liuxiao789的博客

原创 模型参数统计和可视化工具

原创 模型部署-1-bak

一、构建TensorRT引擎构建器创建网络配置：batchsize，最大工作空间，fp16、int8调用构造器创建引擎：创建引擎后可以对引擎做序列化---》存成一个文件二、TensorRT的构建过程1. 最高级别创建Builder2. 创建网络定义createNetwork/createNetworkV23. createBuilderConfig做配置4. ICudaEngine表示引擎下面详细介绍2、3、42.2.2 使用Tensor...

原创 2021-09-02

import argparseimport loggingimport osimport randomimport shutilimport timefrom pathlib import Pathfrom warnings import warnimport mathimport numpy as npimport torch.distributed as distimport torch.nn.functional as Fimport torch.optim as opti.

原创 C++ 接口调用

#define _CRT_SECURE_NO_WARNINGS //消除一个安全检测，没有会报c4996错误#include<stdio.h> //标准输入、出#include<string.h> // strcpy#include<stdlib.h> //标准库函数 malloc#include"GameCompany1.h" // /*1、 甲方实现---》 == 留接口--》函数指针*///初始化游戏 参数1：人物指针 .

原创 caffe-python简单使用

import caffeimport numpy as npimport matplotlib.pyplot as pltimport osimport PILfrom PIL import Imageimport sysdeploy_file = 'D:/Program_Code/PY/caffe/deploy.prototxt'model_file = 'D:/Program_Code/PY/caffe/bvlc_googlenet.caffemodel'# gpu模式# .

原创 PyTorch最基本的模型框架

import torchimport torch.nn as nnimport matplotlib.pyplot as pltimport numpy as nptorch.manual_seed(10)# ============================ step 1/5 生成数据 ============================sample_nums = 100mean_value = 1.7bias = 1n_data = torch.ones(sample_.

原创 2-1 transform1--数据增强

import osimport numpy as npimport torchimport randomfrom torch.utils.data import DataLoaderimport torchvision.transforms as transformsfrom tools.my_dataset import RMBDatasetfrom PIL import Imagefrom matplotlib import pyplot as pltdef set_seed(s.

原创 Anaconda安装命令

创建anaconda虚拟环境，一个项目对应一个虚拟环境。其中base是真实的环境。1、Anaconda 安装成功。接下来需要设置 Anaconda 仓库镜像，因为默认连接的是国外镜像地址，下载速度比较慢，我们把镜像地址改为清华大学开源软件镜像站，Anaconda Prompt 窗口输入：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set sho

原创 3.4 池化、线性

import osimport torchimport randomimport numpy as npimport torchvisionimport torch.nn as nnfrom torchvision import transformsfrom matplotlib import pyplot as pltfrom PIL import Imagefrom tools.common_tools import transform_invert, set_seedset_s.

原创 3.3 卷积层实现

import osimport torch.nn as nnfrom PIL import Imagefrom torchvision import transformsfrom matplotlib import pyplot as pltfrom tools.common_tools import transform_invert, set_seedset_seed(2) # 设置随机种子---》权值初始化1,2，3'''eg: 3个不同的卷积核权值：不同的特征检测器--》出现3个.

原创 3.2 模型容器与AlexNet构建

# -*- coding: utf-8 -*-import torchimport torchvisionimport torch.nn as nnfrom collections import OrderedDict# ============================ 【1】Sequentialclass LeNetSequential(nn.Module): def __init__(self, classes): super(LeNetSequent.

原创 3.1模型创建步骤与nn.Module

import osimport randomimport numpy as npimport torchimport torch.nn as nnfrom torch.utils.data import DataLoaderimport torchvision.transforms as transformsimport torch.optim as optimfrom matplotlib import pyplot as pltfrom model.lenet import LeNe.

原创 GPU的使用

# -*- coding: utf-8 -*-"""# @file name : cuda_methods.py# @author : TingsongYu https://github.com/TingsongYu# @date : 2019-11-11# @brief : 数据迁移至cuda的方法"""import torchimport torch.nn as nndevice = torch.device("cuda:0" if torch.cud.

原创 模型加载与保存 和 迁移学习

# -*- coding: utf-8 -*-"""# @file name : model_save.py# @author : TingsongYu https://github.com/TingsongYu# @date : 2019-11-04# @brief : 模型的保存"""import torchimport numpy as npimport torch.nn as nnfrom tools.common_tools import se.

原创 Tensorboard2 使用

1、SummaryWriter（类）import numpy as npimport matplotlib.pyplot as pltfrom torch.utils.tensorboard import SummaryWriterfrom tools.common_tools import set_seedset_seed(1) # 设置随机种子# ----------------------------------- 0 SummaryWriter ----------------

原创 TensorBoard1 相关知识

一、安装（可视化训练过程，用来监控训练是否状态良好）----可视化需要借助Tensorboard{支持标量、图像、文本、音频、视频、Eenbedding等可视化}1、安装Tensorboard，同时运行时还提示没有模块past，需要安装future2、在pycharm---》terminal---》cd 进入当前文件夹： Tensorboard --logdir=./runs---》里面有envents文件TensorBoard 2.3.0 at http://localhost:6006/ .

原创 3、DataSet 与 DataLoader

# -*- coding: utf-8 -*-"""# @file name : train_lenet.py# @author : tingsongyu# @date : 2019-09-07 10:08:00# @brief : 人民币分类模型训练"""import osimport randomimport numpy as npimport torchimport torch.nn as nnfrom torch.utils.data imp.

原创 3、Numpy基本操作

1、Numpy创建对象方式'''(1) NumPy 是科学计算基础库，提供大量科学计算相关功能。比如数据统计，随机生成。最核心的类型为多维数组类型（ndarray）,支持大量的维度数组与矩阵运算，Numpy支持对ndarray对象的向量处理(将此对象，作为一个进行向量处理)，提高程序运行速度。'''import numpy as np# a = np.arange(10)# print(a)# print(type(a))# # [0 1 2 3 4 5 6 7 8 9]#

原创 2、文件操作

# 文件操作'''1、文件上传2、保存log系统函数--->打开一个文件返回一个流open(file, mode='r', buffering=None, encoding=None, errors=None, newline=None, closefd=True)file: 文件可以是文件名，也可以是一个路径mode：操作模式 r:表示读 w：表示写 ---》纯文本文件（没有图片） rb： wb： ----》二进制.

原创 2、逻辑回归

# -*- coding: utf-8 -*-import torchimport torch.nn as nnimport matplotlib.pyplot as pltimport numpy as nptorch.manual_seed(10)# ============================ step 1/5 生成数据 ============================sample_nums = 100mean_value = 1.7bias = 1n_d.

原创 1、异常

1 异常捕获常见格式：'''try: 可能会出现异常的代码except: 出现了异常，执行的代码finally: 无论有没有异常，都会执行的代码eg1： try： 有可能会出现多种异常---》则需要多个except + 异常类型 except 类型1： print(......) except 类型2： print(.......) except Exception:---&gt

原创 1、PyTorch张量-线性回归-计算图-autograd

1 创建张量的三种方法# -*- coding:utf-8 -*-import torchimport numpy as nptorch.manual_seed(1)# =============================== exmaple 1 ===============================# 【1】通过torch.tensor创建张量## flag = Trueflag = Falseif flag: arr = np.ones((3, 3))

原创 4 ResNet 分类

1、原理介绍https://blog.csdn.net/csdnldp/article/details/78313087?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522159851730119724811822972%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=159851730119724811822972&biz_i

原创 3 VGG分类

1、model.pyimport torch.nn as nnimport torch# 【3】定义结构体class VGG(nn.Module): def __init__(self, features, class_num=1000, init_weights=False): super(VGG, self).__init__() self.features = features # 生成分类网络结构---》后面的全连接层 ..

原创 2 AlexNet分类

1、原理https://blog.csdn.net/zyqdragon/article/details/72353420?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522159799974219725219950752%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=159799974219725219950752&biz..

原创 1 LeNet 分类 cifar10

1 环境配置python 3.6.10pytorch 1.3.1torchvision 0.4.1Pillow 5.2.0numpy 1.18.12 说明2.1）关于数据一般情况下处理图像、文本、音频和视频数据时，可以使用标准的Python包来加载数据到一个numpy数组中 然后把这个数组转换torch

原创 2.6 案例：实现线性回归

目标- 应用op的name参数实现op的名字修改- 应用variable_scope实现图程序作用域的添加- 应用scalar或histogram实现张量值的跟踪显示- 应用merge_all实现张量值的合并- 应用add_summary实现张量值写入文件- 应用tf.train.saver实现TensorFlow的模型保存以及加载- 应用tf.app.flags实现命令行参数添加和使用- 应用reduce_mean、square实现均方误差计算- 应用tf.train.Gradient

原创 2.5 变量OP

1 创建变量2 使用tf.variable_scope()修改变量的命名空间TensorFlow变量是表示程序处理的共享持久状态的最佳方法。变量通过 tf.Variable OP类进行操作。变量的特点：存储持久化可修改值可指定被训练1 创建变量 tf.Variable(initial_value=None,trainable=True,collections=None,name=None) initial_value:初始化的值 trainabl..

原创 2.4 张量

1 张量(Tensor)TensorFlow 的张量就是一个 n 维数组， 类型为tf.Tensor。Tensor具有以下两个重要的属性 type:数据类型 shape:形状(阶) tensor1 = tf.constant(4.0)tensor2 = tf.constant([1, 2, 3, 4])linear_squares = tf.constant([[4], [9], [16], [25]], dtype=tf.int32)print(tensor1.s

原创 2.3 会话

目标 应用sess.run或者eval运行图程序并获取张量值 应用feed_dict机制实现运行时填充数据 应用placeholder实现创建占位符 1 会话一个运行TensorFlow operation的类。会话包含以下两种开启方式 tf.Session：用于完整的程序当中 tf.InteractiveSession：用于交互式上下文中的TensorFlow ，例如shell1 TensorFlow 使用 tf.Session 类来表示客户端程序（通常...

原创 2.2 图与TensorBoard

TensorBoard:可视化学习- 1 数据序列化-events文件- 2 启动TensorBoard1 什么是图结构图包含了一组tf.Operation代表的计算单元对象和tf.Tensor代表的计算单元之间流动的数据。2 图相关操作1 默认图通常TensorFlow会默认帮我们创建一张图--->就是内存中开放的地址。查看默认图的两种方法：- 通过调用tf.get_default_graph()访问 ，要将操作添加到默认图形中，直接创建OP即可。- o...

原创 2. tensorflow 的简单介绍

1 案例：TensorFlow实现一个加法运算def tensorflow_demo(): """ 通过简单案例来了解tensorflow的基础结构 :return: None """ # 一、原生python实现加法运算 a = 10 b = 20 c = a + b print("原生Python实现加法运算方法1：\n", c) def add(a, b): return a + b sum =...

原创 1 深度学习与机器学习区别

1 特征提取方面 机器学习的特征工程步骤是要靠手动完成的，而且需要大量领域专业知识 深度学习通常由多个层组成，它们通常将更简单的模型组合在一起，通过将数据从一层传递到另一层来构建更复杂的模型。通过大量数据的训练自动得到模型，不需要人工设计特征提取环节。 深度学习算法试图从数据中学习高级功能，这是深度学习的一个非常独特的部分。因此，减少了为每个问题开发新特征提取器的任务。适合用在难提取特征的图像、语音、自然语言领域2 数据量机器学习需要的执行时间远少于深度学习，深度学习参数往往

原创 win10如何添加系统环境变量

为何要添加环境变量：1）计算机在执行命令的时候是在环境变量找对应的命令的位置的。如果不正确设置环境变量就不能正确使用相应的命令。如果要执行 java 命令，你不设置环境变量path包括你的jdk安装路径，那系统去哪找你的java.exe文件。2）如果执行某个命令，系统无法在当前文件夹里找到对应的.exe，那么系统就会去path包含的路径找挨个找看是否能知道对应的.exe，一旦找到第一个对...

原创 1 SQL语句执行

显然MYSQL分为Sever层与存储引擎层。1）Server 层包括连接器、查询缓存、分析器、优化器、执行器等，涵盖 MySQL 的大多数核心服务功能，以及所有的内置函数（如日期、时间、数学和加密函数等），所有跨存储引擎的功能都在这一层实现，比如存储过程、触发器、视图等。2）而存储引擎层负责数据的存储和提取。1、第一步，你会先连接到这个数据库上，这时候接待你的就是连接器。连接器负责跟客户端...

原创 win10下Documents and Settings 访问被拒绝

1、右键点击该文件夹，选择“属性”2、们切换至“安全”选项卡，然后点击下面的“高级”，如下图所示，3、先选中“拒绝 Everyone”这一列，点击界面左下角的“更改权限”按钮，再点击下面的“编辑”按钮，4、点击“拒绝everyone” 删除，点击“允许everyone”--》编辑--》基本权限（完全控制）5、点击确定、应用点击...

原创 卸载Oracle11g R2

1) 我的电脑－-＞管理－-＞管理与服务－-＞服务 停止所有Oracle服务。2）开始－-＞程序－-＞oracle - OraHome81－-＞Oracle Installation Products－-＞ Universal Installer，单击“卸载产品”–“全部展开”，选中除“OraDb11g_home1”外的所有目录，然后删除。3）运行regedit命令，打开注册表窗口。...

原创 在仅主机模式下虚拟机与物理机ping 通的三种方法

仅主机模式 VMnet1Nat模式 VMnet8进入VMnet1 IPV4设置ip地址 192.168.10.1 /255.255.255.0（物理机）服务器： 192.168.10.10 /255.255.255.0客户端A：192.168.10.20 /255.255.255.0客户端B：192.168.10.30 /255.255.255...

原创 端口的意思

在网络技术中，端口（Port）大致有两种意思：一是物理意义上的端口，比如，ADSL Modem、集线器、交换机、路由器用于连接其他网络设备的接口，如RJ-45端口、SC端口等等。二是逻辑意义上的端口，一般是指TCP/IP协议中的端口，端口号的范围从0到65535，比如用于浏览网页服务的80端口，用于FTP服务的21端口等等。我们这里将要介绍的就是逻辑意义上的端口。 端口分类 逻辑意义上...

原创 IP地址划分

1、IP地址与MAC地址1）MAC地址，网卡出厂时设定的，是固定的1、前24位叫做组织唯一标志符（Organizationally Unique Identifier，即OUI），是由IEEE的注册管理机构给不同厂家分配的代码，区分了不同的厂家。2、后24位是由厂家自己分配的，称为扩展标识符。同一个厂家生产的网卡中MAC地址后24位是不同的。3、工作在数据链路层的交换机维护着计算机M...