- 博客(147)
- 收藏
- 关注
RSS订阅转载 YOLOV5 | AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘ 问题解决 亲测有效
报错：AttributeError: ‘Upsample’ object has no attribute ‘recompute_scale_factor’
2025-08-04 21:16:04
967
1
原创 基于英特尔平台及OpenVINO2023工具套件优化文生图任务
当今，文生图技术在很多领域都得到了广泛的应用。这种技术可以将文本直接转换为逼真的图像，具有很高的实用性和应用前景。然而，由于文生成图任务通常需要大量的计算资源和时间，如何在英特尔平台上高效地完成这些计算是一个重要的挑战。为了解决这个问题，我们主要使用最优的调度器等方法来优化文生成图任务的计算过程。调度器是一种优化工具，它可以将任务分配到不同的计算节点上，并根据实际情况调整计算节点的负载和使用率，以提高整体的计算效率和性能。
2025-08-04 22:17:20
1291
原创 基于yolov8的车牌检测训练全流程
YOLOv8 是Ultralytics的YOLO的最新版本。作为一种前沿、最先进(SOTA)的模型，YOLOv8在之前版本的成功基础上引入了新功能和改进，以提高性能、灵活性和效率。YOLOv8支持全范围的视觉AI任务，包括检测, 分割, 姿态估计, 跟踪, 和分类。这种多功能性使用户能够利用YOLOv8的功能应对多种应用和领域的需求。
2025-08-04 21:09:25
2681
原创 yolo系列模型训练数据集全流程制作方法（附数据增强代码）
yolo系列的模型在目标检测领域里面受众非常广，也十分流行，但是在使用yolo进行目标检测训练的时候，往往要将VOC格式的数据集转化为yolo专属的数据集，而yolo的训练数据集制作方法呢，最常见的也是有两种，下面我们只讲述一种最常用的方法，也是我最常使用的。
2025-08-04 20:07:01
4885
7
原创 【yolov5报错解决】ModuleNotFoundError: No module named‘ultralytics.yolo‘
后来，我发现yolov5的requirements.txt文件里面的ultralyticsy要求版本是>=8.0.100，后来我尝试直接指定版本为8.0.100后成功解决问题。上面显示我没有ultralytics.yolo这个模块，但是我已经安装了ultralytics，同时，我也尝试了网上的方法。，但是仍然得不到解决，我也尝试了各种网上的方法，比如重新卸载安装等等，但是依旧没有解决。
2025-08-04 14:38:08
20168
13
原创 OpenCV常用功能——灰度处理和图像二值化处理
上述代码逐个像素点计算灰度值，然后用灰度值代替RGB三个通道的值，得到灰度图像并显示出来。值得注意的是，这种方法虽然简单易懂，但计算每个像素点的灰度值，效率较低，不适用于处理较大的图像。其原理是将灰度图像的像素值按一定的阈值进行分割，大于等于阈值的像素值设为一个值（通常是255），小于阈值的像素值设为另一个值（通常是0）。，通常使用的方法是将彩色图像的RGB三个通道的值加权平均，得到一个灰度值，再用这个灰度值代替RGB三个通道的值，从而得到灰度图像。是指将整个图像的像素值都按照同一个阈值进行分割，而。
2025-08-04 22:44:18
9621
原创 深度学习实战基础案例——卷积神经网络（CNN）基于MobileNetV3的肺炎识别|第3例
Google公司继MobileNetV2之后，在2019年发表了它的改进版本MobileNetV3。而MobileNetV3共有两个版本，分别是MobileNetV3-Large和MobileNetV2-Small。改进后的MobileNetV3，在ImageNet数据集的分类精度上，它的MobileNetV3-Large版本相较于MobileNetV2提升了大概3.2%的精度同时延迟减少了20%，而MobileNetV3-Small则提升了6.6%的精度，减少了大概23%的延迟。
2025-08-04 11:53:50
1864
原创 Netron可视化深度学习网络结构
Netron 是一个开源的模型可视化工具，用于可视化深度学习模型的结构和参数。它可以加载和显示多种框架和模型格式，包括ONNX（Open Neural Network Exchange）、TensorFlow、Keras、Caffe、Core ML 等。通过图形界面，用户可以直观地查看模型的网络结构、层级关系、参数等信息。
2025-08-04 11:41:59
8446
1
原创 Lagrange插值法实验:求拉格朗日插值多项式和对应x的近似值matlab实现(内附代码)
数值计算Lagrange插值法实验，（1）了解插值法的思想和一般原理； （2）掌握Lagrange 插值方法、牛顿插值方法插值方法； （3）能够根据设计的试验方案，编写相应程序； （4）能够分析实验结果，评估算法优劣。
2025-08-04 23:11:33
5336
2
原创 【Datawhale】AI夏令营第三期——基于论文摘要的文本分类笔记(下)
自 20 世纪 50 年代图灵测试提出以来，人们始终在探索机器处理语言智能的能力。语言本质上是一个错综复杂的人类表达系统，受到语法规则的约束。因此，开发能够理解和精通语言的强大 AI 算法面临着巨大挑战。过去二十年，语言建模方法被广泛用于语言理解和生成，包括统计语言模型和神经语言模型。近些年，研究人员通过在大规模语料库上预训练 Transformer 模型产生了预训练语言模型（PLMs），并在解决各类 NLP 任务上展现出了强大的能力。
2025-08-04 18:15:29
544
3
原创 【Datawhale】AI夏令营第三期——基于论文摘要的文本分类笔记(上)
BERT，是一个经典的深度学习、预训练模型。2018年，由 Google 团队发布的论文《BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding》提出了预训练模型 BERT（Bidirectional Encoder Representations from Transformers），在自然语言处理领域掀起了巨大浪潮。
2025-08-04 15:52:46
771
原创 Pytorch的torch.utils.data中Dataset以及DataLoader等详解
是PyTorch提供的一个模块，用于处理和加载数据。该模块提供了一系列工具类和函数，用于创建、操作和批量加载数据集。下面是Dataset: 定义了抽象的数据集类，用户可以通过继承该类来构建自己的数据集。Dataset用于访问单个样本，__len__用于返回数据集的大小。: 继承自Dataset类，用于将张量数据打包成数据集。它接受多个张量作为输入，并按照第一个输入张量的大小来确定数据集的大小。DataLoader: 数据加载器类，用于批量加载数据集。
2025-08-04 09:34:54
9540
11
原创 CUDA、cuDNN以及Pytorch介绍
在讲解cuda和cuDNN之前，我们首先来了解一下英伟达（NVIDA）公司。NVIDIA是一家全球领先的计算机技术公司，专注于图形处理器（GPU）和人工智能（AI）计算。公司成立于1993年，总部位于美国加利福尼亚州的圣塔克拉拉。NVIDIA的产品和技术广泛应用于各个领域，包括游戏、虚拟现实、自动驾驶、数据中心、边缘计算等。作为全球最为知名的GPU制造商之一，NVIDIA的图形处理器技术推动了计算机图形学和游戏行业的发展。
2025-08-04 15:55:47
2493
2
原创 混淆矩阵的生成（python实现，含机器学习方法）
使用混淆矩阵可以计算多个衡量分类器性能的指标，如准确率（Accuracy）、精确率（Precision）、召回率（Recall，也称为敏感度或真正例率）和 F1 值等。准确率（Accuracy）：分类器预测正确的样本占总样本数的比例，计算公式为 (TP + TN) / (TP + TN + FP + FN)。召回率（Recall）：正例被正确预测为正例的比例，计算公式为 TP / (TP + FN)。精确率（Precision）：正例预测正确的比例，计算公式为 TP / (TP + FP)。
2025-08-04 10:36:08
8012
2
原创 python中最常用的extend方法和append方法差异
在Python中，extend()是列表对象的一个方法，它用于将一个可迭代对象（通常是另一个列表）中的元素追加到当前列表的末尾。这个方法会修改原列表，无需创建一个新的列表。extend()其中，list是要操作的列表对象，iterable是要追加的可迭代对象。下面是一些使用extend()需要注意的是，与extend()方法不同的是，append()方法将整个可迭代对象作为一个元素添加到列表的末尾。因此，使用extend()方法可以将可迭代对象的元素逐个追加到列表中，而不是将整个可迭代对象追加为单个元素。
2025-08-04 20:52:56
1801
原创 （Yolov5常见bug）RuntimeError: “slow_conv2d_cpu“ not implemented for ‘Half‘问题解决
在王宏网上查阅了很久，发现大多数都是在讲有关Half的精度问题。
2025-08-04 20:09:55
4235
5
原创 （亲测解决）PyCharm 从目录下导包提示 unresolved reference（完整图解）
最近在进行一个Flask项目的过程中遇到了的问题，在网上找了好久解决方案，并没有一个能让我一步到位解决问题的。后来，我对该问题和网上的解决方案进行了分析，发现网上大多数都是针对项目同一目录下的py文件进行该问题的解决。
2025-08-04 17:50:55
19779
5
原创 码题集oj赛（第八次）——MT2180 进制查询
该题目乍一看无从下手，仔细一思考还是挺简单的，主要运用了一个函数就是求解最大公约数，因为输出结果要求必须是分数形式，所以你必须要进行一下约分，约分函数的话对于经常写算法的同学应该非常简单，运用到数学思想的话就是辗转相除法。
2025-08-04 11:48:48
499
原创 码题集oj赛（第八次）——MT2179 01操作
本题目对于基础牢固的同学来讲十分简单，但是对于什么也不会类型的同学来说还是有点小难度的。首先，题目中给了四种操作，分别是。其中，'+'和'-'操作直接就能看懂。但是'*'和'/'操作是要求原二进制数乘以2，那么转换一下就是'*'就是将二进制数左移一位；而'/'操作就是将二进制数右移一位。同时，这里采用了一种非常简便的方法来实现‘*’、‘/’操作，如果是‘*’的话，因为是左移一位，所以直接在字符串的最后面加上一个'0'，然后为了确保万一，我们再在后面添加'\0'来终止字符串。同理，‘/’
2025-08-04 11:41:38
552
原创 os文件操作之os.path.dirname和os.path.realpath函数
函数是Python标准库中的一个函数，用于返回指定路径的规范化的绝对路径。它的作用是解析路径中的任何符号链接或相对路径，并返回一个唯一且可操作的绝对路径。具体来说，它会消除路径中的任何符号链接并展开所有的相对路径，以获取真实存在的文件或目录的路径。例如，假设当前工作目录是/home/user，而指定的路径是。这个路径包含相对路径和当前目录。调用函数之后，它将返回，这是规范化的绝对路径。需要注意的是，该函数将解析路径中的符号链接并返回目标路径，因此结果可能不是输入路径的原始形式。
2025-08-04 18:47:08
5118
原创 SqueezeNet算法解析—鸟类识别—Paddle实战
SqueezeNet算法，顾名思义，Squeeze的中文意思是压缩和挤压的意思，所以我们通过算法的名字就可以猜想到，该算法一定是通过解压模型来降低模型参数量的。当然任何算法的改进都是在原先的基础上提升精度或者降低模型参数，因此该算法的主要目的就是在于降低模型参数量的同时保持模型精度。随着CNN卷积神经网络的研究发展，越来越多的模型被研发出来，而为了提高模型的精度，深层次的模型例如AlexNet和ResNet等得到了大家的广泛认可。
2025-08-04 20:17:45
2875
1
原创 WideResNet(宽残差网络)算法解析-鸟类识别分类-Paddle实战
在计算机视觉领域，卷积神经网络（CNN）已经成为最主流的方法，比如GoogLenet，VGG-16，Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现，ResNet可以训练出更深的CNN模型，从而实现更高的准确度。ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”（shortcuts，skip connection），进而训练出更深的CNN网络。但是随着深度神经网络的继续发展，网络的层数也在不断地增加，而分类准确度每提高百分之一的代价几乎是层数的两倍。
2025-08-04 19:52:52
2155
2
原创 Xception算法解析-鸟类识别实战-Paddle实战
在计算机视觉领域，卷积神经网络（CNN）已经成为最主流的方法，比如GoogLenet，VGG-16，Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现，ResNet可以训练出更深的CNN模型，从而实现更高的准确度。ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”（shortcuts，skip connection），进而训练出更深的CNN网络。
2025-08-04 09:51:07
1291
2
原创 基于PP-OCRv3的车牌检测和识别
车牌识别技术是一种利用计算机视觉技术对车辆车牌进行自动检测、识别的技术。它可以通过摄像头实时捕获车辆车牌信息，并经过算法处理后得到车牌号码信息，实现对车辆的自动识别、管理和监控。车牌识别技术被广泛应用于城市交通管理、安防监控行业、停车场管理等领域，可以提高交通管理效率，降低人工劳动成本，保障公共安全。随着自动驾驶技术的快速发展，车辆自主性越来越高，丰富的实时数据也为车牌识别技术的运用提供了更多可能性。未来，车牌识别技术将会更加智能化、精准化，成为城市交通管理、智慧安防等领域的重要组成部分。
2025-08-04 09:22:51
1302
原创 UnicodeEncodeErron: ‘gbk‘ codec can‘t encode character ‘ \ue615‘ in position 346139...编码问题解决
这主要是因为该语句修改了python的默认编码为utf8，并赋予了我们的stdout输出，使得python的输出默认编码为utf8，但是当我们在cmd中输出还是中文乱码，这是cmd的锅，cmd不能很好地兼容utf8，而IDLE就可以，甚至在IDLE下运行，连“改变标准输出的默认编码”都不用，因为它默认就是utf8。如果以上两种方法还是解决不了你的问题，那么就可以尝试最后一种方法，在你的代码上进行修改，加入代码。但是使用这种方法后，确实是不报错了，但是却出现了中文乱码的问题，比如说输出的内容都是繁体字。
2025-08-04 09:08:02
1101
原创 计算机组成原理——计算机系统的组成
计算机系统是指由硬件和软件两个方面组成的整体。硬件系统包括计算机的主机、输入输出设备、存储设备、通信设备等，而软件系统则包括操作系统、应用软件和其他一些工具软件。下面分别对硬件和软件的作用、分类和重要性进行总结。硬件系统：硬件系统是计算机系统的核心，包括计算机主机、外设设备等。计算机主机包含中央处理器（CPU）、内存、硬盘/固态硬盘、显卡等部件，是计算机的心脏。输入设备包括键盘、鼠标等，输出设备包括显示器、打印机等。存储设备也非常重要，因为它们存储了计算机中的数据和程序。
2025-08-04 21:15:35
2542
1
原创 头歌计算机算法设计与分析：随机化算法
本关任务：计算机产生的伪随机数来模拟抛硬币试验。为了完成本关任务，你需要掌握：1.如何获取数组的长度，2.如何遍历数组。随机数在随机化算法设计中扮演着十分重要的角色。在现实计算机上无法产生真正的随机数，因此在随机化算法中使用的随机数都是一定程度上随机的，即伪随机数。用计算机产生的伪随机数来模拟抛硬币试验。假设抛10次硬币，每次抛硬币得到正面和反面是随机的。拋10次硬币构成一个事件。调用Random(2)返回一个二值结果。
2025-08-04 17:50:24
2324
原创 头歌计算机算法设计与分析线性规划问题和单纯形算法第1关：单纯形算法解一般线性方程组
受限的增加量可以用入基变量所在列的元素（称为主元素）来除主元素所在行的“常数列”（最左边的列）中元素而得到。如果入基变量所在的列与基本变量所在行交叉处的表元素为负数，那么该元素将不受任何限制，相应的基本变量只会越变越大。应该选取受到限制最多的基本变量作为离基变量，才能保证将入基变量与离基变量互调位置后，仍满足约束条件。修改离基变量，让入基变量所在列中，离基变量所在行的元素值减为零，而使之成为非基本变量。如果入基变量所在列的所有元素都是负值，则目标函数无界，已经得到了问题的无界解。
2025-08-04 17:41:47
2304
3
翻译 常见的几种距离量度（欧式距离、曼哈顿距离、切比雪夫距离等）
在机器学习和数据挖掘中，我们经常需要计算样本之间的相似度，通常的做法是计算样本之间的距离。本文介绍几种常用的距离量度方法。
2025-08-04 09:43:19
16418
原创 【文心一言】广告文案、演讲稿与请假条自动生成
在大学生活中，我们常常面临一些编写文案的问题，例如我们要参加一场演讲，需要准备演讲稿；又或是我们想要举办一场活动，却苦恼于如何进行广告文案的编写，这篇文章将告诉大家如何通过使用文心一言来实现。
2025-08-04 16:26:42
2111
原创 报错解决：Could not build wheels for soxr, which is required to install pyproject.toml-based projects（可用）
链接如下：【金山文档】 1-Microsoft Visual C++ Build Tools。找了好久，才找到正确的解决方案，网上一大堆升级setuptools的方法只对少数人管用。注意，虽然我的这个报错内容有点长，但是我感觉和其它的。如果网页提示登录，可以不用登录，直接下载即可。然后打开镜像ios文件（双击即可）错误是一样的解决方案。文件，打开后安装即可。
2025-08-04 23:26:57
3918
5
原创 python机器学习数据建模与分析——数据预测与预测建模
机器学习的预测建模在多个领域都具有重要的应用价值，包括个性化推荐、商品搜索、自动驾驶、人脸识别等。本篇文章将带领大家了解什么是预测建模
2025-08-04 11:43:32
8074
1
原创 python机器学习——朴素贝叶斯算法笔记详细记录
朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBM）。和决策树模型相比，朴素贝叶斯分类器(Naive Bayes Classifier 或 NBC)发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。
2025-08-04 19:27:07
954
2
原创 python机器学习课程——决策树全网最详解超详细笔记附代码
决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。决策树方法最早产生于上世纪60年代，到70年代末。由J Ross Quinlan提出了ID3算法，此算法的目的在于减少树的深度。但是忽略了叶子数目的研究。C4.5算法在ID3算法的基础上进行了改进，对于预测变量的缺值处理、剪枝技术、派生规则等方面作了较大改进，既适合于分类问题，又适合于回归问题。决策树算法构造决策
2025-08-04 19:52:17
6516
2
原创 python机器学习数据建模与分析——决策树详解及可视化案例
你是否玩过二十个问题的游戏，游戏的规则很简单:参与游戏的一方在脑海里想某个事物，其他参与者向他提问题，只允许提20个问题，问题的答案也只能用对或错回答。问问题的人通过推断分解，逐步缩小待猜测事物的范围。决策树的工作原理与20个问题类似，用户输人一系列数据，然后给出游戏的答案。我们经常使用决策树处理分类问题,近来的调查表明决策树也是最经常使用的数据挖掘算法。它之所以如此流行，一个很重要的原因就是使用者基本上不用了解机器学习算法，也不用深究它是如何工作的。
2025-08-04 17:48:59
3931
原创 计算机组成原理笔记——计算机性能指标（CPI、IPS、MIPS等）
计算机系统的性能评价有两种指标，分别为非时间指标和时间指标。非时间指标时间指标机器一次能处理的二进制位数数据总线一次能并行传送的最大信息位数例子：每秒执行多少条指令IPS=主频平均CPIIPS=\frac{主频}{平均CPI}IPS=平均CPI主频?例子:
2025-08-04 10:02:40
4711
原创 深度学习基础——PyTorch简介和Tensor张量详解
下面，让我们来看看如何利用PyTorch 定义一个张量。# 导入PyTorch的包 import torch接下来，我们可以创建一个尺寸为53(5,3)53的二阶张量(也就是 5行3列的矩阵)。我们希望其中每个元素的数值是随机赋予的一个01[0, 1]01其中，第二行的 x表示打印输出 的数值。可以看到系统打印输出了一个 5x3 的矩阵。下面再看一个例子，创建一个尺寸为53(5,3)53接下来，让我们再创建一个三维(阶)的张量，尺寸为253(2,5,3)253。
2025-08-04 10:40:26
1533
原创 PaddleClas套件——PP-ShiTuV2模型详解
主体检测是目前应用非常广泛的一种检测技术，它指的是检测出图片中一个或者多个主体的坐标位置，然后将图像中的对应区域裁剪下来进行识别。主体检测是识别任务的前序步骤，输入图像经过主体检测后再进行识别，可以过滤复杂背景，有效提升识别精度。考虑到检测速度、模型大小、检测精度等因素，最终选择 PaddleDetection 自研的轻量级模型作为 PP-ShiTuV2 的主体检测模型。特征提取是图像识别中的关键一环，它的作用是将输入的图片转化为固定维度的特征向量，用于后续的向量检索。一个好的特征需要具备。
2025-08-04 18:44:38
3204
2
该包包含Mysql安装包以及详细文档教程，还有Navicat8的安装包以及详细文档安装教程
2025-08-04
python爬虫课设，爬取51job网站岗位基本信息，大学开展python数据获取与预处理的小伙伴们，可以直接拿来用
2025-08-04
B站韩顺平学习资料总结，韩老师所有的课堂笔记与代码 看
2025-08-04
红蜘蛛教室控屏软件，上课进行学习机演示可用
2025-08-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人