logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

ModuleNotFoundError: No module named ‘pycuda‘

环境:ubuntu 16.04可通过以下指令直接安装:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pycuda --no-binary :all:如果通过上述命令安装过程出现如下问题:ERROR: Could not build wheels for pycuda, which is required to install pyp

Linux 虚拟机 解决无法使用网络问题

最近又装了一个ubuntu 14.04虚拟机,无法使用网络,在网上找了很多的解决方法都不行,最终自己摸索着解决了这个问题,下面,就直接上图吧! 完事手工!       ...

Linux Ubuntu设置软件开机自启动

共四步:1、Ctrl + Alt + T 打开终端;2、终端输入命令gnome-session-properties然后弹出窗口“ 启动应用程序首选项” ;3、点击右侧 “添加” 按钮;4、输入描述,选择软件路径(选择运行的软件)。重启系统后,就会打开你添加自启动的软件。...

QT Windows和Linux下,Qt Creator创建动态库和调用动态库(.dll 和 .so)

简述Windows下动态链接库是.dll文件,静态链接库文件是.lib文件。Linux下动态库是.so文件。Qt嵌套在visual studio时,编译器是MSVC,而Qt Creator的编译器是MinGW,针对MSVC和MinGW这两种编译器,作个简单的介绍:MSVC是指微软的VC编译器。MinGW是指是Minimalist GNU on Windows的缩写。它是一个可自由使...

opencv namedWindow()第二个参数详解

简述namedWindow函数的作用是,通过指定的名字,创建一个可以作为图像和进度条的容器窗口。如果具有相同名称的窗口已经存在,则函数不做任何事情。函数原型如下:namedWindow(const string& filename, int flag=WINDOW_AUTOSIZE )filename指窗口的名称;flag指创建的窗口类型,默认为WINDOW_AUTOSIZE...

Pytorch *号传参用法 -- nn.Sequential(*layers)

*作用在形参上,代表这个位置接收任意多个非关键字参数,转化成元组方式;*作用在实参上,代表的是将输入迭代器拆成一个个元素。nn.Sequential一个有序的容器,神经网络模块将按照在传入构造器的顺序依次被添加到计算图中执行,同时以神经网络模块为元素的有序字典也可以作为传入参数。举例(手动创建的VGGNet网络的 init 函数。 self.features 和 self.classifier):

#pytorch
opencv “VideoCapture读取视频,isOpened() 返回总是false”问题解决

用 opencv 中 VideoCapture 类读取视频,isOpened() 返回总是false,一般有以下几点原因:1、查看视频路径是否存在问题;2、查看视频文件是否可以正常打开,是否是视频出现损坏情况;3、处理视频时,会依赖 opencv_ffmpeg2413.dll ,所以将 opencv_ffmpeg2413.dll 拷贝到 exe 执行文件目录下,就可以正常运行了。...

YOLOv5/v7 中的类别不平衡问题解决方案研究

本文定义的类别不平衡问题:在图像分类问题中,不同类别的图像的个数不同,并且差异较大。在目标检测问题中,目标类别的个数区别较大。这都是类别不平衡问题。:当训练图像的所有时, 我们可以更改, 即而达到更改的目的。然后根据 图像权重 重新采集数据,这在图像类别不均衡的数据下尤其重要。使用 YOLOv5/v7 训练自己的数据集时,各类别的标签数量难免存在不平衡的问题,在训练过程中为了就减小类别不平衡问题的

#深度学习#人工智能
opencv convertTo函数详解

函数原型void convertTo( OutputArray m, int rtype, double alpha=1, double beta=0 ) const;函数描述把一个矩阵从一种数据类型转换到另一种数据类型,同时可以带上缩放因子和增量,公式如下:m(x,y) = saturate_cast<rType>(alpha * (*this) (x,y) + ...

自适应阈值图像二值化

一、二值化关于二值化的介绍,以前的博客中有介绍,这里就不再描述了,二值化介绍;二值化分为固定阈值二值化和自适应阈值二值化,固定阈值二值化方式是我们常用的二值化方式,需要自己摸索一个经验阈值,不断调整,直到找到最佳阈值,这种方式在刚刚的链接中已经介绍;而这篇文档主要介绍的就是另一种二值化方式:自适应阈值二值化。二、自适应阈值二值化图像进行二值化,且做到自适应阈值参数,有4种自适应阈值二值化方法;先从

    共 27 条
  • 1
  • 2
  • 3
  • 请选择