<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[流浪若相惜的专栏]]></title><description><![CDATA[立个flag，2024年9月份开始，每个月两篇论文分享博文。]]></description><link>https://blog.youkuaiyun.com/ztzi321</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ztzi321]]></copyright><item><title><![CDATA[Git 部署]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/144948001</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/144948001</guid><author>ztzi321</author><pubDate>Sun, 05 Jan 2025 17:30:54 +0800</pubDate><description><![CDATA[如果你确定本地的更改比远程仓库的更改更重要，且你不希望保留远程的更改，你可以强制推送（注意：这会覆盖远程仓库的 main 分支历史，慎用）。这将会拉取 origin（远程仓库）上的 main 分支，并尝试将其合并到你本地的 main 分支。如果有冲突，Git 会提示你解决冲突。如果你拉取时遇到合并冲突，Git 会告诉你哪些文件有冲突。如果你还没有对本地仓库进行任何提交，那么 main 分支（或其他分支）不会存在。远程仓库的 main 分支有新的提交，而你本地的 main 分支还没有同步这些更改。]]></description><category></category></item><item><title><![CDATA[Crowd counting 系列NO.3—密集计数综述（四）]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/144328479</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/144328479</guid><author>ztzi321</author><pubDate>Sun, 08 Dec 2024 17:35:22 +0800</pubDate><description><![CDATA[本文主要讲解Switch-CNN具体实现过程。]]></description><category></category></item><item><title><![CDATA[Crowd counting 系列NO.3—密集计数综述（三）]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/143590370</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/143590370</guid><author>ztzi321</author><pubDate>Thu, 07 Nov 2024 12:04:03 +0800</pubDate><description><![CDATA[近期因为各种事情，耽误了一篇，后续会在11月份期间补上。另外，分辨率我提升了一下~]]></description><category></category></item><item><title><![CDATA[Crowd Counting 系列NO4.—SwitchCNN（CVPR 2017）网络复现]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/143167592</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/143167592</guid><author>ztzi321</author><pubDate>Wed, 23 Oct 2024 14:48:48 +0800</pubDate><description><![CDATA[SwitchCNN是我看的比较早的一篇多列密集计数网络了，但是其网络实现因各种问题我一直没有复现，现如今因Crowd Counting综述讲解，我不禁又沉下心来继续对其进行复现，特此记录，避免后来者多走弯路。Article：Switching Convolutional Neural Network for Crowd Counting
Code: crowd-counting-cnn其实，环境配置我尝试比较久，因各种问题都歇菜了，从python 3.10 到3.6我都试了一遍，发现会出现各种问题。具体问题]]></description><category></category></item><item><title><![CDATA[Crowd counting 系列NO.3—密集计数综述（二）]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/141896341</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/141896341</guid><author>ztzi321</author><pubDate>Wed, 04 Sep 2024 16:05:13 +0800</pubDate><description><![CDATA[SaCNN]]></description><category></category></item><item><title><![CDATA[Crowd counting 系列NO.3—密集计数综述（一）]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/141433708</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/141433708</guid><author>ztzi321</author><pubDate>Thu, 22 Aug 2024 17:36:37 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[Crowd counting 系列NO.2—MCNN（CVPR2016）]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/138586375</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/138586375</guid><author>ztzi321</author><pubDate>Wed, 08 May 2024 22:15:31 +0800</pubDate><description><![CDATA[在这里插入图片描述](https://img-blog.csdnimg.cn/direct/23f36ba8b93641a88a4e5d8606b526f4.png)]]></description><category></category></item><item><title><![CDATA[Crowd counting 系列NO.1—CSRNet(CVPR2018)]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/138294716</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/138294716</guid><author>ztzi321</author><pubDate>Sun, 28 Apr 2024 23:28:18 +0800</pubDate><description><![CDATA[声明：博客是用latex写的，所以直接用图片来展示吧，效果是一样的。下载资源网上都很容易搜到，如需下载资源，请留言。]]></description><category></category></item><item><title><![CDATA[硬盘当前用户无权限、主机名修改...]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/137832646</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/137832646</guid><author>ztzi321</author><pubDate>Tue, 16 Apr 2024 17:17:25 +0800</pubDate><description><![CDATA[media/admin1/hdd1为硬盘挂载目录。将文件夹的权限从root变更为当前用户。]]></description><category></category></item><item><title><![CDATA[‘cv2’、PIL、torch、torchivision]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/137373088</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/137373088</guid><author>ztzi321</author><pubDate>Thu, 04 Apr 2024 13:36:29 +0800</pubDate><description><![CDATA[为什么会出现上述问题，查阅网上资料发现原来cv2现在已经不叫cv2了，而叫做opencv-python。你可以采用conda 或者 pip 进行安装。为啥会出现这个问题呢？然后，我们再尝试用如下命令安装。至此，我们可以安装成功cv2。]]></description><category></category></item><item><title><![CDATA[基于大规模连续多目标优化的共轭梯度-进化集成算法]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/135988985</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/135988985</guid><author>ztzi321</author><pubDate>Thu, 08 Feb 2024 09:54:00 +0800</pubDate><description><![CDATA[大规模多目标优化算法：Integrating Conjugate Gradients Into Evolutionary Algorithms for Large-Scale Continuous Multi-Objective Optimization]]></description><category></category></item><item><title><![CDATA[Batch、Iteration and Epoch]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/127073389</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/127073389</guid><author>ztzi321</author><pubDate>Tue, 27 Sep 2022 16:25:45 +0800</pubDate><description><![CDATA[一个epoch就是使用训练集中的全部样本训练一次。Epoch数是一个超参数，它定义了学习算法在整个训练数据集中的工作次数。一个Epoch意味着训练数据集中的每个样本都有机会更新内部模型参数。Epoch由一个或多个Batch组成。每次迭代时使用的一批样本就叫做一个Batch，样本的数量称为Batch Size。Batch大小是一个超参数，用于定义在更新内部模型参数之前要处理的样本数。深度学习每一次参数的更新的Loss Function并不是由一个样本得到的，而是由一个Batch的数据加权得到。]]></description><category></category></item><item><title><![CDATA[PyTorch中DataLoader及其与enumerate（）用法介绍]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/127001539</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/127001539</guid><author>ztzi321</author><pubDate>Fri, 23 Sep 2022 16:18:23 +0800</pubDate><description><![CDATA[例如，在SGD常见情况下，Sampler可以随机排列一列索引，一次生成每个索引，或者为小批量SGD生成少量索引。包含一个批处理维，用来表示样本批处理后的大小，批处理后的样本称作“批处理样本”。对于数据加载，将pin_memory = True传递给DataLoader将自动将获取的数据张量放入固定内存中，从而能够更快地将数据传输到支持CUDA的GPU。批处理的个数由每个批处理大小及drop_last（最后不够一个批处理的样本处理过程）决定，每个批处理样本索引可以是任意的，这个可以通过shuttle来决定。]]></description><category></category></item><item><title><![CDATA[Pycharm远程调试、运行服务器代码]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/126942840</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/126942840</guid><author>ztzi321</author><pubDate>Mon, 19 Sep 2022 21:54:51 +0800</pubDate><description><![CDATA[如何借助Pycharm调试服务器代码？如何借助Pycharm在服务器端运行服务器代码？本文将回答以上问题，其安装过程请参考下边两篇博客。文外：使用WinSCP+Putty时，putty运行服务器代码需要cd到py文件上一目录，然后。]]></description><category></category></item><item><title><![CDATA[argparse简要用法总结]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/126911296</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/126911296</guid><author>ztzi321</author><pubDate>Sat, 17 Sep 2022 21:49:24 +0800</pubDate><description><![CDATA[最后我们通过argpaser对象的parser_args函数来获取所有参数args，然后通过args.name的方式得到我们设置的–name参数的值，可以看到这里argparse默认的参数名就是–name形式里面–后面的字符串。argparse 是python自带的命令行参数解析包，可以用来方便地读取命令行参数，当你的代码需要频繁地修改参数的时候，使用这个工具可以将参数和代码分离开来，让你的代码更简洁，适用范围更广。如同上例中展示的，default表示命令行没有设置该参数的时候，程序中用什么值来代替。]]></description><category></category></item><item><title><![CDATA[Python Imaging Library---PIT]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/126887674</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/126887674</guid><author>ztzi321</author><pubDate>Sat, 17 Sep 2022 17:29:04 +0800</pubDate><description><![CDATA[相较于OpenCV，PIT是一种轻量级别的python图像处理工具。PIT内部功能，请具体查看。]]></description><category></category></item><item><title><![CDATA[深度学习入门（二）]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/126871664</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/126871664</guid><author>ztzi321</author><pubDate>Thu, 15 Sep 2022 15:32:49 +0800</pubDate><description><![CDATA[输入时圆括号可有可无，不过经常会是必须的（如果这个元组是一个更大的表达式的一部分）。给元组中的一个单独的元素赋值是不允许的，当然你可以创建包含可变对象的元组，例如列表。空元组可以直接被一对空圆括号创建，含有一个元素的元组可以通过在这个元素后添加一个逗号来构建（圆括号里只有一个值的话不够明确）。列表是 mutable ，并且列表中的元素一般是同种类型的，并且通过迭代访问。如果要按某个指定顺序循环一个序列，可以用 sorted() 函数，它可以在不改动原序列的基础上返回一个新的排好序的序列。]]></description><category></category></item><item><title><![CDATA[深度学习入门（—）]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/126404908</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/126404908</guid><author>ztzi321</author><pubDate>Thu, 18 Aug 2022 15:16:34 +0800</pubDate><description><![CDATA[注：该命令只适用于Windows环境；“environment_name”是要创建的环境名；“python=X.X”是选择的Python版本)1、用conda创建Python虚拟环境（在conda prompt环境下完成）2、激活虚拟环境（在conda prompt环境下完成）3、给虚拟环境安装外部包。...]]></description><category></category></item><item><title><![CDATA[matplotlib中color可用的颜色]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/122283655</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/122283655</guid><author>ztzi321</author><pubDate>Mon, 03 Jan 2022 07:49:44 +0800</pubDate><description><![CDATA[转自：https://www.cnblogs.com/qianblue/p/10783261.html
== 仅保存备用==
https://blog.youkuaiyun.com/wuzlun/article/details/80059222 Python绘图总结(Matplotlib篇)之画布、颜色、及样式
https://blog.youkuaiyun.com/lk274857347/article/details/56845818 Matlab画图线型、符号及颜色汇总
http://stackoverflow.com/qu]]></description><category></category></item><item><title><![CDATA[数据可视化之MATPLOTLIB实战：PLT.POLAR()函数 绘制极线图 （转载）]]></title><link>https://blog.youkuaiyun.com/ztzi321/article/details/122281744</link><guid>https://blog.youkuaiyun.com/ztzi321/article/details/122281744</guid><author>ztzi321</author><pubDate>Sun, 02 Jan 2022 22:10:53 +0800</pubDate><description><![CDATA[转自：数据可视化之MATPLOTLIB实战：PLT.POLAR()函数 绘制极线图
代码
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

# 防止乱码
mpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["axes.unicode_minus"] = False

barSlices = 12

theta = np.linspace(0.]]></description><category></category></item></channel></rss>