摘要：
1. Introduction #### PIL(Python Image Library)是python的第三方图像处理库，但是由于其强大的功能与众多的使用人数，几乎已经被认为是python官方图像处理库了。其官方主页为:PIL。 PIL历史悠久，原来是只支持python2.x的版本的，后来出现了
阅读全文
posted @ 2021-03-11 17:21
stardsd
阅读(11799)
推荐(0)
摘要：
0.摘要 最近一段时间在学习yolo3，看了很多博客，理解了一些理论知识，但是学起来还是有些吃力，之后看了源码，才有了更进一步的理解。在这里，我不在赘述网络方面的代码，网络方面的代码比较容易理解，下面将给出整个yolo3代码的详解解析，整个源码中函数的作用以及调用关系见下图： 参考：https://
阅读全文
posted @ 2021-03-11 16:50
stardsd
阅读(2832)
推荐(0)
摘要：
本文主要介绍PyTorch框架下的可视化工具Tensorboard的使用 面向第一次接触可视化工具的新手<其实是备忘> 之前用了几天visdom，用起来很方便，但是画的图显得很乱，所以花了一晚上把代码里的visdom都改成了tensorboard。 Tensorboard 安装 原本是tensorf
阅读全文
posted @ 2021-03-11 11:17
stardsd
阅读(9943)
推荐(3)
摘要：
Python vars() 函数 描述 vars() 函数返回对象object的属性和属性值的字典对象。 语法 vars() 函数语法： vars([object]) 参数 object -- 对象 返回值 返回对象object的属性和属性值的字典对象，如果没有参数，就打印当前调用位置的属性和属性值
阅读全文
posted @ 2021-03-11 10:58
stardsd
阅读(784)
推荐(0)
摘要：
python的Tqdm模块 Tqdm 是一个快速，可扩展的Python进度条，可以在 Python 长循环中添加一个进度提示信息，用户只需要封装任意的迭代器 tqdm(iterator)。 我的系统是window环境，首先安装python，接下来就是pip。 pip安装： 在python根目录下创建
阅读全文
posted @ 2021-03-09 14:44
stardsd
阅读(1226)
推荐(0)
摘要：
model.train() tells your model that you are training the model. So effectively layers like dropout, batchnorm etc. which behave different on the train
阅读全文
posted @ 2021-03-09 14:39
stardsd
阅读(865)
推荐(0)
摘要：
Pytorch 为什么每一轮batch需要设置optimizer.zero_grad 根据pytorch中的backward()函数的计算，当网络参量进行反馈时，梯度是被积累的而不是被替换掉；但是在每一个batch时毫无疑问并不需要将两个batch的梯度混合起来累积，因此这里就需要每个batch设置
阅读全文
posted @ 2021-03-09 10:12
stardsd
阅读(2256)
推荐(1)
摘要：
IPC机制 from multiprocessing import Queue, Process """ 研究思路 1.主进程跟子进程借助于队列通信 2.子进程跟子进程借助于队列通信 """ def producer(q): q.put('很高兴为您服务') def consumer(q): pri
阅读全文
posted @ 2021-03-05 16:35
stardsd
阅读(2310)
推荐(0)
摘要：
队列Queue模块 """ 管道:subprocess stdin stdout stderr 队列:管道+锁 队列:先进先出 堆栈:先进后出 """ from multiprocessing import Queue # 创建一个队列 q = Queue(5) # 括号内可以传数字 标示生成的队列
阅读全文
posted @ 2021-03-04 19:18
stardsd
阅读(251)
推荐(0)
摘要：
进程互斥锁 多个进程操作同一份数据的时候，会出现数据错乱的问题 针对上述问题，解决方式就是加锁处理:将并发变成串行，牺牲效率但是保证了数据的安全 from multiprocessing import Process, Lock import json import time import rand
阅读全文
posted @ 2021-03-04 18:58
stardsd
阅读(261)
推荐(0)
摘要：
“Perceptual Losses for Real-Time Style Transfer and Super-Resolution”论文出自斯坦福大学李飞飞团队，发表于ECCV 2016 论文地址：https://arxiv.org/abs/1603.08155补充材料地址：https://c
阅读全文
posted @ 2021-03-04 14:55
stardsd
阅读(6616)
推荐(0)
摘要：
Pytorch torchvision.utils.make_grid()用法 make_grid的作用是将若干幅图像拼成一幅图像。其中padding的作用就是子图像与子图像之间的pad有多宽。 这是padding为0的结果 这是padding为2的结果 在需要展示一批数据时很有用。————————
阅读全文
posted @ 2021-03-01 10:35
stardsd
阅读(3915)
推荐(0)
摘要：
使用pytorch的小伙伴们，一定看过下面这段代码 _, predicted = torch.max(outputs.data, 1) 那么，这里的 下划线_ 表示什么意思？ 首先，torch.max()这个函数返回的是两个值，第一个值是具体的value（我们用下划线_表示），第二个值是value所
阅读全文
posted @ 2021-02-25 16:19
stardsd
阅读(4109)
推荐(0)
摘要：
N: batch; C: channel H: height W: width Caffe 的Blob通道顺序是：NCHW; Tensorflow的tensor通道顺序：默认是NHWC， 也支持NCHW，使用cuDNN会更快; Pytorch中tensor的通道顺序：NCHW TensorRT中的t
阅读全文
posted @ 2021-02-25 15:16
stardsd
阅读(2783)
推荐(0)
摘要：
1. run_predict.py import torch, torchvision import detectron2 from detectron2.utils.logger import setup_logger setup_logger import numpy as np import
阅读全文
posted @ 2021-02-22 15:36
stardsd
阅读(770)
推荐(0)
摘要：
代码开启进程和线程的方式，代码书写基本是一样的，你学会了如何开启进程就学会了如何开启线程 from multiprocessing import Process import time def task(name): print('%s is running'%name) time.sleep(3)
阅读全文
posted @ 2021-02-20 15:41
stardsd
阅读(4042)
推荐(0)
摘要：
理论板块将从以下四个方面对Batch Normalization进行详解： 提出背景 BN算法思想 测试阶段如何使用BN BN的优势 理论部分主要参考2015年Google的Sergey Ioffe与Christian Szegedy的论文内容，并辅以吴恩达Coursera课程与其它博主的资料。所有
阅读全文
posted @ 2021-02-18 17:40
stardsd
阅读(2291)
推荐(0)
摘要：
SIGAI特约作者 尹相楠 里昂中央理工 在读博士 提到 hook，我首先想起的是动画《小飞侠》里滑稽的 captain hook，满满童年的回忆促使我 P 了张题图：虎克船长勾着 PyTorch 的 logo。同时想起的还有大名鼎鼎的胡克定律：Hooke's law（虽然不是一个 hook），当年
阅读全文
posted @ 2021-02-18 16:09
stardsd
阅读(8150)
推荐(2)
摘要：
Partially execute a model: Sometimes you may want to obtain an intermediate tensor inside a model, such as the input of certain layer, the output befo
阅读全文
posted @ 2021-02-18 15:31
stardsd
阅读(654)
推荐(0)
摘要：
前言 with 语句适用于对资源进行访问的场合，确保不管使用过程中是否发生异常都会执行必要的“清理”操作，释放资源，比如文件使用后自动关闭／线程中锁的自动获取和释放等。 问题引出 如下代码： file = open("１.txt") data = file.read() file.close() 上
阅读全文
posted @ 2021-02-18 15:11
stardsd
阅读(6529)
推荐(0)
摘要：
作者：张皓，南京大学，编辑：机器学习实验室 众所周知，程序猿在写代码时通常会在网上搜索大量资料，其中大部分是代码段。然而，这项工作常常令人心累身疲，耗费大量时间。所以，今天小编转载了知乎上的一篇文章，介绍了一些常用PyTorch代码段，希望能够为奋战在电脑桌前的众多程序猿们提供帮助！ 本文代码基于
阅读全文
posted @ 2021-02-18 10:29
stardsd
阅读(264)
推荐(0)
摘要：
python函数注释,参数后面加冒号:,函数后面的箭头→是什么？ python的函数注释： def f(text:str,max_len:'int>0'=80) ->str: """这个是函数的帮助说明文档，help时会显示""" return True """ 函数声明中，text:str tex
阅读全文
posted @ 2021-02-16 15:59
stardsd
阅读(24484)
推荐(0)
摘要：
在神经网络中，通常需要随机初始化模型参数。下面我们来解释这样做的原因。 回顾多层感知机。为了方便解释，假设输出层只保留一个输出单元 且隐藏层使用相同的激活函数。如果将每个隐藏单元的参数都初始化为相等的值，那么在正向传播时每个隐藏单元将根据相同的输入计算出相同的值，并传递至输出层。在反向传播中，每个隐
阅读全文
posted @ 2021-02-16 09:57
stardsd
阅读(916)
推荐(0)
摘要：
一文看尽12种Dropout及其变体 本文转载自：AI公园 作者：Axel Thevenot 编译：ronghuaiyang 导读 深入了解DNNs，CNNs以及RNNs中的Dropout来进行正则化，蒙特卡洛不确定性和模型压缩的方法。 动机 在深度机器学习中训练一个模型的主要挑战之一是协同适应。这
阅读全文
posted @ 2021-02-15 16:02
stardsd
阅读(4429)
推荐(0)
摘要：
首先，给出官方文档的链接： https://pytorch.org/docs/stable/generated/torch.gather.html?highlight=gather#torch.gather 然后，我用白话翻译一下官方文档。 gather，顾名思义，聚集、集合。有点像军训的时候，排队
阅读全文
posted @ 2021-02-15 14:43
stardsd
阅读(4030)
推荐(0)
摘要：
前言 本文对PyTorch的.view()方法和.reshape()方法还有.resize_()方法进行了分析说明，关于本文出现的view和copy的语义可以看一下我之前写的文章，传送门： 深浅拷贝对比：图文代码浅谈Python中Shallow Copy(浅拷贝)和DeepCopy(深拷贝)的区别
阅读全文
posted @ 2021-02-15 10:33
stardsd
阅读(10995)
推荐(0)
摘要：
上一篇讲了LZW编码，本篇讨论另一种不同的编码算法，算数编码。和哈夫曼编码一样，算数编码是熵编码的一种，是基于数据中字符出现的概率，给不同字符以不同的编码。本文也会对这两种编码方式的相似和不同点进行比较。 编码原理 算数编码的原理我个人感觉其实并不太容易用三言两语直观地表达出来，其背后的数学思想则更
阅读全文
posted @ 2021-02-08 11:39
stardsd
阅读(4633)
推荐(0)
摘要：
一、介绍 1、量化就是把信号的连续取值映射成多个离散的幅值的过程，实现了信号取值多对一的映射。 2、残差数据进过变换之后，变换系数具有较大的取值范围，量化可以有效减小信号的取值范围，进而获得更好的压缩效果，量化是造成失真的根本原因 二、衡量失真的三种准则（分别有对应的公式）： 1、均方差MSE 2、
阅读全文
posted @ 2021-02-05 14:42
stardsd
阅读(4466)
推荐(0)
摘要：
为了增强各种应用下操作的灵活性以及数据损失的鲁棒性，H.265/HEVC在编解码的设计上添加了多种新的语法结构。相较于以往的视频编码标准（如H.264/AVC），这种新的语法架构使得H.265/HEVC在压缩效率和网络适应性两个方面都有显著提升。此外，根据不同业务需求、终端运算能力等，H.265/H
阅读全文
posted @ 2021-02-03 11:36
stardsd
阅读(11355)
推荐(3)
摘要：
H.265将图像划分为“树编码单元（coding tree units, CTU）”，而不是像H.264那样的16×16的宏块。根据不同的编码设置，树编码块的尺寸可以被设置为64×64或有限的32×32或16×16。很多研究都展示出更大的树编码块可以提供更高的压缩效率（同样也需要更高的编码速度）。每
阅读全文
posted @ 2021-02-03 10:16
stardsd
阅读(5178)
推荐(1)
摘要：
一.视频传输原理 二. I帧、P帧、B帧，GOP 三.PTS和DTS 一.视频传输原理 视频是利用人眼视觉暂留的原理，通过播放一系列的图片，使人眼产生运动的感觉。单纯传输视频画面，视频量非常大，对现有的网络和存储来说是不可接受的。为了能够使视频便于传输和存储，人们发现视频有大量重复的信息，如果将重复
阅读全文
posted @ 2021-02-02 11:14
stardsd
阅读(2017)
推荐(1)
摘要：
BD-rate 算法 参考 BD-rate,全称Bjøntegaard-Delta rate, 用于评价不同的视频编码器RD（率失真）性能。 写这篇博客，部分原因是发现BD-rate的中文解释完全没有。 算法 1. 一个编码器，给定bitrate，计算PSNR（以Y为例）。取不同的bitrate，在
阅读全文
posted @ 2021-02-01 14:40
stardsd
阅读(6853)
推荐(0)
摘要：
作者：桂。 时间：2017-05-31 21:14:56 链接：http://www.cnblogs.com/xingshansi/p/6925955.html 前言 VQ（Vector Quantization）是一个常用的压缩技术，本文主要回顾： 1）VQ原理 2）基于VQ的说话人识别（SR,s
阅读全文
posted @ 2021-01-28 15:17
stardsd
阅读(2029)
推荐(1)
摘要：
路由层 路由匹配 # 路由匹配 url(r'test',views.test), url(r'testadd',views.testadd) """ url方法第一个参数是正则表达式 只要第一个参数正则表达式能够匹配到内容 那么就会立刻停止往下匹配 直接执行对应的视图函数 你在输入url的时候会默认
阅读全文
posted @ 2021-01-26 11:06
stardsd
阅读(326)
推荐(0)
posted @ 2021-01-26 09:46
stardsd
阅读(252)
推荐(0)
摘要：
pycharm链接数据库(MySQL) """ 三个位置查找数据库相关 右侧上方database 左下方database 配置里面的plugins插件搜索安装 再没有卸载pycharm重新装 pycharm可以充当很多款数据库软件的客户端 参考截图和视频操作即可 需要提前创建好库 """ djang
阅读全文
posted @ 2021-01-25 15:22
stardsd
阅读(545)
推荐(0)
摘要：
有时候电脑或服务器里需要安装多个版本的Python，比如Python2.7、Python3.5、Python3.6。同时存在多个版本的Python，如何安装对应的pip成为一个头疼的问题，本文从原理入手，详解如何安装对应Python版本的pip，当然也适合单一版本Python的pip的安装。 本文所
阅读全文
posted @ 2021-01-22 17:11
stardsd
阅读(4885)
推荐(1)
摘要：
刚开始折腾Python，今天发现了一个很奇怪的错误。 def accept(*s): print(sum(s)) list = (0, 1, 2, 3, 7.5) print(sum(list)) accept(list) 这段代码会报错：TypeError: unsupported operand
阅读全文
posted @ 2021-01-20 16:09
stardsd
阅读(5247)
推荐(0)
摘要：
如何借助 Django 来编写一个 Python Web API Django 是 Python API 开发中最流行的框架之一，在这个教程中，我们来学习如何使用它。-- Rachel Waston（作者） Django 所有 Web 框架中最全面的，也是最受欢迎的一个。自 2005 年以来，其流行
阅读全文
posted @ 2021-01-18 11:49
stardsd
阅读(834)
推荐(0)
摘要：
TCP在真正的读写操作之前，server与client之间必须建立一个连接， 当读写操作完成后，双方不再需要这个连接时它们可以释放这个连接， 连接的建立通过三次握手，释放则需要四次握手， 所以说每个连接的建立都是需要资源消耗和时间消耗的。 TCP通信的整个过程，如下图: 1. TCP短连接 模拟一种
阅读全文
posted @ 2021-01-15 16:21
stardsd
阅读(3450)
推荐(0)
浙公网安备 33010602011771号