HUII's Blog

Hexo 安装可以通过访问Hexo了解到安装方式。安装 Hexo 前，需要确保电脑内已安装： Git Node.js （建议更新至最新的 LTS 长期维护版，参考Node.js 版本限制） 非必要选项：代码编辑器（如 VSCode）与 Markdown 编辑器（如 Typora） 可以选择全局安装 1$ npm install -g hexo-cli 或局部安装 1$ npm install hexo 可以通过hexo -v命令查看安装 hexo 版本，验证是否已安装成功。 初始化项目选择一个合适的地方 123$ hexo init <folder>$ cd <folder>$ npm install 其中<folder>是要建立的项目名。 核心目录如下： .├── _config.yml├── package.json├── scaffolds├── source| ├── _drafts| └── _posts└── themes 常用命令有 123456$ hexo clean # 清除生成的缓存$ hexo g # 生成ht ...

gather函数形式1torch.gather(input, dim, index, *, sparse_grad=False, out=None) → Tensor 作用沿着由dim指定的轴收集数值 输出结果123out[i][j][k] = input[index[i][j][k]][j][k] # if dim == 0out[i][j][k] = input[i][index[i][j][k]][k] # if dim == 1out[i][j][k] = input[i][j][index[i][j][k]] # if dim == 2 举例12345678910111213141516171819202122232425>>> t = torch.tensor([[1, 2], [3, 4]])>>> torch.gather(t, 1, torch.tensor([[0, 0], [1, 0]]))tensor([[ 1, 1], [ 4, 3]])>>> t = torch.tensor([[ ...

持续更新 术语backbone翻译为骨干网络的意思，既然说是主干网络，就代表其是网络的一部分，这个主干网络大多时候指的是提取特征的网络，其作用就是提取图片中的信息，供后面的网络使用。 这些网络经常使用的是resnet、VGG等，而不是我们自己设计的网络，因为这些网络已经证明了在分类等问题上的特征提取能力是很强的。在用这些网络作为backbone的时候，都是直接加载官方已经训练好的模型参数，后面接着我们自己的网络。让网络的这两个部分同时进行训练，因为加载的backbone模型已经具有提取特征的能力了，在我们的训练过程中，会对他进行微调，使得其更适合于我们自己的任务。 主要分成三类：\CNNs结构, Transformer结构（如ViT及衍生算法，比如PVT），CNNs+Transformer结构**。深度学习常用的backbone有哪些深度学习backbone万里鹏程转瞬至的博客-CSDN博客 backbone 相关概念还有： Neck：是放在backbone和head之间的，是为了更好的利用backbone提取的特征。 Bottleneck：瓶颈的意思，通常指的是网网络输入的数据维 ...

介绍YAML 全称 YAML Ain’t Markup Language，它是一种以数据为中心的标记语言，比 XML 和 JSON 更适合作为配置文件[ref]YAML教程（快速入门版） (biancheng.net)[/ref]。 PyYAML是Python中用于处理YAML的第三方库。 安装1pip install PyYAML PyYAML 6.0要求 Python >=3.6[ref]PyYAML · PyPI[/ref]。 YAML文件后缀xxx.yml 或 xxx.yaml 语法树形结构，相同的前缀只需要写一次 使用 空格缩进 来表示层级关系，空格数不重要，相同层级左对齐即可。不能用tab 使用key: value，:后面要加一个空格（重要） 大小写敏感 #表示注释 其他可参考： yml/yamlyml和yaml木叶二柱子的博客-CSDN博客 YAML 入门教程 | 菜鸟教程 (runoob.com) 其他 Python中使用使用库导入库名为yaml 1import yaml 打开yaml文件假设有test.yaml文件： 123456789一级标题: ...

查看文件直接使用ls命令查看。 输出结果为code test.txt。 但是，部分文件是隐藏文件，这时候就需要使用ls -a命令查看。其中，以.开头的就代表是隐藏文件(夹)。 1234huii@HUII-PC:~$ ls -a. .bash_logout .config .local .python_history .viminfo test.txt.. .bashrc .dbus .motd_shown .ssh .vscode-server.bash_history .cache .lesshst .profile .sudo_as_admin_successful code 可以使用ls -l命令查看文件属性。 1234huii@HUII-PC:~$ ls -ltotal 8drwxr-xr-x 6 huii huii 4096 Feb 17 13:47 code-rw-r--r-- ...

学习内容来源：同济子豪兄的个人空间_哔哩哔哩_bilibili 响应时间图 响应时间图2 骨干网络Darknet-53 网络结构【目标检测】YOLOV3详解_Aliert的博客-CSDN博客 结构 13*13的anchor负责预测大物体； 26*26的anchor负责预测中物体； 52*52的anchor负责预测小物体；

学习内容来源：同济子豪兄的个人空间_哔哩哔哩_bilibili 作者：Joseph Redmon, Ali Farhadi9000：九千多个类 相比于v1，v2添加了anchor，batch normalization，多尺度训练等。 模型演进 YOLOv1缺点 准确度低 定位性能差 recall低（检测出全部目标能力） 检测小目标、密集目标差 Batch Normalization批标准化强行将神经元的输出集中到0附近。 BatchNorm就是在深度神经网络训练过程中使得每一层神经网络的输入保持相同分布。 Batch normalization 的 batch 是批数据, 把数据分成小批小批进行随机梯度下降 ，而且在每批数据进行前向传递 的时候, 对每一层都进行 normalization的处理,。在全连接层和激励曾之间加入BN层。 在神经网络中, 数据分布对训练会产生影响. 比如某个神经元 x 的值为1, 某个 Weights 的初始值为 0.1, 这样后一层神经元计算结果就是 Wx = 0.1; 又或者 x = 20, 这样 Wx 的结果就为 2。现在还不能看出什么问题, ...

默认参数参考：【Python】我精心设计的默认参数，怎么就出问题了呢？_哔哩哔哩_bilibili 在定义类的时候，会定义一些默认参数，可能会像这样 1234class Player: def __init__(self, name, items=[]): self.name = name self.items = items 然后如果像这样调用的话 123456789if __name__ == "__main__": p1 = Player("John", ["sword", "shield"]) p2 = Player("Jane") p3 = Player("Jack") p2.items.append("bow") p3.items.append("axe") print(p3.items) 输出结果为['bow', 'axe ...

注意：本页面停止更新，后续内容更新在我的notion笔记：操作系统 (notion.site) 2023年6月29日，by:HUII 概述 本课程来源于南京大学计算机软件研究所的jyy老师。绿导师原谅你了的个人空间_哔哩哔哩_bilibili 课程资料官网：操作系统：设计与实现 (2023 春季学期) (jyywiki.cn) 操作系统课程 去年（2022）就尝试看完jyy老师的课程，但最终没能成功😅，希望今年能够尽量跟上jyy老师的进度。 失败了 绪论1_操作系统概述_2023.2.14 Why为什么学操作系统 觉醒体内“编程能力” 补完编程技能体系 What什么是操作系统 Operating System: A body of software, in fact, that is responsible for making it easy to run programs (even allowing you to seemingly run many at the same time), allowing programs to share memory, enabli ...

学习内容来源：同济子豪兄的个人空间_哔哩哔哩_bilibili 作者介绍Joseph Redmon，You Only Look Once、YOLO9000、YOLOv3。 2020年起不再从事计算机视觉研究。 作者宣布停止CV研究 预测阶段（前向判断） YOLOv1结构 输入一个4484483的图像，经过一系列的卷积和池化操作，得到一个771024的feature map，将其拉平，送入4096个神经元的FC层中，输出结果输入到1470（7730）个神经元的FC层中，输出1470维向量，reshape成7730的tensor。 why7*7*30?论文中将图像划分为SS个网格，这里S取7。每个grid cell（网格）可以预测出B个bounding box（预测框，包含x,y【中心坐标】,h,w【宽高】,c【置信度confidence，包含物体的概率，用框线粗细表示，粗的置信度高】），这里B取2。**30=2\5+20。2：2个框；5：5个参数；20：Pascal VOC中20个类别的条件概率**（该grid cell在包含物体情况下是xx的概率）。 输出7730模型结构 ...