学文の博客🥝

发表于 2025-05-06 | 更新于 2025-06-20

问题 { “ClassificationSystem” : [ { “CName” : “背景值”, “Code” : “0”, “Color” : “0,0,0”, “EName” : “nodata” }, { “CName” : “旱地”, “Code” : “12”, “Color” : “255,215,0”, “EName” : “dry farm” } ] } { “ClassificationSystem” : [ { “CName” : “背景值”, “Code” : “0”, “Color” : “0,0,0”, “EName” : “nodata” }, { “CName” : “旱地”, “Code” : “12”, “Color” : “255,215,0”, “EName” : “dry farm” } ] } 里面有两个相同的"ClassificationSystem",只要一个使用 json.JSONDecoder 手动解析 1234567import jsonwith open(file_path, 'r' ...

python开发7Django

发表于 2025-03-25 | 更新于 2025-03-25 | 计算机基础 | 计算机基础

Session Django项目默认启动Session。可以保存在数据库或内存，也可以混合存储将session放入redis，放入内存面向对象三大特性封装：把属性和方法捆绑在一起，对外隐藏实现细节（类（Class）方法来封装属性和方法）继承：允许一个子类获取父类的属性和方法，同时可以扩展和修改它们（子类重写方法，多继承（class view(a, b)））多态：同一操作作用于不同的类的实例，会有不同的执行结果（使用相同方法调用不同类的实例，结果不同）路由匹配类视图逻辑客户端发出请求，到服务器的总路由，再分配到子路由上，get（）和post（）方法发出响应到客户端多继承一个类可以同时继承多个父类，遵循MEO（方法解析顺序） 1可用(类名.___mro__) 或类名.mro() MRO顺序中间件在每次请求和响应之间执行的方法： 12345__init__():初始化中间件时，自动调用一次process_request():请求前process_response():响应前后端服务的项目架构数据存储服务：mysql 缓存服务：Redis ...

关于python的一些问题

发表于 2024-06-29 | 更新于 2024-06-29 | 深度学习 | 深度学习

python问题相对引用问题 from ..modeling.image_encoder import DTEncoder 123``` shellImportError: attempted relative import with no known parent package 解决： 1在上一级设为Sources，要引用下级文件直接用绝对路径引用

MEA-EFFormer

发表于 2024-04-28 | 更新于 2024-04-28 | 深度学习 | 深度学习

MEA-EFFormer：基于增强特征Transformer的多尺度有效注意力算法及其在高光谱图像分类中的应用主旨考虑光谱与空间特征的深层联系创新点局部二进制模式（LBP）提取局部空间特征该方法最早在1996年提出，是纹理分类和人脸识别领域的主要特征提取方法之一。优势： 1)计算复杂度低; 2)无需训练学习; 3)光照不变性; 4)灰度不变性； 5)旋转不变性。方法：以3×3矩阵中心点为阈值，四周比它大的或等于它的值设为1，比它小的设为0，从x轴的正方向出发逆时针转动，2的指数从0到7设计相同形状的3×3矩阵并将二进制转为十进制数字，两个矩阵相同位置的元素相乘，得到一个局部二进制模式。其中S_lbp是相邻像素的二进制位，I（x，y）是相邻像素的灰度值，并且I_c是中心像素的灰度值。P是邻域中像素的数量，R是邻域的半径，并且（x_p，y_p）是邻域中像素的坐标。混合二维卷积（2D-CNN）和三维卷积（3D-CNN）提取局部特征，Transformer提取全局特征引用一篇论文研究发现二维卷积擅长利用空间特征，但不擅长利用光谱信息；三维卷积同时擅长利用空 ...

bug

发表于 2024-04-28 | 更新于 2024-04-28 | 深度学习 | 深度学习

FileNotFoundError: [WinError 3] 系统找不到指定的路径。: ‘e:/SegmentationClass’ 12VOCdevkit_path = "e:/Datasets/LoveDA"segfilepath = os.path.join(VOCdevkit_path, '/SegmentationClass') '/SegmentationClass’加入“/”，从最后一个以”/”开头的参数开始拼接，之前的参数全部丢弃。输出：e:/SegmentationClass 正确输入：'SegmentationClass’会自动填补“/”

ViT模型详解

发表于 2024-04-01 | 更新于 2024-04-01 | 深度学习 | 深度学习

一、网络结构二、详情 1、补丁嵌入原始图像：H×W×C，高度，宽度，通道数补丁（patch）：N×（P^2×C）， N=H×W/（P×P）叫补丁数或者输入序列长度（P，P）叫补丁的分辨率将图像分割成多个补丁（patch），将补丁平铺成一维数据格式，再通过线性投影将补丁平坦化映射到低维空间 1Rearrange('b c (h p1) (w p2) -> b (h w) (p1 p2 c)', p1=patch_height, p2=patch_width) 2、位置嵌入添加位置编码表示两个补丁之间的距离，即添加了补丁的位置信息网络自动学习 1self.pos_embedding = nn.Parameter(torch.randn(1, num_patches + 1, dim)) sin-cos规则将向量的维度切分为奇数行和偶数行偶数行采用sin函数编码，奇数行采用cos函数编码然后按照原始行号拼接 12345678910def get_position_angle_vec(position): # hi ...

minconda常用命令

发表于 2024-03-25 | 更新于 2024-03-25 | 计算机基础 | 计算机基础

一、基础查看版本 1conda --version 查看环境 1conda config --show 创建环境 1conda create -n env_name python=3.8 激活环境 1conda activate env_name 或 1activate env_name 二、安装pytorch 查看CUDA版本 1nvidia-smi cuda 12.1 1conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia 1pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

VisionTransformer快速指南-理论和代码

发表于 2024-02-25 | 更新于 2024-02-25 | 深度学习 | 深度学习

0、ViT简介 1、输入嵌入

FCN语义分割的开山之作

发表于 2024-02-22 | 更新于 2024-02-22 | 深度学习 | 深度学习

一、深度学习代表问题不匹配关系：SPP，ASPP、PSPNet、GFN、GCN等只注重局部纹理，不考虑全局关系，而将对象错分。不寻常类：RedNet、RDFNet 对象纹理与背景颜色纹理相似或相同，难以区分。二、基础概念 1.1、conv卷积过滤器结果第一个数：4=1x1+1x0+1x1+0x0+1x1+1x0+0x1+0x0+1x1 1.2、反卷积 2、maxpool最大池化若池化使用的滤波器是2x2，则取该对应区域内最大像素值替代该像素值。 3、感受域（感受野） stride越大，感受野越大，保留的信息越少 stride越小，感受野越少，保留的细节越多 4、端到端训练输入是原始图像，输出是预测图像，两者大小相同。传统方式是输入是图像，输出是概率值。三、论文精读 1、论文摘要精读结构卷积神经网络是什么，讲整个大背景的概述。我们的核心观点是什么。我们设计的神经网络能达到什么效果，有什么样的作用和功能。为了实现这个功能我们做了什么步骤，及其创新点。我们的模型在哪些数据集上跑出了好的结果。 2、训练技巧

博客bug

发表于 2024-01-24 | 更新于 2024-01-24 | hexo博客 | hexo博客

1、ssh: connect to host github.com port 22: Connection timed out 原因：22端口被占用解决：在.ssh下面建立config文件，内容如下：注意congig无后缀名！（可以直接复制另外两个无后缀名的文件然后直接改内容即可） 12345678910111213Host github.comUser gitHostname ssh.github.comPreferredAuthentications publickeyIdentityFile ~/.ssh/id_rsaPort 443 Host gitlab.comHostname altssh.gitlab.comUser gitPort 443PreferredAuthentications publickeyIdentityFile ~/.ssh/id_rsa 最后使用下列代码验证，出现You've successfully authenticated, but GitHub does not provide shell access.，则成功连接。 1ssh -T gi ...

Transformer

发表于 2024-01-23 | 更新于 2024-01-23 | 深度学习 | 深度学习

1、Transformer架构采用编码器-解码器架构 transformer是纯基于注意力机制 $$ Attention(Q,K,V) = softmax(\frac {QK^T}{\sqrt{d_k}})V $$ Q(query)查询序列 K(key)待查序列 V（value）自身含义编码序列 Q和K进行点乘（内积），点乘的结果是一个向量在另一向量投影的长度，它是一个标量，它可以反映两个向量的相似度，两个向量点乘结果越大，它们的相似度越高，距离越近，越关注。为了防止其结果过大，再除以$\sqrt {d_k}$ ，也就是K向量的维度。再使用Softmax回归将结果归一化为概率分布，乘以V就得到了加权求和形式。 2、网络结构 2.1 encoding 部分位置编码多头注意力机制前馈神经网络其中，Add表示残差连接，Norm表示layer normalize(层归一化) 2.2 decoding部分 Mask(掩码) 线性层和softmax层线性层相当于一个全连接神经网络

小样本分类

发表于 2024-01-06 | 更新于 2024-01-06 | 深度学习 | 深度学习

关于小样本分类的一些想法切入点通过数据增强方法增加训练集样本数量，如图像翻转通过迁移学习的预训练方法，在预训练模型的训练的权重下继续训练。