- 博客(27)
- 收藏
- 关注
RSS订阅原创 Github上传项目（2022）
简述对Github上传项目方法进行实时更新一、Git安装https://git-scm.com/如果机子已经安装，可直接跳过，可用命令行 git 查看二、本地仓库创建git init # 初始化git status # 查看当前状态git add . # 添加当前目录下所有文件，可以修改为添加指定文件，或自动检测git commit -m "origin" # 项目提交到仓库，-m后是本次提交注释内容，便于了解提交内容三、创建SSH KEY创建SSH KEYss
2022-05-27 16:25:10
2351
1
原创 Win10本地使用服务器tensorboard可视化
方法一 本地ssh设置1. 在cmd指令中配置ssh -L 16006:127.0.0.1:6006 name@ip如我的用户名：czxip地址：172.33.101.111按提示输入用户密码即可连接成功2. 在服务器终端上执行tensorboard --logdir=./log3. 在浏览器输入http://127.0.0.1:16006/方法二 在xshell软件中设置执行同前面2，3最后可视化结果...
2021-11-09 16:29:08
808
原创 自动驾驶3D标注工具bat-3d安装与使用说明
工具介绍基于自动加速3d标注的项目bat-3dgithub：https://github.com/walzimmer/bat-3darxiv：https://arxiv.org/pdf/1905.00525.pdf安装教程：1）Clone repository: git clone https://github.com/walzimmer/bat-3d.git2）Install npmLinux: sudo apt-get install npmWindows: https://nodej
2021-09-24 16:57:26
4436
20
原创 文献阅读：(CVPR2021)Objects are Different: Flexible Monocular 3D Object Detection
摘要： 现有的方法从单一图像不依赖深度信息预测3D框目标物体是一个很有挑战的问题。大多数现有方法对所有对象都采用同样的检测方法，而不管他们的不同分布，导致限制了截断对象检测的性能。本文中，我们提出了一个灵活的单目三维目标检测框架，该框架对目标进行显示解耦，并自适应地结合多种目标深度估计方法。具体地说，我们将特征映射的边缘解耦以预测长尾截断对象，从而不影响政策对象的优化。此外，我们将目标深度估计公式化为直接回归目标深度和从不同关键点组求解深度的不确定性引导集合。实验表明，在KITTI下，我们的方法在保持
2021-05-20 20:02:39
2829
原创 3D目标检测（单目）D4LCN论文复现（paddlepaddle)
D4LCN: Learning Depth-Guided Convolutions for Monocular 3D Object Detection (CVPR2020) 基于深度引导卷积的单目3D目标检测1. 论文简介（1）简介单目3D目标检测最大的挑战在于没法得到精确的深度信息，传统的二维卷积算法不适合这项任务，因为它不能捕获局部目标及其尺度信息，而这对三维目标检测至关重要。为了更好地表示三维结构，现有技术通常将二维图像估计的深度图转换为伪激光雷达表示，然后应用现有3D点云的物体检测算法。因此
2021-03-29 22:20:51
4292
5
原创 paddle复现pytorch踩坑(十二）：可视化paddle各种学习率及OneCycleLR复现
版本说明： paddlepaddle 1.8.4可视化paddle学习率列表noam_decaycosine_decaypiecewise_decayexponential_decaynatural_exp_decayinverse_time_decaypolynomial_decaylinear_lr_warmup附录：代码实现noam_decaypaddlepaddle官网实现原理说明fluid.layers.noam_decay(d_model, warmup_steps)cosine_d
2021-03-28 14:31:18
1936
原创 玩转KITTI3D目标检测:KITTI评估工具evaluate的使用
近期因实验需要利用kitti数据集,发现关于评估工具使用的部分网上教程不够详细,特此记录.文末为了方便对数据结果观看,附上了修改代码.1. KITTI评估工具来源官网评估工具下载后文件目录包含:matlab(2D/3D框显示和demo文件)mappingcpp(评估的主要工具)readme.txt(说明文件)为了方便调用和显示,将cpp文件夹中evaluate_object.cpp文件更换为文末代码.2. 文件编译(1)Cmake编译进入cpp目录下,依次执行以下cmake
2021-03-04 15:55:10
6521
21
原创 深度学习加速方案OpenVINO探秘（三）：OpenVINO进阶测试
1. 进阶测试：SSD 人脸检测测试1.1 环境校验进行人脸检测测试cmd指令下，进入路径C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\inference_engine\samples\python\object_detection_sample_ssd运行python文件报错：DLL找不到指定模块在环境变量中添加以下：C:\Program Files (x86)\Intel\openvino_2021
2021-01-21 16:55:04
1364
1
原创 深度学习加速方案OpenVINO探秘（二）：OpenVINO安装与入门
上一篇介绍了OpenVINO，本篇介绍一下其安装与入门示例通篇目录安装所需安装过程安装验证入门测试进阶测试1. 安装所需AnacondaVisual Studio 2019CmakeIntel OpenVINO2. 安装过程2.1 Anaconda这部分可以直接在官网下载，相关教程毕竟多就不重复赘述2.2 Visual Studio 2019官网下载地址，或者网上其他破解版资源2.3 Cmake安装官网下载安装选择第二项：Add Cmake to the
2021-01-20 16:00:38
924
原创 深度学习加速方案OpenVINO探秘（一）：OpenVINO是什么？
#深度学习加速方案OpenVINO探秘（一）：OpenVINO是什么？待补充
2021-01-20 14:53:15
1003
原创 paddle复现pytorch踩坑(十一）：转换pytorch预训练模型
直接上代码解释预训练模型的转换过程，需要注意：（1）若想完全转换pytorch模型，可直接转（2）若想转换预训练模型，即包含权重不包含全连接层，则舍弃全连接层的部分即可（3）如遇数据维度不对，需要对权重进行转置环境：pytorch 1.1.0paddlepaddle 1.8.4import torchimport paddle.fluid as fluidfrom collections import OrderedDictfrom model import ResNet3Dtorc
2021-01-15 17:21:24
3592
1
原创 paddle复现pytorch踩坑(十）：dataloader读取
问题一：图片大小问题报错：F:\Anaconda\envs\paddle\lib\site-packages\paddle\fluid\reader.py:811: VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is d
2021-01-14 11:53:17
6757
3
原创 paddle复现pytorch踩坑(九）：版本问题报错汇总
报错一：Error, broadcast should not into w broadcast原版本：paddlepaddle1.8.0新版本：paddlepaddle1.8.4
2021-01-13 11:14:36
896
原创 paddle复现pytorch踩坑(八）：smooth_l1的用法
fluid.layers.smooth_l1作用：该layer计算变量 x 和 y 的smooth L1 loss，它以 x 和 y 的第一维大小作为批处理大小。对于每个实例，按元素计算smooth L1 loss，然后计算所有loss。输出变量的形状是[batch_size, 1]链接：pp飞桨API说明问题一：输入数据类型# pytorch codeloss_bbox_x = F.smooth_l1_loss(bbox_x[active], bbox_x_tar[active], redu
2021-01-12 11:12:55
825
1
原创 paddle复现pytorch踩坑(七）：softmax_with_cross_entropy的用法
fluid.layers.softmax_with_cross_entropy作用：OP实现了softmax交叉熵损失函数。该函数会将softmax操作、交叉熵损失函数的计算过程进行合并，从而提供了数值上更稳定的梯度值。链接：pp飞桨API说明复现问题报错：loss为nan解决：API对应错误pytorch采用：F.cross_entropy原拟采用：fluid.layers.cross_entropy更改：fluid.layers.softmax_with_cross_entropy
2021-01-11 20:12:16
1923
原创 paddle复现pytorch踩坑(六）：多维度index下gather的用法
fluid.layers.gather(input, index, overwrite=True)作用：根据索引 index 获取输入（input）的最外层维度的条目，并将它们拼接在一起。链接：pp飞桨API说明对比：通常来说此api用法和pytorch没什么特殊，但因为API缺少了dim参数，使得当多维tensor索引时报错示例输入维度X.shape = [b, c, 81204]Index.shape = [b, c, 720000]输出维度X_offset = [b, c, 7
2021-01-11 14:46:53
1614
1
原创 paddle复现pytorch踩坑(五）：dygraph的一些用法示例
1. Conv2D# paddlepaddle codeself.p_conv = Conv2D(inc, 2*kernel_size*kernel_size, filter_size=3, padding=1, stride=stride)self.p_conv.weight = fluid.initializer.ConstantInitializer(value=0)报错：assignment to parameter 'weight' should be of type Paramete
2021-01-10 14:51:27
845
原创 paddle复现pytorch踩坑(四）：Tensor
paddlepaddle从1.5版本以上采用动态图的思想，本博客基于1.8.0以上版本。关于Tensor的用法：pytorch可以使用静态数组索引；可以使用tensor索引paddlepaddle可以使用静态数组索引；不可以使用tensor索引示例1：索引示例# pytorch codeaa = cls[active, :]# paddlepaddle codeaa = cls[active, :]报错：SystemError: <built-in method __geti
2021-01-09 15:36:56
5171
原创 paddle复现pytorch踩坑(三）：paddleAPI对照表（后续补充）
在实际论文复现中遇到的API对照缺失进行补充Pytorch的API名称Paddle的API名称torch.clampfluid.layers.cliptorch.meshgridfluid.layers.meshgridtorch.viewfluid.layers.reshapetorch.repeatfluid.layers.expandtorch.from_numpyfluid.dygraph.to_variabletorch.type_as
2021-01-09 15:05:54
2956
2
原创 paddle复现pytorch踩坑(二）：paddleAPI对照表（百度论文复现营活动提供）
百度提供了paddlepaddle对应pytorch的API对照表环境：paddlepaddle1.8Pytorch的API名称Paddle的API名称torch.absfluid.layers.abs(x, name=None)torch.acosfluid.layers.acos(x, name=None)torch.addfluid.layers.elementwise_add(x, y, axis=-1, act=None, name=None)tor
2021-01-08 21:18:15
6400
原创 paddle复现pytorch踩坑(一）：Resnet复现
paddlepaddle中关于Resnet复现的实际解决代码1. 遍历模块初始化部分pytorch代码：for m in self.modules(): if isinstance(m, nn.Conv2d): nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu') elif isinstance(m, nn.BatchNorm2d): nn.init.constant
2021-01-08 21:17:04
1803
5
原创 图像检索知识整理（传统方法）
图像检索知识整理本文是对传统的图像检索方法、特征提取、描述子生成、匹配的方法进行部分总结1. SIFT特征提取1.1 尺度空间生成尺度空间生成，模糊图像多尺度化
2021-01-08 20:13:48
1287
原创 Linux创建虚拟环境
博客引用：linux下搭建虚拟环境安装虚拟环境sudo pip install virtualenvsudo pip install virtualenvwrapper配置虚拟环境# 1、创建目录用来存放虚拟环境mkdir $HOME/.virtualenvs# 2、打开~/.bashrc文件gedit ~/.bashrc# 并添加如下：export WORKON_HOME=$HOME/.virtualenvssource /usr/local/bin/virtualenvwrap
2020-10-26 17:39:14
502
1
原创 百度Paddle视频分类论文3D Resnet论文复现
前段时间参加了百度深度学习论文复现营——视频分类论文复现，在此做一些学习记录，希望可以帮助到有需要的朋友学习资源百度顶会论文复现营 https://aistudio.baidu.com/aistudio/education/group/info/13401. 视频分类论文综述1.1 任务介绍任务：将视频分到指定类别集合的一个或多个，精细粒度：主要行为识别应用场景：视频自动标注、视频搜索、监控视频行为理解、自动驾驶、互联网视频合规审查数据集：HMDB-51 （2011）UCF-101（20
2020-10-16 16:01:43
1604
原创 服务器常用指令整理
服务器常用指令预安装用户创建软件使用软件关闭显卡资源查询磁盘空间查询小结预安装Xshell 5：windows系统便捷访问Linux服务器的终端Xmanager 6：windows系统与Linux服务器交互的图形界面工具WinSCP：本地计算器与远程计算器的文件交互工具用户创建通过root账号或授权的public账号，进行账户的注册cd /home //进入homemkdir czx //创建工作目录，一般用姓名缩写useradd -d /home/czx czx //添加
2020-07-20 16:23:25
1772
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