博客园 - HOU_JUN
uuid:24b78886-0ed1-41c2-8670-e3f31dcf42c4;id=46837
2023-12-01T09:11:13Z
HOU_JUN
https://www.cnblogs.com/houjun/
feed.cnblogs.com
https://www.cnblogs.com/houjun/p/15132898.html
numpy版本iou计算 - HOU_JUN
计算两个边界框集合的iou 1 import numpy as np 2 3 4 def iou(gtboxes, dtboxes): 5 '''numpy version of calculating IoU between two set of 2D bboxes. 6 7 Args: 8 gt
2021-08-12T07:22:00Z
2021-08-12T07:22:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】计算两个边界框集合的iou 1 import numpy as np 2 3 4 def iou(gtboxes, dtboxes): 5 '''numpy version of calculating IoU between two set of 2D bboxes. 6 7 Args: 8 gt <a href="https://www.cnblogs.com/houjun/p/15132898.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10922352.html
Sigmoid函数的替代:overflow encountered in exp in computing the logistic function - HOU_JUN
RuntimeWarning: overflow encountered in exp in computing the logistic function 以下是sigmoid函数的标准写法,但是如果x很大或导致函数exp(-x)溢出 安全的替代写法如下:
2019-05-25T06:33:00Z
2019-05-25T06:33:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】RuntimeWarning: overflow encountered in exp in computing the logistic function 以下是sigmoid函数的标准写法,但是如果x很大或导致函数exp(-x)溢出 安全的替代写法如下: <a href="https://www.cnblogs.com/houjun/p/10922352.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10638264.html
ubuntu使用百度云盘插件 - HOU_JUN
Firefox 插件地址 https://addons.mozilla.org/zh CN/firefox/addon/baidu pan exporter/ 安装后重启Firefox,然后百度云下载界面就会多出一个选项:导出下载 需要下载aria2 : sudo apt get install a
2019-04-01T11:14:00Z
2019-04-01T11:14:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】Firefox 插件地址 https://addons.mozilla.org/zh CN/firefox/addon/baidu pan exporter/ 安装后重启Firefox,然后百度云下载界面就会多出一个选项:导出下载 需要下载aria2 : sudo apt get install a <a href="https://www.cnblogs.com/houjun/p/10638264.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10484945.html
Python中使用LMDB - HOU_JUN
在python中使用lmdb linux中,可以使用指令 安装lmdb包。 生成一个空的lmdb数据库文件 LMDB数据的添加、修改、删除 查询LMDB数据库 参考:ps://blog.csdn.net/dcrmg/article/details/79144507
2019-03-06T10:03:00Z
2019-03-06T10:03:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】在python中使用lmdb linux中,可以使用指令 安装lmdb包。 生成一个空的lmdb数据库文件 LMDB数据的添加、修改、删除 查询LMDB数据库 参考:ps://blog.csdn.net/dcrmg/article/details/79144507 <a href="https://www.cnblogs.com/houjun/p/10484945.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10484042.html
Github授权新的设备ssh接入 - HOU_JUN
为Mac生成公钥 步骤: 检查本机是否已有公钥 将原来的公钥删除 生成新的公钥(填自己的邮箱),然后除了密码,一路默认 在默认的路径下便生成了自己的id_ras.pub 查看id_ras.pub的内容 将id_rsa.pub中的内容拷贝 在Github中授权 打开Github,点击头像 Settin
2019-03-06T08:22:00Z
2019-03-06T08:22:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】为Mac生成公钥 步骤: 检查本机是否已有公钥 将原来的公钥删除 生成新的公钥(填自己的邮箱),然后除了密码,一路默认 在默认的路径下便生成了自己的id_ras.pub 查看id_ras.pub的内容 将id_rsa.pub中的内容拷贝 在Github中授权 打开Github,点击头像 Settin <a href="https://www.cnblogs.com/houjun/p/10484042.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10454166.html
两个Bounding Box的IOU计算代码 - HOU_JUN
Bounding Box的数据结构为(xmin,ymin,xmax,ymax) 输入:box1,box2 输出:IOU值
2019-02-28T15:52:00Z
2019-02-28T15:52:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】Bounding Box的数据结构为(xmin,ymin,xmax,ymax) 输入:box1,box2 输出:IOU值 <a href="https://www.cnblogs.com/houjun/p/10454166.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10454117.html
非极大值抑制(NMS,Non-Maximum Suppression)的原理与代码详解 - HOU_JUN
1、NMS的原理 NMS(Non-Maximum Suppression)算法本质是搜索局部极大值,抑制非极大值元素。NMS就是需要根据score矩阵和region的坐标信息,从中找到置信度比较高的bounding box。NMS是大部分深度学习目标检测网络所需要的,大致算法流程为: 1.对所有预测
2019-02-28T15:35:00Z
2019-02-28T15:35:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】1、NMS的原理 NMS(Non-Maximum Suppression)算法本质是搜索局部极大值,抑制非极大值元素。NMS就是需要根据score矩阵和region的坐标信息,从中找到置信度比较高的bounding box。NMS是大部分深度学习目标检测网络所需要的,大致算法流程为: 1.对所有预测 <a href="https://www.cnblogs.com/houjun/p/10454117.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10407423.html
Pytorch多进程最佳实践 - HOU_JUN
预备知识 模型并行( model parallelism ):即把模型拆分放到不同的设备进行训练,分布式系统中的不同机器(GPU/CPU等)负责网络模型的不同部分 —— 例如,神经网络模型的不同网络层被分配到不同的机器,或者同一层内部的不同参数被分配到不同机器,如AlexNet的训练。 数据并行(
2019-02-20T08:24:00Z
2019-02-20T08:24:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】预备知识 模型并行( model parallelism ):即把模型拆分放到不同的设备进行训练,分布式系统中的不同机器(GPU/CPU等)负责网络模型的不同部分 —— 例如,神经网络模型的不同网络层被分配到不同的机器,或者同一层内部的不同参数被分配到不同机器,如AlexNet的训练。 数据并行( <a href="https://www.cnblogs.com/houjun/p/10407423.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10406640.html
torchvision简介 - HOU_JUN
安装pytorch时,torchvision独立于torch。torchvision包由流行的数据集(torchvision.datasets)、模型架构(torchvision.models)和用于计算机视觉的常见图像转换组成t(torchvision.transforms)。 1)数据库 MNI
2019-02-20T06:57:00Z
2019-02-20T06:57:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】安装pytorch时,torchvision独立于torch。torchvision包由流行的数据集(torchvision.datasets)、模型架构(torchvision.models)和用于计算机视觉的常见图像转换组成t(torchvision.transforms)。 1)数据库 MNI <a href="https://www.cnblogs.com/houjun/p/10406640.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10406458.html
Pytorch数据变换(Transform) - HOU_JUN
实例化数据库的时候,有一个可选的参数可以对数据进行转换,满足大多神经网络的要求输入固定尺寸的图片,因此要对原图进行Rescale或者Crop操作,然后返回的数据需要转换成Tensor如: 数据转换(Transfrom)发生在数据库中的__getitem__操作中。以上代码中,transforms.C
2019-02-20T06:35:00Z
2019-02-20T06:35:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】实例化数据库的时候,有一个可选的参数可以对数据进行转换,满足大多神经网络的要求输入固定尺寸的图片,因此要对原图进行Rescale或者Crop操作,然后返回的数据需要转换成Tensor如: 数据转换(Transfrom)发生在数据库中的__getitem__操作中。以上代码中,transforms.C <a href="https://www.cnblogs.com/houjun/p/10406458.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10405466.html
Pytorch自定义数据库 - HOU_JUN
1)前言 虽然torchvision.datasets中已经封装了好多通用的数据集,但是我们在使用Pytorch做深度学习任务的时候,会面临着自定义数据库来满足自己的任务需要。如我们要训练一个人脸关键点检测算法,提供的训练数据标注如下形式,存在CSV文件中: 在本次教程中,我们需要用到两个额外的包:
2019-02-20T03:21:00Z
2019-02-20T03:21:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】1)前言 虽然torchvision.datasets中已经封装了好多通用的数据集,但是我们在使用Pytorch做深度学习任务的时候,会面临着自定义数据库来满足自己的任务需要。如我们要训练一个人脸关键点检测算法,提供的训练数据标注如下形式,存在CSV文件中: 在本次教程中,我们需要用到两个额外的包: <a href="https://www.cnblogs.com/houjun/p/10405466.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10250546.html
DenseNet笔记 - HOU_JUN
一、DenseNet的优点 减轻梯度消失问题 加强特征的传递 充分利用特征 减少了参数量 二、网络结构公式 对于每一个DenseBlock中的每一个层, [x0,x1,…,xl-1]表示将0到l-1层的输出feature map做concatenation。concatenation是做通道的合并,
2019-01-10T08:03:00Z
2019-01-10T08:03:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】一、DenseNet的优点 减轻梯度消失问题 加强特征的传递 充分利用特征 减少了参数量 二、网络结构公式 对于每一个DenseBlock中的每一个层, [x0,x1,…,xl-1]表示将0到l-1层的输出feature map做concatenation。concatenation是做通道的合并, <a href="https://www.cnblogs.com/houjun/p/10250546.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10220485.html
Focal Loss笔记 - HOU_JUN
论文:《Focal Loss for Dense Object Detection》 Focal Loss 是何恺明设计的为了解决one-stage目标检测在训练阶段前景类和背景类极度不均衡(如1:1000)的场景的损失函数。它是由二分类交叉熵改造而来的。 标准交叉熵 其中,p是模型预测属于类别y=
2019-01-04T08:07:00Z
2019-01-04T08:07:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】论文:《Focal Loss for Dense Object Detection》 Focal Loss 是何恺明设计的为了解决one-stage目标检测在训练阶段前景类和背景类极度不均衡(如1:1000)的场景的损失函数。它是由二分类交叉熵改造而来的。 标准交叉熵 其中,p是模型预测属于类别y= <a href="https://www.cnblogs.com/houjun/p/10220485.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10214017.html
Pytorch数据读取框架 - HOU_JUN
训练一个模型需要有一个数据库,一个网络,一个优化函数。数据读取是训练的第一步,以下是pytorch数据输入框架。 1)实例化一个数据库 假设我们已经定义了一个FaceLandmarksDataset数据库,此数据库将在以下建立。 或者使用torchvision.datasets里封装的数据集(MNI
2019-01-03T06:29:00Z
2019-01-03T06:29:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】训练一个模型需要有一个数据库,一个网络,一个优化函数。数据读取是训练的第一步,以下是pytorch数据输入框架。 1)实例化一个数据库 假设我们已经定义了一个FaceLandmarksDataset数据库,此数据库将在以下建立。 或者使用torchvision.datasets里封装的数据集(MNI <a href="https://www.cnblogs.com/houjun/p/10214017.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/10063468.html
二叉树的先序、中序、后序递归与非递归实现遍历 - HOU_JUN
一、递归实现 以上的cout<<root->data;是对结点的一种操作,这里可以对结点做任意想做的操作。 二、非递归实现
2018-12-04T04:37:00Z
2018-12-04T04:37:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】一、递归实现 以上的cout<<root->data;是对结点的一种操作,这里可以对结点做任意想做的操作。 二、非递归实现 <a href="https://www.cnblogs.com/houjun/p/10063468.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/9988203.html
Group Normalization笔记 - HOU_JUN
作者:Yuxin,Wu Kaiming He 机构:Facebook AI Research (FAIR) 摘要:BN是深度学习发展中的一个里程碑技术,它使得各种网络得以训练。然而,在batch维度上进行归一化引入如下问题——BN的错误会随着batch size的减小而急剧增加,这是由batch不正
2018-11-20T04:27:00Z
2018-11-20T04:27:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】作者:Yuxin,Wu Kaiming He 机构:Facebook AI Research (FAIR) 摘要:BN是深度学习发展中的一个里程碑技术,它使得各种网络得以训练。然而,在batch维度上进行归一化引入如下问题——BN的错误会随着batch size的减小而急剧增加,这是由batch不正 <a href="https://www.cnblogs.com/houjun/p/9988203.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/9982968.html
「caffe编译bug」python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: No such file or directory - HOU_JUN
在Makefile.config找到PYTHON_INCLUDE,发现有点不同: PYTHON_INCLUDE := /usr/include/python2.7 \ /usr/lib/python2.7/dist-packages/numpy/core/include 要加一个local,变成:
2018-11-19T06:30:00Z
2018-11-19T06:30:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】在Makefile.config找到PYTHON_INCLUDE,发现有点不同: PYTHON_INCLUDE := /usr/include/python2.7 \ /usr/lib/python2.7/dist-packages/numpy/core/include 要加一个local,变成: <a href="https://www.cnblogs.com/houjun/p/9982968.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/9982946.html
「caffe编译bug」 undefined reference to `boost::match_results<__gnu_cxx::__normal_iterator<char const*, std::__cxx11 - HOU_JUN
CXX/LD -o .build_release/tools/test_net.binCXX/LD -o .build_release/tools/convert_annoset.binCXX/LD -o .build_release/tools/device_query.binCXX/LD -o
2018-11-19T06:26:00Z
2018-11-19T06:26:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】CXX/LD -o .build_release/tools/test_net.binCXX/LD -o .build_release/tools/convert_annoset.binCXX/LD -o .build_release/tools/device_query.binCXX/LD -o <a href="https://www.cnblogs.com/houjun/p/9982946.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/9982903.html
「caffe编译bug」.build_release/lib/libcaffe.so: undefined reference to cv::imread - HOU_JUN
转自:https://www.douban.com/note/568788483/ CXX/LD -o .build_release/tools/convert_imageset.bin.build_release/lib/libcaffe.so: undefined reference to cv
2018-11-19T06:18:00Z
2018-11-19T06:18:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】转自:https://www.douban.com/note/568788483/ CXX/LD -o .build_release/tools/convert_imageset.bin.build_release/lib/libcaffe.so: undefined reference to cv <a href="https://www.cnblogs.com/houjun/p/9982903.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/houjun/p/9934069.html
python的sorted函数对字典按value进行排序 - HOU_JUN
场景:词频统计时候,我们往往要对频率进行排序 sorted(iterable,key,reverse),sorted一共有iterable,key,reverse这三个参数。其中iterable表示可以迭代的对象,例如可以是dict.items()、dict.keys()等,key是一个函数,用来选
2018-11-09T03:23:00Z
2018-11-09T03:23:00Z
HOU_JUN
https://www.cnblogs.com/houjun/
【摘要】场景:词频统计时候,我们往往要对频率进行排序 sorted(iterable,key,reverse),sorted一共有iterable,key,reverse这三个参数。其中iterable表示可以迭代的对象,例如可以是dict.items()、dict.keys()等,key是一个函数,用来选 <a href="https://www.cnblogs.com/houjun/p/9934069.html" target="_blank">阅读全文</a>