分类学习下的文章 - 一只胖橘

实验室4090服务器使用

创建项目文件并传输需要先在/home/ww225/目录下创建一个个人目录（不要重复）SSH连接后默认进入/home/ww225/目录下使用FTP软件进行文件传输注：大数据集和预训练模型请自己下载后使用U盘拷贝到服务器FTP软件推荐：FileZilla 选择创建目录并进入将自己的项目文件夹拖入不要包含数据集和大的预训练模型创建自己的虚拟环境服务器安装的是CUDA11.7.1创建自己的虚拟环境conda create -n XXXX python=3.9注：XXXX为你的环境名词不能雷同切换到自己的虚拟环境conda activate XXXX前面出现你环境名词表示切换成功安装pytorchconda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia安装自己需要的环境requirements.txt配置环境pip install -r requirements.txtenvironment.yml配置环境conda env update -n XXXX --file environm

技术·学习 · 2023-06-27 · 495 人浏览

YOLOv8讲解

YOLOv8讲解模型结构scales: # model compound scaling constants, i.e. 'model=yolov8n.yaml' will call yolov8.yaml with scale 'n' # [depth, width, max_channels] n: [0.33, 0.25, 1024] # YOLOv8n summary: 225 layers, 3157200 parameters, 3157184 gradients, 8.9 GFLOPs s: [0.33, 0.50, 1024] # YOLOv8s summary: 225 layers, 11166560 parameters, 11166544 gradients, 28.8 GFLOPs m: [0.67, 0.75, 768] # YOLOv8m summary: 295 layers, 25902640 parameters, 25902624 gradients, 79.3 GFLOP

学习 · 2023-06-16 · 712 人浏览

ubuntu安装Anaconda和pytorch

ubuntu安装Anaconda和pytorch安装Anaconda下载Anaconda：免费下载 |蟒蛇 (anaconda.com)给Anaconda执行权限sudo chmod 777 Anaconda3-2023.03-1-Linux-x86_64.sh安装Anaconda./Anaconda3-2023.03-1-Linux-x86_64.sh这些设置基本上可以一直按Enter键中间会让选择一个yes or no的问题，我们肯定直接选择yes查看一下当前的环境conda -V修改环境变量nano ~/.bashrc在最后添加export PATH=/home/****/anaconda3/bin:$PATH****为用户名更新一下环境变量source ~/.bashrc查看安装是否成功conda -V可以看到Anaconda已经安装成功了问题1. ubuntu的anaconda无法激活环境CommandNotFoundError: Your shell has not been properly configured to use 'conda activate&#

技术·学习 · 2023-06-09 · 473 人浏览

ubuntu安装Nvidia驱动和cuda和cudnn

ubuntu安装Nvidia驱动和cuda和cudnn安装Nvidia驱动官网下载驱动官方驱动 | NVIDIA根据自己的显卡选择驱动。*注意：下载的驱动文件要放在英语路径中！！！*更新软件列表和安装必要软件、依赖 sudo apt-get update sudo apt-get install g++ sudo apt-get install gcc sudo apt-get install make禁用默认驱动sudo nano /etc/modprobe.d/blacklist.conf在打开的文件末尾输入并保存：blacklist nouveau options nouveau modeset=0保存退出更新一下系统的initramfs镜像文件sudo update-initramfs -u重启电脑在终端中输入lsmod | grep nouveau如果没有输出的话就说明禁用了nouveau。进入tty模式 (远程SSH可以忽略)关闭图形界面进入tty模式终端输入：sudo telinit 3输入如下命令可以重新打开图形界面

技术·学习 · 2023-06-09 · 629 人浏览

Chat GPT关于DETR的讲解

DETR：端到端的目标检测与实例分割引言目标检测和实例分割在计算机视觉中具有重要的地位，传统方法通常采用复杂的流程和大量手工设计的模块。近年来，神经网络和深度学习的发展为这些任务提供了新的解决方案。本文将介绍一篇有关端到端目标检测与实例分割的论文：DETR（Detection Transformer），该论文提出了一种全新的方法，将目标检测与实例分割问题转化为直接预测目标数量和坐标的问题。方法DETR（Detection Transformer）采用了Transformer结构，并将其应用于目标检测与实例分割任务。DETR的整体网络结构包括以下几个主要部分：BackboneDETR的backbone采用了标准的卷积神经网络，如ResNet-50。这些网络用于提取输入图像的特征表示。特征图经过降采样后，将维度展平，以便后续输入Transformer。TransformerDETR的核心是基于自注意力机制的Transformer模型。与NLP任务中的Transformer相比，DETR在编码器和解码器中增加了位置编码，以保留输入图像的空间信息。编码器接收backbone输出的特征图，并通过

学习 · 2023-06-03 · 470 人浏览

RCNN、Fast-RCNN、Faster-RCNN

R-CNNRCNN算法流程可分为4个步骤一张图像生成1K~2K个候选区域(使用Selective Search方法)对每个候选区域，使用深度网络提取特征特征送入每一类的SVM 分类器，判别是否属于该类使用回归器精细修正候选框位置候选区域的生成利用Selective Search算法通过图像分割的方法得到一些原始区域，然后使用一些合并策略将这些区域合并，得到一个层次化的区域结构，而这些结构就包含着可能需要的物体。对每个候选区域，使用深度网络提取特征将2000候选区域缩放到227227pixel，接着将候选区域输入事先训练好的AlexNet CNN网络获取4096维的特征得到20004096维矩阵特征送入每一类的SVM分类器，判定类别将2000*4096维特征与20个SVM组成的权值矩阵4096*20相乘获得2000*20维矩阵表示每个建议框是某个目标类别的得分。分别对上述2000*20维矩阵中每一列即每一类进行非极大值抑制剔除重叠建议框，得到该列即该类中得分最高的一些建议框。非极大值抑制剔除重叠建议框IoU(Intersection over Union) 表示$(A\cap B)/(A

学习 · 2023-06-03 · 455 人浏览

Theme Jasmine by Kent Liao