Gorgeous_wxd

root空间不够，需要把conda移到其他路径。

集群更换python版本

【环境配置】Ubuntu挂载硬盘。

深度学习任务中，如何更优雅的监控显卡的使用情况

常用训练脚本。

Ubuntu下Vim版本升级

使用SAHI框架处理YOLOV5模型。

YOLOV5 禁用wandb

PPYOLOE训练自己的数据

YOLOV7训练自己的数据集

启动终端cd /Applications/Xcode.app/Contents/Developer/Toolchains/XcodeDefault.xctoolchain/usr/include/c++/v1sudo mkdir bitssudo touch stdc++.hsudo vim stdc++.h编写stdc++.h// C++ includes used for precompiling -*- C++ -*-// Copyright (C) 2003-2014 Free S

工程文件下找到Building settings，选择all下拉至Apple Clang - language -C++更改language Dialect，根据STL的选择，设置C++17

先按 ctrl ＋ｂ，松开，然后再按[，进入翻屏模式后，PgUp PgDn 实现上下翻页.

参考文献利用MobaXterm的SSH隧道功能第一步：建立隧道第二步：运行tensorbord【dir就是你的log所在位置，host填写数据传输ip】tensorboard --logdir="./run" --host=127.0.0.1第三步：本地打开浏览器输入 数据传输ip+端口...

文章目录1.打开终端。2.输入以下命令备份原来的源。3.再输入以下命令打开sources.list配置文件更换源。4.再输入命令更新源。5.最后输入命令更新一下软件即可。1.打开终端。2.输入以下命令备份原来的源。sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak3.再输入以下命令打开sources.list配置文件更换源。sudo vim/etc/apt/sources.list配置内容如下deb http://mirrors.

文章目录推理流程导出ONNX文件转换om模型测试集预处理前处理脚本生成预处理数据，得到对应的info文件离线推理精度统计后处理脚本性能对比npugpu前言本文基于下面的参考Ascend PyTorch模型离线推理指导推理流程导出ONNX文件这一步参考官方教程转换om模型激活环境source env.shenv.sh内容见下# export install_path=/usr/local/Ascend/ascend-toolkit/latest# export install_pat

编写 sublime-build 文件在 Sublime Text 窗口中，找到菜单栏上的 Tools -> Build System -> New Build System…。点击之后，Sublime Text 会打开一个新文件，将如下内容复制进文件：C++11{ "cmd": ["g++", "${file}", "-std=c++11", "-stdlib=libc++", "-o", "${file_path}/${file_base_name}"], "file_

linux 系统中/etc/motd文件用来存储欢迎信息 用vim编辑输入 .=""=. / _ _ \ | d b | \ /\ / ,/'-=\/=-'\, / / \ \ | / \ | \/ \ / \/ '. .' _|`~~`|_ /|\ /|\ ...

Mac配置ssh免密登录

解决方法，在改py的头部第一行添加下面的代码即可 # -*- coding: utf-8 -*

pip install --no-deps torchvision

问题Traceback (most recent call last): File "<string>", line 1, in <module> File "/tmp/pip-req-build-md7yngpi/setup.py", line 35, in <module> _, bare_metal_major, _ = get_cuda_bare_metal_version(cpp_extension.CUDA_HOME) File "/tm

问题出现的原因是因为重启ubuntu的内核进行了更新，提供了一些新的特性，但是更新后的ubantu内核导向的是最新的显卡驱动，所以导致你之前安装的显卡驱动有，但是因为内核的指向发生改变导致找不到。怎么解决呢，只需要两步即可。卸载原有驱动sudo apt-get remove --purge nvidia*重新安装驱动sudo ubuntu-drivers autoinstall...

python detect.py --weights best.pt --imgsz 1920 --conf 0.5 --source ./data/image/ --visualizeYOLOv5现在自带特征可视化选项，在进行detect的时候，添加--visualize参数即可。stage0_Focus_features.pngstage1_Conv_featuresstage2_C3_featuresstage3_Conv_featuresstage5_Conv_featur

VSCode终端其实调用的是cmd.exe，所以当这里出现中文乱码的时候要解决的是cmd的编码设置问题。可以通过chcp命令查看cmd的编码设置，GBK2312的代码页编号是936，然后改成utf-8的编码即可，utf-8对应的代码页编号是65001，所以执行chcp 65001就可以把cmd的编码设置成uft-8了，这样就解决了乱码问题。查看原有编码chcp如果不是65001，执行下面的命令chco 65001查看是否更改chcp...

教程链接

解决方法pip install cython

将数据集中labels.cache文件去掉即可

当我们测试yolov5x.pt这个模型进行预训练的时候，会报Unable to find a valid cuDNN algorithm to run convolution这个错误，当你重新安装cudnn后仍然不能解决问题。其实这个问题很简单，并不是我们的cudnn出问题了。而是，由于yolov5x属于大模型。显存可能不足，这时候只需调小batch_size即可。...

Open settings-search in VSCode with Cntr + Shift + pSearch for defaultclicked Terminal: Select Default Shellclicked zsh /usr/bin/zsh, I selected zsh as I recently installed it and like to use it, you can use other terminal options as well.

前言YOLOv5目前自带VisDrone配置，所以几乎不需要进行更改，clone下来开箱即用即可。注意：建议目录➜ yolov5├── datasets└── yolov5-master这样做的话可以一劳永逸，会自动下载VisDrone数据集并挤压。如果你想更改VisDrone数据集的存放位置，可以更改data/VisDrone.yaml文件。训练命令git clone https://github.com.cnpmjs.org/ultralytics/yolov5.gitcd yol

sudo apt-get remove vim vim-runtime vim-tiny vim-common vim-scripts vim-doc

mmdetection训练出现：IndexError: list index out of range 错误仔细检查如下三个文件：mmdetection/mmdet/datasets/voc.py：中的CLASSED变量对应的类别是否正确mmdetection/mmdet/core/evaluation/class_names.py：voc_classes()函数返回的类别是否正确mmdetection/configs/_base_/models/retinanet_r50_fpn.py：中num.

Traceback (most recent call last): File "setup.py", line 498, in <module> setup( File "/home/bx/miniconda3/envs/swin-t-wxd/lib/python3.8/site-packages/setuptools/__init__.py", line 153, in setup return distutils.core.setup(**attrs) File

清华源：-i https://pypi.tuna.tsinghua.edu.cn/simple阿里源-i https://mirrors.aliyun.com/pypi/simple中科大源：-i https://pypi.mirrors.ustc.edu.cn/simple/

说明两个盘：一个固态和一个机械硬盘，其中固态用来存放系统盘，机械硬盘用来存放数据。电脑桌存在两个分区一个为nvme0n1，其大小有512.1GB；另一个为sda，其大小有1.0TB开始分区基于nvme0n1(512G)，创建4个主要的基础分区第一个是设置/boot子分区根据nvme0n1的大小，分配给EFI 2G的空间，对于装载引导程序而言，相信该空间大小已绰绰有余。EFI为逻辑分区，不要选错了。第二个设置是/swap分区该分区的划分依据往往与当前PC的内存大小紧密相关。如下图

sudo apt-get install libcanberra-gtk-module

launch.json配置{ "version": "0.2.0", "configurations": [ { "name": "C/C++", "type": "cppdbg", "request": "launch", "program": "${fileDirname}/${fileBasenameNoExtension}", "args": []

通过pip install --user ipykernel来安装ipykernel通过python -m ipykernel install --user --name=XXXX，将虚拟环境xxx添加到内核中。

在该配置文件中，搜索c.NotebookApp.ip，找到这句话然后修改为c.NotebookApp.ip=‘0.0.0.0’（一般教程会写修改为’*’），保存重启jupytter notebook即可。