前面训练神经网络，我们使用了torch内置的dataset类作为数据类。这种方法用来做一些demo不错，但是实际应用中需要自定义数据类。下载数据集 下载后解压此压缩包，并将其存储到"data/faces"的目录中。 这个数据集包含了各种面部姿态，已经手工标注的关键点。 数据集存放在一个csv中，每一行是一个数据。img_namepoint0_xpoint0_ypoint1_xpoint1_ypoi
转载
2024-04-27 19:24:27
112阅读
torch Tensor学习：切片操作
torch
Tensor
Slice
一直使用的是matlab处理矩阵，想从matlab转到lua+torch上，然而在matrix处理上遇到了好多类型不匹配问题。所以这里主要总结一下torch/Tensor中切片操作方法以及其参数类型，以备查询。已知有
转载
2024-06-26 14:16:27
78阅读
文章目录一：view()、reshape()、resize_()二：size()、shape三：permute()、transpose()、view()、contiguous()四：squeeze()、unsqueeze()、expand() 一：view()、reshape()、resize_()view和reshape都是一种无脑的转化shape的方法，都是浅拷贝，会破坏原来的数据顺序。vi
转载
2024-04-01 05:41:09
82阅读
本章主要针对pytorch0.4.0英文文档的前两节,顺序可能有些不一样：torchtorch.Tensor张量 TensorsData typeCPU tensorGPU tensortype32-bit floating pointtorch.FloatTensortorch.cuda.FloatTensortorch.float3264-bit floating pointtorch.Dou
转载
2024-05-07 11:12:16
115阅读
from torchvision.transforms as tf transforms模块提供了一般的图像转换操作类 基本上PyTorch中的resize、crop、normalize等常见的数据预处理及数据增强（data augmentation）操作都可以通过该接口实现 torchvision.transformas主要涉及两个文件：transformas.py和functional.py，
转载
2024-04-19 09:39:24
84阅读
VOTT数据标注工具标注数据集和YOLOX模型部署训练下载和安装VoTT下载与安装使用用YOLOX模型训练下载和配置YOLOX模型用自己的数据集进行训练与测试训练准备：把我们自己的数据集放进去训练准备：修改训练配置参数开始训练进行测试 通过这篇文档完整演示如何使用VoTT工具标注自己的视频数据集以及在本地部署YOLOX模型并进行训练和测试。把整个过程遇到的所有坑都完整展示一遍，包括是如何解决问
转载
2024-09-23 18:42:45
110阅读
目录PyTorch学习笔记（17）--torchvision.transforms用法介绍1.问题来源2.torchvision.transforms具体用法3.torchvision.transforms其他的用法4.补充torchvision模块的其他功能5.运行错误解决 1.问题来源 在读ResNet的应用代码时，遇到下面这一小段代码，这段代码出现在读取图片信息之前，这段代码的具体功
转载
2024-04-04 10:45:15
243阅读
view(), resize(), reshape() 在不改变原tensor数据的情况下修改tensor的形状，前后要求元素总数一致，且前后tensor共享内存如果想要直接改变Tensor的尺寸，可以使用resize_()的原地操作函 数。在resize_()函数中，如果超过了原Tensor的大小则重新分配内存， 多出部分置0，如果小于原Tensor大小则剩余的部分仍然会隐藏保留。transpo
转载
2023-10-13 12:16:46
94阅读
# 使用Python进行图像缩放（Resize）
图像处理是现代软件开发中一个非常重要的部分，特别是涉及到图像内容的应用。Python作为一种高效的编程语言，其图像处理库使得图像缩放（resize）变得相对容易。今天，我们将详细讲解如何使用Python对图像进行缩放。
## 1. 流程概述
在我们开始之前，让我们看看整体的步骤。以下是实现图像缩放的流程：
| 步骤 | 描述
文章目录TOML介绍Python读写TOML安装toml解析包函数说明toml.load(f, _dict=dict)参数返回异常toml.loads(s, _dict=dict)参数返回异常toml.dump(o, f)参数返回异常toml.dumps(o)参数返回代码示例读取单个配置文件读取多个文件将字典写入文件 TOML介绍TOML 的目标是成为一个极简的配置文件格式。TOML 被设计成可
有时对表做分割可以提高性能。表分割有两种方式：
1水平分割：根据一列或多列数据的值把数据行放到两个独立的表中。
水平分割通常在下面的情况下使用。
•表很大，分割后可以降低在查询时需要读的数据和索引的页数，同时也降低了索引的层数，提高查询速度。
•表中的数据本来就有独立性，例如表中分别记录各个地区的数据或不同时期的数据，特别是有些数据常用，而另外一些数据不常用。
•
# Python 对图像 resize 并保存
在计算机视觉和图像处理中，我们经常需要调整图像的大小，以适应不同的应用场景。Python 提供了强大的图像处理库，如 OpenCV 和 PIL，使得图像的 resize 变得非常简单。本文将介绍如何使用这些库对图像进行 resize 并保存。
## 1. 安装依赖库
在开始之前，我们需要安装所需的依赖库。在命令行中执行以下命令：
```bas
原创
2024-02-10 06:55:28
437阅读
目的：1.ArcGis的SanFrancisco网络数据集制作，网络数据集是网络分析的数据基础这里用SanFrancisco数据为基础制作网络数据集，虽然SanFrancisco已经提供了现成的做好的网络数据集但是用现成的数据总是不太能很好的理解网络分析，作为一个程序员对制图做数据方面实在是差了，这里通过亲手制作一下网络数据集练习一下。准备工作：1.SanFrancisco数据：ArcTutor\
大家都知道，图片的分辨率越高，图片就越清晰，相应的图片文件大小也就越大。如果在编辑文稿的时候，使用太多这些高分辨率的图片，文稿的体积也会变得很大。这样子不仅打开文稿会比较耗时，传输文稿的时候，也不太方便。所以我们可以适当压缩一下图片，来化解前面的种种难题。那要如何在电脑上压缩图片呢？别着急，下面我为大家分享了三种压缩的办法。办法一：借助迅捷图片转换器压缩图片别看它的名字是图片转换，它除了可以实现几
转载
2024-04-29 21:36:37
56阅读
# 实现Python 3.10.6对应torch的步骤指南
对于一名刚入行的小白来说，实现Python 3.10.6对应torch可能会有些困惑。在这篇文章中，我将告诉你实现这个目标的整个流程，并为每个步骤提供所需的代码和注释。
## 流程概述
下面是实现Python 3.10.6对应torch的步骤概述：
| 步骤 | 操作 |
| --- | --- |
| 步骤一 | 安装Pytho
原创
2023-09-10 10:30:16
1591阅读
导读：本文介绍了LSTM网络中的TimeDistributed包装层，代码演示了具有TimeDistributed层的LSTM网络配置方法。演示了一对一，多对一，多对多，三种不同的预测方法如何配置。在对多对一预测中用了不配置TimeDistributed的方法，在多对多预测中使用了TimeDistributed层。对代码的解析在代码注释中源码地址：https://github.com/yangwo
转载
2024-05-14 17:02:27
43阅读
一 改进点Mask RCNN的网络结构如图所示，可以看到其结构与Faster RCNN非常类似，但有3点主要区别:在基础网络中采用了较为优秀的ResNet-FPN结构，多层特征图有利于多尺度物体及小物体的检测。提出了RoI Align方法来替代Rol Pooling，原因是Rol Pooling的取整做法损失了一些精度，而这对于分割任务来说较为致命。得到感兴趣区域的特征后，在原来分类与
转载
2024-02-20 13:24:19
54阅读
""" 批训练，把数据变成一小批一小批数据进行训练。 DataLoader就是用来包装所使用的数据，每次抛出一批数据 """ import torch import torch.utils.data as Data BATCH_SIZE = 3 x = torch.linspace(1, 10, 1 ...
转载
2021-10-11 17:45:00
342阅读
2评论
一.Python中 PIL 图像处理库简介 PIL可以做很多和图像处理相关的事情:图像归档(Image Archives)。PIL非常适合于图像归档以及图像的批处理任务。你可以使用PIL创建缩略图，转换图像格式，打印图像等等。图像展示(Image Display)。PIL较新的版本支持包括Tk PhotoImage，BitmapImage还有Wi
转载
2023-10-19 17:36:30
154阅读
作者：我是你鹤哥本文简单聊一聊自己对数据增强的理解。什么是数据增强首先聊一聊什么是数据增强。一般来说它是指用已有数据来创造新数据的过程。但是创造数据的过程是有所讲究的，不是单纯一味地增多数据。咬文嚼字地来说，数据增强、数据增广之所以不叫数据增多也意味着它不单单是增多数据，而是使得数据集“更强”。但是如何定义更强呢？我觉得只有新数据集对我们的任务目标有更多正贡献了才能说是它更强了。这里
