2022年4月5日
python函数参数中单独的*的含义
摘要： 函数中形参列表出现一个单独的*，如下所示： test_func2(aa, *, bb, cc='hello'): 这表示*号后面的形参只能以关键字形式进行传参，不接受位置传参 就只能接受 bb='xxx', cc='xxx', 不能接受其他的命名关键字参数了 def test_func1(aa, b 阅读全文
posted @ 2022-04-05 11:59 rain-1227 阅读(439) 评论(0) 推荐(0)
Ubuntu看MP4视频
摘要： # 安装ffmpeg库 sudo apt install ffmpeg # 播放视频，-autoexit是播放完自动关闭 ffplay -autoexit filename.mp4 q：退出 p：暂停 f：全屏 左右方向键：向左或者右快进或倒退10s 阅读全文
posted @ 2022-04-05 11:52 rain-1227 阅读(658) 评论(0) 推荐(0)
2022年4月4日
YOLOv5训练过程
摘要： YOLOv5训练过程 1. 数据格式转为YOLOv5需要的格式 yolov5的项目地址 YOLOv5需要图像标注的数据格式 大家都知道，用于训练的图片都是有对应的标注信息的，主要来标注图片中的待识别物体（用边界框和类别表示） 在yolov5中每一个图片对应的标注信息（边界框和类别）是存放在txt文件 阅读全文
posted @ 2022-04-04 22:37 rain-1227 阅读(1998) 评论(0) 推荐(0)
2022年4月3日
Ubuntu换源
摘要： Ubuntu系统更换软件源 参考链接 在Linux系统中，会维护一个自己的软件仓库，Ununtu中这个软件仓库就是一个文件里面有着一些网址信息，每一个网址就是一个源，对应着源服务器上的软件 这个文件就是 /etc/apt/sources.list 在这个文件中增加或注释一些源时，我们的系统能安装的软 阅读全文
posted @ 2022-04-03 22:10 rain-1227 阅读(110) 评论(0) 推荐(0)
pytorch学习
摘要： 1. pytorch的安装 cmd中输入 nvidia-smi 就可以看到支持的cuda版本，比如我的是cuda11.1 然后去pytorch官网选择相应的命令，运行安装即可 这里选择pip安装，后面好像不需要安装cuda，cudnn（windows下），我的命令是： pip3 install to 阅读全文
posted @ 2022-04-03 19:57 rain-1227 阅读(103) 评论(0) 推荐(0)
SSD详解
摘要： 基础模块 1.类别预测层 2.边界框预测层 和类别预测层类似，只不过每个锚框要预测4个偏移量，而不是$q+1$个 3.连接多尺度的预测 每个输出的形状是（批量大小，通道数，高度，宽度） 由于不同层的特征图由于大小不一样，锚框数量不一样，因此不同层的预测输出形状可能会不同，通道数由每个特征图单元生成的 阅读全文
posted @ 2022-04-03 19:40 rain-1227 阅读(310) 评论(0) 推荐(0)
计算机网络面试知识点总结
摘要： 计算机网络面试知识点总结 一.网络分层结构 目前用的一般是5层网络模型来教学理解，实际应用中是TCP/IP的四层网络体系结构。 1.物理层 物理层考虑的是如何将比特流数据在连接计算机的传输媒体上进行传输，而不是指具体的传输媒体。 具体来说： 确定与传输媒体的接口的一些特性，比如指定接口的形状，尺寸， 阅读全文
posted @ 2022-04-03 19:39 rain-1227 阅读(398) 评论(0) 推荐(0)
操作系统面试知识点总结
摘要： 操作系统面试知识点总结 一.操作系统概述 1.操作系统主要功能 对计算机硬件资源进行管理，调度，分配 向用户提供一个与系统交互的友好页面 2.操作系统的四个特征 操作系统拥有 4 个鲜明的特征：并发、共享、虚拟和异步。其中，并发和共享是操作系统的最基本特征，没有并发和共享，就谈不上虚拟和异步 并发和 阅读全文
posted @ 2022-04-03 19:36 rain-1227 阅读(479) 评论(0) 推荐(0)
深度学习面试知识点总结
摘要： 一.前向神经网络 深度前馈网络（Deep Feedforward Networks） 是一种典型的深度学习模型。 其目标为拟合某个函数f， 即定义映射y=f (x;θ)将输入x转化为某种预测的输出y， 并同时学习网络参数θ的值， 使模型得到最优的函数近似。 由于从输入到输出的过程中不存在与模型自身的 阅读全文
posted @ 2022-04-03 19:34 rain-1227 阅读(242) 评论(0) 推荐(0)
训练深度神经网络时调参经验
摘要： 训练深度神经网络时调参经验 1.如果损失一直比较大，且降不下去，就是说模型在训练集和测试集上的结果都比较差 可以尝试从以下三个方面入手： （1）损失函数 如果是回归任务的损失函数有： 优先选择SmoothL1Loss函数 下面公式中的N可以看做是batch size一般是传入数据的第一个纬度，n可以 阅读全文
posted @ 2022-04-03 19:32 rain-1227 阅读(356) 评论(0) 推荐(0)