上一页 1 ··· 10 11 12 13 14 15 16 17 18 ··· 26 下一页
摘要: 这里需要编译caffe的python接口,然后训练的时候报错,报错内容显示是opencv的问题。 但是在终端下面python,再import cv2,再读取一张图片是可以的。 可是训练就报错,也不知道用的哪里的opencv。 pip2 install 'opencv-python<3.4' 装不上, 阅读全文
posted @ 2021-08-09 20:11 无左无右 阅读(552) 评论(0) 推荐(0) 编辑
摘要: 测试的目录结构如下: . ├── 1.txt ├── 2.txt ├── a │ ├── 3.txt │ ├── d │ └── e ├── b │ ├── 4.txt │ ├── 7.txt │ ├── f │ │ └── 5.txt │ └── h └── c └── 5.txt 7 direc 阅读全文
posted @ 2021-07-23 11:50 无左无右 阅读(66) 评论(0) 推荐(0) 编辑
摘要: 简单替换表达式 :[range]s/from/to/[flags] range:搜索范围,如果没有指定范围,则作用于当前行。 :1,10s/from/to/ 表示在第1到第10行(包含第1,第10行)之间搜索替换; :10s/from/to/ 表示只在第10行搜索替换; :%s/from/to/ 表 阅读全文
posted @ 2021-07-14 20:21 无左无右 阅读(132) 评论(0) 推荐(0) 编辑
摘要: 原因1: 奇数相对于偶数,有中心点,对边沿、对线条更加敏感,可以更有效的提取边沿信息。 偶数也可以使用,但是效率比奇数低。在数以万计或亿计的计算过程中,每个卷积核差一点,累计的效率就会差很多。 或者解释: 《数字图像处理 (第三版)》(阮秋琦翻译)p89 也可以使用偶数尺寸的滤波器,或使用混合有偶数 阅读全文
posted @ 2021-06-30 09:38 无左无右 阅读(406) 评论(0) 推荐(0) 编辑
摘要: head -1 vs head -n 1 两者等价 lscpu|grep CPU\(s\)|head -1 等价于: lscpu|grep CPU\(s\)|head -n 1 都显示如下: CPU(s): 8 其中,lscpu|grep CPU(s)输入如下: CPU(s): 8 On-line 阅读全文
posted @ 2021-06-29 11:04 无左无右 阅读(277) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/zhaominpro/article/details/82630528 https://zhuanlan.zhihu.com/p/47765176 A.首先了解下1和2在Linux中代表什么? 在Linux系统中0 1 2是一个文件描述符 名称 代码 操作 阅读全文
posted @ 2021-06-28 12:05 无左无右 阅读(158) 评论(0) 推荐(0) 编辑
摘要: 1.error while loading shared libraries: libcaffe.so.1.0.0: cannot open shared object file: No such file or directory error while loading shared librar 阅读全文
posted @ 2021-06-25 15:50 无左无右 阅读(703) 评论(0) 推荐(0) 编辑
摘要: shell 教程 https://www.runoob.com/linux/linux-shell.html 本文都是摘录与上面网址。 这里只是个人记录,大家需要看还是看上面网址的。 echo test.sh #!/bin/bash echo "Hello World !" 运行: ./test.s 阅读全文
posted @ 2021-06-24 11:05 无左无右 阅读(176) 评论(0) 推荐(0) 编辑
摘要: 这是我见过最好的代码了,摘录自u版本的yolov3里面的。 首先看画出的效果图: 每个类用不同颜色框,上面写出类别和分数这些信息,并且是填充。字体大小能够根据图片大小自动调整。 def plot_one_box(x, img, color=None, label=None, line_thickne 阅读全文
posted @ 2021-06-17 16:58 无左无右 阅读(386) 评论(0) 推荐(0) 编辑
摘要: SSD的损失函数与region proposal方法有个明显的区别,在于SSD并不是针对所有的检测器计算loss。SSD会用一种匹配策略给每个检测器分配一个真实标签(背景为0,前景为对应的物体类别)。指定的标签为前景的预测器称为正样本(正样本全部计算loss)。标签为背景的预测器是负样本,并不是所有 阅读全文
posted @ 2021-06-14 17:17 无左无右 阅读(608) 评论(1) 推荐(1) 编辑
上一页 1 ··· 10 11 12 13 14 15 16 17 18 ··· 26 下一页