递和引用传递的区别如下所示:

2022-02-02 22:26:53 8256

原创 深度学习(目标跟踪和目标检测)--边界框bbox坐标转换(任意格式【list,numpy,tensor】、任意维度【向量、一维矩阵、二维矩阵】)

作者提示:可能存在错误,在我的电脑上可以运行;写程序过程中发现不同的人写的边界框转换程序不一样,有的只能转换numpy矩阵,有的只能是转换tensor矩阵,我就尝试着写了一个可以转换任何维度的任意格式的bbox函数。水平不够,写的时候用的时间长了,脑袋就有些晕乎乎的,就发出来希望大家一起发现其中的错误,也方便大家使用;如果朋友们发现程序有问题,希望可以及时指出,我会立马做出修改,共同进步。本程序目的是:可以转换以下三种格式的输入数据 list,numpy,tensor,维度可以从0维到2维,

2022-01-28 22:54:23 3279

原创 python数据结构与算法:二叉树

学习黑马程序员数据结构与算法笔记二叉树class Node: """ 节点定义 """ def __init__(self, element): """ 初始化 :param element: """ self.element = element # 元素 self.left_child = None # 左节点 self.right_child = .

2022-01-16 18:11:54 211

原创 python数据结构与算法:排序算法总结

冒泡排序冒泡排序是最基础的交换排序,会遍历序列n-1次,每一次遍历序列时都会挑选出剩余序列中的最大值,冒泡排序的大概流程是:使用两个for循环,第一层for循环控制的是遍历的次数,设置成range(1,length),第二层for循环控制的是遍历序列长度。每一次遍历都会有一个最大的数排序好(从结尾想开头排序),所以每次遍历的时候在第二层控制遍历的序列的长度,减少时间复杂度,提高效率。第一层for循环控制的是遍历的次数,第二层for循环控制的是遍历的序列的长度,遍历次数count,序列长度是[0,le

2022-01-16 18:03:13 286

原创 python列表list使用测试

"""测试list类型的数据"""a_list = [] # 创建一个新的空列表# 列表添加新元素# append(value):在列表末尾添加一个元素# insert(pos, value):在指定位置添加元素,如果下标不存在那么就在末尾添加# extend(new_list):合并两个list成一个列表,将new_list添加到a_list之后a_list.append(1)print('append 1:', a_list)a_list.extend([2, 3, 4, 546,

2022-01-02 12:36:01 342

原创 使用cv2在图片上绘制边界框

使用cv2在图片上绘制边界框# 如果目标在中心点的时候,边界框的左上角和右下角坐标frame = cv2.rectangle(img, # 图片 (int(x1), int(y1)), # (xmin, ymin)左上角坐标 (int(x2), int(y2)), # (xmax, ymax)右下角坐标 (0, 255, 0), 1) # 颜色,线条宽度cv2.imwrite('image.jpg', frame) # 使用cv2保存...

2021-09-14 09:21:05 2033

原创 深度学习训练工具包Tools——feature map size计算工具

工具包Tools——feature map size计算工具def map_size(size, k, s=1, p=0): # 计算一层的size变化 new_size = (size - k + 2 * p) / s + 1 return int(new_size)def feature_map_size(size, kernel_size: list, stride: list, padding: list = None): """ :param size:

2021-08-30 16:26:11 450

原创 深度学习训练工具包Tools——LearningRateHistory学习率记录工具

工具包Tools——LearningRateHistory学习率记录import datetimeimport osimport matplotlib.pyplot as pltimport scipy.signalclass LearningRateHistory: def __init__(self, root): """ :param root: 根目录,主要是保存这个项目运行的所有结果的文件夹 """ self.

2021-08-28 22:19:14 276

原创 深度学习训练工具包Tools——progressDialog进度条工具

工具包Tools——progressDialog进度条不喜欢用python中的tqdm,所以就自己写了一个简单的def progressDialog(steps, step, information=' ', style='->'): """ 自己写的进度条, :param steps: 总共的迭代次数 :param step: 这是第好几次迭代 :param information: 需要打印的信息 :param style: 进度条的格式

2021-08-28 11:25:40 435

原创 深度学习训练工具包Tools——TimeSpent时间记录工具

工具包Tools——TimeSpent时间记录提示:和https://blog.youkuaiyun.com/weixin_50727642/article/details/119965189中的GetLogging使用效果更好"""# -*- utf-8 coding -*-#作者:沐枫日期:2021年07月22日用来记录训练所用的时间"""import datetimeclass TimeSpent: def __init__(self): self.__sta

2021-08-28 11:23:14 653

原创 深度学习训练工具包Tools——SaveWeights生成权重保存名称工具

工具包Tools——SaveWeights权重保存名称"""# -*- utf-8 coding -*-#作者:沐枫日期:2021年08月03日用来生成权重保存的文件名称,文件名称包括model_name:模型名字,epoch:第几次迭代,loss:本次迭代的损失,accurate:精度"""import osimport datetimeclass SaveWeights: def __init__(self, root, model_name): """

2021-08-28 11:18:17 446

原创 深度学习训练工具包Tools——LossHistory损失记录工具

工具包Tools——LossHistory损失记录工具"""# -*- utf-8 coding -*-#作者:沐枫日期:2021年08月01日使用类LossHistory保存训练时候的损失使用示例:loss_history = LossHistory('./loss) or loss_history = LossHistory('./loss, 'loss_2021_08_02_19_24_09)...train_loss = ......val_loss = ...loss_h

2021-08-28 11:13:49 2713

原创 深度学习训练工具包Tools——GetLogging日志记录工具

工具包Tools——GetLogging日志工具import datetimeimport loggingimport os"""日志触发时是多线程的,但是会保持日志输出的顺序logging库的日志级别 级别 | 级别数值 | 使用时机 DEBUG | 10 | 详细信息,常用于调试INFO | 20 | 程序正常运行过程中产生的一些信息WARNING | 30 | 警告用户,虽然程序还在正常运行,但是可能发

2021-08-28 11:05:32 815

原创 python库--logging日志

python库--logging日志1、初阶应用2、高级应用1、初阶应用import logging"""日志触发时是多线程的,但是会保持日志输出的顺序logging库的日志级别 级别 | 级别数值 | 使用时机 DEBUG | 10 | 详细信息,常用于调试INFO | 20 | 程序正常运行过程中产生的一些信息WARNING | 30 | 警告用户,虽然程序还在正常运行,但是可能发生错误ERROR |

2021-08-28 08:12:02 238

原创 python中cv2、Image和plt的图片打开、显示和保存

def cv_show(image): cv2.namedWindow('image', 0) cv2.resizeWindow('image', 600, 600) cv2.cvtColor(image, cv2.COLOR_RGB2BGR) image = image.convert('RGB') # 将RGBA转换成RGB image = cv2.cvtColor(np.asarray(image), cv2.COLOR_RGB2GRAY) # I

2021-08-17 15:51:36 15771 4

原创 52单片机连接ESP8266烧入固件使用MQTT协议将温湿度上传至OneNET云平台

52单片机连接ESP8266烧入固件使用MQTT协议连接OneNET云平台参考:-----------------------------------------------------------------------------------------创建一个 MQTT 协议产品:版权声明:本文为优快云博主「Yonas-Luo」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:https://blog.youkuaiyun.com/qq_17351161/ar

2021-05-05 17:16:07 8291 16

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

提示
确定要删除当前文章?
取消 删除