上述第一段程序中主要需要修改的是transfer_state_dict函数，第二段程序(3D)和第一段程序（2D）模型的num_class需要相等，因为在第二段程序中本来就存在网络参数形状不匹配，因此没有做相关判断，直接使用了key（顺序）进行迁移。

强化学习——Qlearning和Sarsa的区别前言Qlearning算法简单示例Sarsa算法简单示例总结主要是讲述一下自己学习Qlearning和Sarsa的感悟前言自从北京学习回到成都，一个暑假虽然”书本上“的知识没有学到什么，但是确实让身为本科生的自己眼界开阔了很多，也更加的明确了自己的目标。强化学习这一个领域之前也是仅仅知识了解大概的算法流程，知其然，不知其所以然。直到现在我也觉得其和遗

@[TOC](python报错xml.etree.ElementTree.ParseError: not well-formed (invalid token): line 3, column 50)问题python报错xml.etree.ElementTree.ParseError: not well-formed (invalid token): line 3, column 50我遇到的问题

python可视化三维矩阵点程序总结仅仅提供学习使用程序根据三维坐标可视化，每个坐标对应的数值import matplotlib.pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import Axes3Dfrom matplotlib.animation import FuncAnimationx = np.arange(0,10,

主要意图是后续在发表论文的时候使用这样的结构提升模型的计算速度（使用这个方法的文章目前已经看到了好几篇，repvgg等），也算是一个小亮点。VanillaNet是一个轻量级的网络，其在训练过程中使用多层卷积的结构，并在推理过程中将conv和bn进行融合，加速模型的计算。1、直接上代码，大家可以根据VanillaNet的定义修改自己想要的模型。可以看到两次测试的结果一模一样，但是第二次推理的速度更快

医学超大SVS格式图像切割程序总结仅仅提供学习使用程序将原始的coco数据集，标注为矩形框，通过openslide和numpy等工具包进行图片切割。原始的图像大小不规则，100000x100000像素左右，运行下面程序即可得到2000x2000的，尺寸修改、路径等需要自行调整。import openslidefrom openslide.deepzoom import DeepZoomGenera

pytorch使用DCN前言正文前言关于DCN可形变卷积神经网络相信大家也都不陌生，使用额外的feature map区学习offset，以此达到可形变的效果。感觉和attention比较相似？但是网络实现的代码版本各不相同，编译环境存在很多难以协调等等的问题。而MMopenlab是一个非常不错的工具，其有着实现可形变卷积的方法，因此本文只是做一个引入，如何像正常使卷积一样的使用DCN正文from

pytorch使用DCN前言正文前言关于DCN可形变卷积神经网络相信大家也都不陌生，使用额外的feature map区学习offset，以此达到可形变的效果。感觉和attention比较相似？但是网络实现的代码版本各不相同，编译环境存在很多难以协调等等的问题。而MMopenlab是一个非常不错的工具，其有着实现可形变卷积的方法，因此本文只是做一个引入，如何像正常使卷积一样的使用DCN正文from

Potsdam 数据集预处理（切割）

MMdetection针对模型backbone进行冻结参数训练问题问题解决可能存在问题总结问题原以为MMdetection针对模型backbone处进行参数冻结训练网上会有大量的教程，刚刚网上查了一下没找到，于是自己动手去发现解决以YOLOX模型为例，调用CSPDarknet时，定义了_freeze_stage方法，并在train方法中调用。self.frozen_stages默认为-1，即不会对