1 关键点参数说明 对yolo-pose 的原理不做介绍，主要针对其标签数据做可视化操作 用于训练YOLO姿势模型的数据集标签格式如下： 每个图像对应一个文本文件：数据集中的每个图像都有一个对应的文本文件，该文本文件与图像文件同名，扩展名为 “.txt”。 每行一个对象：文本文件中的每一行对应于图像中的一个对象实例。 每行包含的对象信息：每行包含关于对象实例的以下信息： 对象类别索引：一个整数，表示对象的类别（例如，0 代表人，1 代表汽车等）。 对象中心坐标：对象的中心 x 和 y 坐标，已归一化到 0 和 1 之间。 对象宽度和高度：对象的宽度和高度，已归一化到 0 和 1 之间。 对象关键点坐标：对象的关键点坐标，已归一化到 0 和 1 之间。 下面是 “姿势估计 “任务的标签格式示例： 二维关键点格式： 1<class-index> <x> <y> <width> <height> <px1> <py1> <px2> <py2> ...

学习内容 深度学习基础——线性神经网络，多层感知机 卷积神经网络——LeNet，AlexNet，VGG，Inception，ResNet 循环神经网络——RNN，GRU，LSTM，seq2seq 注意力机制——Attention，Transformer 优化算法——SGD，Momentum，Adam 高性能计算——并行，多GPU，分布式 计算机视觉——目标检测，语义分割 自然语言处理——词嵌入，BERT 数据操作 + 预处理 N 维数组是机器学习和神经网络的主要数据结构。 0-d（标量）——1.0 表示一个类别 1-d（向量）——[1.0, 2.7, 3.4] 一个特征向量 2-d（矩阵）——[[1.0，2.7，3.4], [5.0，0.2，4.6], [4.3，8.5，0.2]] 一个样本的特征矩阵，每一行表示一个样本，每一列表示样本的一个特征 3-d ——[[[0.1，2.7，3.4], [5.0，0.2，4.6], [4.3，8.5，(0.2]], [[3.2，5.7，3.4], [5.4，6.2，3.2], ...

1 构建训练模型 以CIFAR10数据集为例 1.1 导入torch模块 123import torchvisionfrom torch import nnfrom torch.utils.data import DataLoader 1.2 准备数据集 12345678910# 准备数据集train_data = torchvision.datasets.CIFAR10( root='./dataset', train=True, download=True, transform=torchvision.transforms.ToTensor())test_data = torchvision.datasets.CIFAR10( root='./dataset', train=False, download=True, transform=torchvision.transforms.ToTensor()) 1.3 查看数据集的大小 12345# length 长度train_data_size = ...

1 神经网络基本骨架 pytorch关于神经网络的工具主要在torch.nn中（Neural Network） 官网文档：https://docs.pytorch.org/docs/stable/nn.html Containers # 主要给神经网络定义了一些骨架（结构），往结构中添加不同的内容就可以组成神经网络 Convolution Layers # 卷积层 Pooling layers # 池化层 Padding Layers # 填充层 Non-linear Activations (weighted sum, nonlinearity) # 非线性激活 Non-linear Activations (other) Normalization Layers # 标准化（归一化）层 … 1.1 骨架 Containers Containers包含6个模块，Module是最常用的模块，给所有神经网络提供一个基本的骨架 Module Base class for all neural network modules. ...

测试torch是否安装成功 123import torchtorch.cuda.is_available()# True # 若安装成功，则会打印true 蚂蚁蜜蜂分类数据集和下载连接：https://download.pytorch.org/tutorial/hymenoptera_data.zip 1 函数功能查看 12dir(torch.cuda) 打开，看见help(函数名不带括号) 说明书 python中__call__的用法 在类中双下划线表示是类的内置函数 有__call__的情况下，调用对象时，可以直接传参到call中 没有__call__的情况下，调用对象需要加上“.”来调用其中的方法 python中__getitem__的用法 在进行索引取值时自动调用，可以查看原对象中__getitem__的return值 不知道返回值时 print() print(type()) 打断点 debug 2 torch数据加载（读取） pytorch官网文档地址：https://docs.pytorch.org ...

一、创建数组 (一) Ndarray 对象及其创建 123# 引入Numpy库import numpy as np 1、创建Numpy数组 12345# 一维数组（向量）a = np.array([1,2,3,4,5,6])# 二维数组（矩阵）A = np.array([[1,2,3], [4,5,6]]) 2、Numpy数组的属性 123456789101112131415# 查看维度数量a.ndim # 结果为1A.ndim # 结果为2 # 查看数组形状a.shape # 结果为(6,) 表示1行6列A.shape # 结果为(2,3) 表示2行3列# 数组中元素总个数a.size # 结果为6A.size # 结果为6 # 数组中元素类型a.dtype # 结果为dtype('int32')A.dtype # 结果为dtype('int32') 3、创建数组的便捷函数 ones 创建全是1.的数组 123456# 默认数据类型是浮点型np.ones(4) # 结果为array([1.,1 ...

常用的conda命令 conda -V 查看conda版本 conda info 查看该环境的详细信息 conda activate env_name 切换至env_name环境 conda activate 默认进入base环境 conda deactivate 退出环境 显示所有已经创建的环境 conda info -e conde env list conda list 查看所有已安装的包 conda install package_name 在当前环境中安装包 conda remove package 删除当前环境中的包 conda create -n env_name package_name 创建名为env_name的新环境，并在该环境下安装名为package_name的包 可以指定新环境的版本号（Python版本号），如：conda create -n env_name python=3.8 conda remove --name env_name --all 删除名为env_name的环境 conda安装32位的 ...

主要内容来源：B站UP主 做科研的大师兄 一、科研思维建立 (一) 研究领域入门 阅读硕博学位论文，初学者只需选择性阅读论文中的综述部分。 通过几篇研究方向高度相关的论文综述部分学习，可以保证快速高效在研究方向上进行观念和思维入门。 完成研究方向的观念入门后，就是对具体的研究内容进行快速入门，这时重点关注论文的研究成果和讨论部分，指导该领域研究主要做哪些实验，证明什么问题，用了什么方法等。 最后，需要进行研究方法入门，集中将搜集到的论文中方法部分进行整理学习，相互比较，确定为了回答某种问题而采用哪种研究方法，具体如何实施等细节。 外文文献研究确定创新性 + 课题思路及实验设计 + 实验方法和实验用品准备 1、检索筛选优秀博士论文 检索方法 CNKI——高级检索——主题（大方向）/篇名（小领域）——博士论文 筛选方法（找出优秀论文） 985等高校博士论文——下载后人工筛选——目录 / 结果 / 已发表文章 找出5-10篇优秀论文，进行科研入门学习 2、整体认识博士论文框架 扉页—中英文摘要—目录—前言—方法—结果— ...