- 博客(24)
- 收藏
- 关注
RSS订阅原创 Couldn‘t build proto file into descriptor pool: duplicate file name (caffe/proto/caffe.proto)
尝试pip install protobuf==3.19.6等低版本的包即可。实际上可能是因为你安装的protobuf版本太高了。
2023-05-08 19:37:15
4091
原创 Screen 拆分屏幕
平时用惯了tmux，换了个服务器，但是没有装tmux(非root)，只有screen，网上关于Screen命令的使用有，但是关于标题提到的资料却很少。
2022-08-07 19:41:23
1194
原创 It seems that scikit-learn has not been built correctly
1、问题背景1）环境：服务器(非root)2）需求：安装开源深度学习代码，本机cuda以及pytorch版本太低3）操作：可能起源于删除环境变量引起的(unset)a）查看环境变量env、printenv，查看单个变量printenv PATH或者echo $PATHb）重置环境变量unset PATH(貌似不能删除单个路径)，这个慎用！！！c）添加环境变量export，例如export PATH=/usr/local/cuda-10....
2022-04-28 15:51:14
3437
1
原创 shell中同时实现for循环遍历多个数组的多线程
1、实现多线程for ((i=0; i<=8; i++))do{ XXXXXX}&doneNote：主要就是对for循环中要执行的命令，用{}&包含起来，注意是大括号+&，不要少了&(没打错)。参考如下：shell中如何实现多线程_丷刘大胆儿的博客-优快云博客_shell 多线程2、实现多变量循环list0=${data_dir}list/test_split/test0_normal.txtlist1=${data_di
2022-04-18 14:34:55
3640
原创 解决CondaHTTPError: HTTP 000
问题1Solving environment: failedCondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/repodata.json>Elapsed: -An HTTP error occurred when trying to retrieve this URL.HTTP errors
2022-04-12 17:53:53
3440
转载 【转载】CNN模型复杂度（FLOPs、MAC）、参数量与运行速度
备忘。作者写错了，1次乘加运算等于2次浮点运算，但在数值上正好反过来，即1 FLOPs = 2 MACs。例如对于卷积运算的计算是：其MACs = 参数m * 输出尺寸 n，而FLOPs = 2 MACs。Nvidia团队论文里面写的是对的(2倍)。CNN模型复杂度（FLOPs、MAC）、参数量与运行速度_Dr鹏的博客-优快云博客_flops mac...
2022-04-06 16:22:27
1858
2
原创 python简单多进程采坑记录
1、采用multiprocessing包的Pool.map，但是直接对函数执行的话，会报错AttributeError: Can't get attribute 'single' on module 'main'，Python multiprocessing.Pool: AttributeErrordadhttps://stackoverflow.com/questions/52265120/python-multiprocessing-pool-attributee
2022-03-22 18:43:43
1648
转载 CrossEntropyLoss 报错Dimension out of range (expected to be in range of [-1, 0], but got 1)
每次总是忘记corssentropyloss的用法导致报这个错误，博客转载下别人的备忘。报错信息：在用CrossEntropyLoss()损失函数时报错：Dimension out of range (expected to be in range of [-1, 0], but got 1)原因：标签和输出矩阵不对标签应为1维数据（不用转为one-hot向量），改为label.long()即可。输出矩阵为2维数据，为float类型ReferenceCrossEntropyLos
2021-11-29 11:06:27
2803
转载 如何高效地阅读论文：三遍阅读法
目录方法来源第一遍：该不该读？第二遍：抓住要点，暂略细节第三遍：重构论文，注重细节方法来源三遍阅读法方法不是博主凭空捏造出来的，而是ACM和IEEE Fellow 剑桥大学计算机教授Srinivasan Keshav的论文阅读技巧第一遍：该不该读？1.阅读标题、摘要和简介2.忽略内容，读一读文章中的每个小标题3.如果数学内容，先大致浏览，确定其理论基础4.读结论5.浏览参考文献，如果有读过的，勾选出来第一遍阅读后应得出结论：文章分类 文章背景 结论的正确性
2021-11-27 18:07:47
225
原创 CornerNet Guassian radius高斯半径的确定-数学公式详解
废话由于论文实验的需要，这几天在看CenterNet代码，看到关于高斯半径的选择，百思不得其解，遂参考了一些资料，算是搞明白了，在此详细记录一下，仅作备忘。文中或许包括图片、文字和公式的直接借用是为了图省事，参考资料会在最后给出出处，如有冒犯，麻烦告知本人，我会删掉，谢谢！下面进入正文。正文For each corner, there is one ground-truth positive location, and all other locations are negative. ..
2021-11-13 11:52:19
7090
6
转载 抽象类、抽象方法和虚方法的理解
目录一、概念区分二、总结三、二者有些相似，是否有同时存在的必要？Reference：其实这是哲学的思维方式，所谓哲学就是建立事实基础上，是人类对世界的思考和认识。要理解抽象类就必须要有一定的编程经验，就好像要理解哲学就需要有一定的生活经验。跟一个没有大量编程经验的人将设计模式那也是扯蛋！所以作为一个新手，特别是没有面向对象编程经验的来说，不理解抽象类是很正常的，等你有了一定的编程经验，你自然而然就会理解了。一、概念区分先看看MSDN的关于抽象类和虚方法的解释：使用 abstr
2021-10-10 15:51:08
580
原创 AerialDetection mmdetection版本安装记录
目录一、环境：二、安装流程：三、问题链接：https://arxiv.org/abs/1812.00155https://github.com/dingjiansw101/AerialDetection一、环境：Ubuntu18.04GCC5.5.0CUDA10.0Python3.7Pytorch==1.1.0Torchvision==0.3mmcv==0.4.3二、安装流程：1、Createacondavirtualenvironme...
2021-10-09 16:13:16
885
8
原创 OpenCV4.4.0及opencv_contrib-4.4.0下载
OpenCV4.4.0源码链接：https://pan.baidu.com/s/1XCRYs4XjMPdD02OIbBmH9Q提取码：awtgopencv_contrib-4.4.0源码链接：https://pan.baidu.com/s/1EzHFxGpwnV9xCO2xyRdZvQ提取码：vdr0
2020-09-22 15:23:45
2688
原创 彻底解决DeLL Power Edge T640显卡不兼容导致的风扇转速狂飙
笔记本电脑上安装ipmitools软件,服务器需要打开iDRAC端口的IPMI功能;设置静态IP地址然后网线连接笔记本网口和iDRAC端口,同时设置笔记本静态IP地址和iDRAC端口在同一网段然后输入下面的命令把风扇转速设置为手动的：ipmitool -I lanplus -U ipmi用户名 -P ipmi密码 -H 服务器地址 raw 0x30 0x30 0x01 0x00之后就可以调节转速了：ipmitool -I lanplus -U root -P calvin -H 19
2020-07-16 21:11:35
5194
4
原创 DataWhale天池比赛 Task5
模型集成5.1集成学习方法常见的集成学习方法有Stacking、Bagging和Boosting，同时这些集成学习方法与具体验证集划分联系紧密。由于深度学习模型一般需要较长的训练周期，如果硬件设备不允许建议选取留出法，如果需要追求精度可以使用交叉验证的方法。那么在10个CNN模型可以使用如下方式进行集成： 对预测的结果的概率值进行平均，然后解码为具体字符； 对预测的字符进行投票，得到最终字符。 5.2深度学习中的集成学习5.2.1DropoutDropout经常.
2020-06-02 23:52:28
222
原创 DataWhale天池比赛 Task4
模型训练与验证4.1验证集划分方式4.1.1留出法（Hold-Out）直接将训练集划分成两部分，新的训练集和验证集。这种划分方式的优点是最为直接简单；缺点是只得到了一份验证集，有可能导致模型在验证集上过拟合。留出法应用场景是数据量比较大的情况。4.1.2交叉验证法（Cross Validation，CV）将训练集划分成K份，将其中的K-1份作为训练集，剩余的1份作为验证集，循环K训练。这种划分方式是所有的训练集都是验证集，最终模型验证精度是K份平均得到。这种方式的优点是验证集精度比较可靠
2020-05-30 23:45:15
216
原创 DataWhale天池比赛 Task3
字符识别模型3.1 学习目标 学习CNN基础和原理 使用Pytorch框架构建CNN模型，并完成训练 3.2Pytorch构建CNN模型3.2.1 搭建自己的网络# 定义模型class SVHN_Model1(nn.Module): def __init__(self): super(SVHN_Model1, self).__init__() # CNN提取特征模块 self.cnn = nn.Sequential.
2020-05-26 22:58:14
209
原创 二叉树遍历
一道题进入那么如何记忆呢？无论是哪种遍历方式，注意先、中、后的说法都是针对根节点的。1、先序遍历巧计“根左右”。即先遍历根节点，再遍历其他节点，其他节点的顺序都是从左到右，因此先序遍历的顺序是：根→左→右，也就是先遍历根节点，然后再遍历左边树的所有结点，当然还是先遍历左边树的根节点，再遍历左边树的左节点，最后遍历右节点；随后遍历右边树的所有节点，方式跟左边树一样。2、中序遍历巧记“左根右”。3、后序遍历巧记“左右根”。因此，上述二叉树结构如下：(chou.jpg)
2020-05-25 17:44:37
229
原创 DataWhale天池比赛 Task2
数据读取与数据增强1、数据读取在Pytorch中数据是通过Dataset进行封装，并通过DataLoder进行并行读取。※注意两个概念：Dataset：对数据集的封装，提供索引方式的对数据样本进行读取DataLoder：对Dataset进行封装，提供批量读取的迭代读取class SVHNDataset(Dataset): def __init__(self, img_path, img_label, transform=None): self.img_pat
2020-05-23 23:35:35
276
原创 DataWhale天池比赛 Task1
Task1 赛事理解任务本赛题需要选手完成街景字符编码识别，即识别图片中所有的字符。数据如上图该数据来自Google街景真实场景图像中的门牌号。训练集数据包括3W张照片，验证集数据包括1W张照片，每张照片包括颜色图像和对应的编码类别和具体位置(字符的位置框)；为了保证比赛的公平性，测试集A包括4W张照片，测试集B包括4W张照片。思路1)按定长字符串处理2）按单字符目标检测处理评价指标评价标准为准确率，选手提交结果与实际图片的编码进行对比，以编码整体识别准确率为评价指标
2020-05-20 15:57:46
280
原创 python、pytorch数据高效处理常用语法汇总
np.empty() 函数的用法np.empty()返回一个随机元素的矩阵，大小按照参数定义。np.argmax()函数用法返回的是输入列表中最大值的位置它重要的特点就是在有多个最大值的情况下，只返回第一个出现的最大值的位置。如果需要返回所有最大值的位置的话，np.where(a == np.max(a))np.sum()函数的用法Numpy中的sum函数，...
2019-10-05 11:34:02
599
转载 MSCOCO数据标注详解
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Ma...
2019-08-31 11:27:26
337
原创 读论文笔记格式
方法四：（1）这篇文章属于什么领域或方向？（2）解决了什么问题？为什么这个问题这么重要？（3）使用了什么方法和模型？为什么这个方法可以解决这个问题？（4）核心结论是什么？下一步还可以怎么做？方法三：•论文拿到手先看 abstract•然后看论文里面那些 figure 和 table•接着 introduction 和 conclusion•最后再去看implement de...
2019-08-30 19:15:24
244
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