<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Priplex的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Priplex</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Priplex]]></copyright><item><title><![CDATA[yolov8模型结构]]></title><link>https://blog.csdn.net/Priplex/article/details/132339275</link><guid>https://blog.csdn.net/Priplex/article/details/132339275</guid><author>Priplex</author><pubDate>Thu, 17 Aug 2023 21:12:33 +0800</pubDate><description><![CDATA[正常的yolov8对象检测模型输出层是P3、P4、P5三个输出层，为了提升对小目标的检测能力，新版本的yolov8 已经包含了P2层（P2层做的卷积次数少，特征图的尺寸（分辨率）较大，更加利于小目标识别），有四个输出层。在常用的目标检测算法中，不同的图片长宽都不相同，因此常用的方式是将原始图片统一缩放到一个标准尺寸，再送入检测网络中。新增加的这个P6，是为了引入更多的参数量，多卷积了一层，是给xlarge那个参数量准备的，属于专门适用于高分辨图片（图片尺寸很大，有大量可挖掘的信息）的版本。]]></description><category></category></item><item><title><![CDATA[yolov8_onnx_c#_winform部署]]></title><link>https://blog.csdn.net/Priplex/article/details/132079589</link><guid>https://blog.csdn.net/Priplex/article/details/132079589</guid><author>Priplex</author><pubDate>Thu, 17 Aug 2023 11:54:03 +0800</pubDate><description><![CDATA[/  解决【预定义类型“System.Runtime.CompilerServices.IsExternalInit”未定义或导入】1、选择Windows窗体应用(.NET Framework)record报错：修改项目文件。]]></description><category></category></item><item><title><![CDATA[Yolov5模型结构]]></title><link>https://blog.csdn.net/Priplex/article/details/132271246</link><guid>https://blog.csdn.net/Priplex/article/details/132271246</guid><author>Priplex</author><pubDate>Thu, 17 Aug 2023 11:51:53 +0800</pubDate><description><![CDATA[yolov5模型详细结构信息]]></description><category></category></item><item><title><![CDATA[目标检测——评价指标]]></title><link>https://blog.csdn.net/Priplex/article/details/132119961</link><guid>https://blog.csdn.net/Priplex/article/details/132119961</guid><author>Priplex</author><pubDate>Sat, 05 Aug 2023 14:59:06 +0800</pubDate><description><![CDATA[提到TP、FP、TN、FN，首先介绍以下混淆矩阵。混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，用n行n列的矩阵形式来表示。混淆矩阵的每一代表了类别，每一表示预测为该类别的数据的；每一代表了数据的归属类别，每一行的数据总数表示该类别的数据实例的。表1. 多类别混淆矩阵如表1所示：其中，第一行第一列的80表示原本属于类1，且预测为类1的数量为80。第二行第一列的10表示原本属于类2，且预测为类1的数量为10。第三行第一列的5表示原本属于背景，且预测为类1的数量为5。]]></description><category></category></item><item><title><![CDATA[yolo系列——目标检测基本概念]]></title><link>https://blog.csdn.net/Priplex/article/details/131828875</link><guid>https://blog.csdn.net/Priplex/article/details/131828875</guid><author>Priplex</author><pubDate>Tue, 01 Aug 2023 17:18:35 +0800</pubDate><description><![CDATA[目标检测就是框出图片中用户感兴趣的物体，并且预测物体类别一般做法是利用滑动窗口（Sliding Wondow）]]></description><category></category></item><item><title><![CDATA[目标检测之NMS]]></title><link>https://blog.csdn.net/Priplex/article/details/132044246</link><guid>https://blog.csdn.net/Priplex/article/details/132044246</guid><author>Priplex</author><pubDate>Tue, 01 Aug 2023 17:14:48 +0800</pubDate><description><![CDATA[NMS（非极大值抑制，Non-Maximum Suppression），是一种提取目标检测中分数最高的窗口的算法。例如在目标检测中，我们的神经网络对一个目标生成了多个检测窗口，但是事实上这些窗口中大部分内容都是重复的，我们真正需要的只有一个。所以我们要做就是找到目标检测最优的窗口，NMS就是用来选取多个检测窗口中分数最高的那个窗口，剔除掉其他的同类型的窗口，因此 NMS 在计算机视觉领域有着非常重要的应用。]]></description><category></category></item><item><title><![CDATA[python基本操作-super()]]></title><link>https://blog.csdn.net/Priplex/article/details/111486050</link><guid>https://blog.csdn.net/Priplex/article/details/111486050</guid><author>Priplex</author><pubDate>Mon, 21 Dec 2020 19:01:57 +0800</pubDate><description><![CDATA[一、单继承(只继承一个父类，父类没有继承其他父类)
class A(object):
    def __init__(self):
        print("i am class A")

class C(A):
    def __init__(self):
        super(C, self).__init__()
        print('yes')
        
# super(C, self).__init__(),这句话的解释是：
# C是类，self是C的一个实例，sup]]></description><category></category></item><item><title><![CDATA[有向图不对称邻接矩阵变无向图对称邻接矩阵]]></title><link>https://blog.csdn.net/Priplex/article/details/111454545</link><guid>https://blog.csdn.net/Priplex/article/details/111454545</guid><author>Priplex</author><pubDate>Sun, 20 Dec 2020 17:27:18 +0800</pubDate><description><![CDATA[有向图不对称邻接矩阵变无向图对称邻接矩阵
一个简单图实例

import numpy as np

# 使用numpy编写的上述有向图的邻接矩阵如下：
# 不对称邻接矩阵
A = np.matrix([
    [0,1,0,0],
    [0,0,1,1],
    [0,1,0,0],
    [1,0,1,0]],
    dtype=float
)

A.T

matrix([[0., 0., 0., 1.],
        [1., 0., 1., 0.],
        [0., 1., ]]></description><category></category></item><item><title><![CDATA[Laplacian Matrix]]></title><link>https://blog.csdn.net/Priplex/article/details/111247506</link><guid>https://blog.csdn.net/Priplex/article/details/111247506</guid><author>Priplex</author><pubDate>Wed, 16 Dec 2020 10:42:06 +0800</pubDate><description><![CDATA[A Simple Graph Example
首先绘制一个无向图
import networkx as nx
import matplotlib.pyplot as plt
import numpy as np

fig=plt.figure(figsize=(4,3),dpi=80)
BA = nx.random_graphs.barabasi_albert_graph(4,1,seed=3)
pos = nx.spring_layout(BA)
nx.draw(BA, pos, with_labels ]]></description><category></category></item><item><title><![CDATA[绘制基本网络图(Networkx)]]></title><link>https://blog.csdn.net/Priplex/article/details/111105076</link><guid>https://blog.csdn.net/Priplex/article/details/111105076</guid><author>Priplex</author><pubDate>Sun, 13 Dec 2020 13:23:55 +0800</pubDate><description><![CDATA[networkx.org

绘制基本网络图
绘制划分后的社区

绘制基本网络图
用matplotlib绘制网络图
基本流程：

导入networkx，matplotlib包
建立网络
绘制网络 nx.draw()
建立布局 pos = nx.spring_layout美化作用

最基本画图程序
import networkx as nx   #导入networkx包
import matplotlib.pyplot as plt 
# 生成一个BA无标度网络G
G = nx.random_graphs.ba]]></description><category></category></item><item><title><![CDATA[常用数据集]]></title><link>https://blog.csdn.net/Priplex/article/details/110149014</link><guid>https://blog.csdn.net/Priplex/article/details/110149014</guid><author>Priplex</author><pubDate>Wed, 25 Nov 2020 22:17:06 +0800</pubDate><description><![CDATA[数据集
UCI MACHINE LEARNING数据集下载
krkopt.data 数据集每一行就是一个训练样本

]]></description><category></category></item><item><title><![CDATA[pytorch-cpu安装实战——环境搭建(5)]]></title><link>https://blog.csdn.net/Priplex/article/details/109690394</link><guid>https://blog.csdn.net/Priplex/article/details/109690394</guid><author>Priplex</author><pubDate>Sat, 14 Nov 2020 14:54:19 +0800</pubDate><description><![CDATA[python=3.6装pytorch-cpu=0.4.0第一步：安装pytorch下载pytorch安装包创建环境：进入环境切换到刚下载的pytorch-cpu=0.4.0文件所在位置安装，用pip install 文件名如果出现以下错误第二步：安装torchvision下载torchvision安装包接下来跟上面步骤重复
第一步：安装pytorch
下载pytorch安装包
pytorch-cpu=0.4.0下载地址
创建环境：
conda create -n pytorch1 python=3.6


]]></description><category></category></item><item><title><![CDATA[tensorflow的一些问题]]></title><link>https://blog.csdn.net/Priplex/article/details/109682343</link><guid>https://blog.csdn.net/Priplex/article/details/109682343</guid><author>Priplex</author><pubDate>Fri, 13 Nov 2020 20:57:38 +0800</pubDate><description><![CDATA[问题1：
D:\software\Anaconda3\lib\site-packages\h5py_init_.py:36: FutureWarning: Conversion of the second argument of 				   issubdtype from float to np.floating is deprecated. In future, it will be treated as np.float64 == np.dtype(float).type.
from ._conv i]]></description><category></category></item><item><title><![CDATA[Jupyter notebook的一些问题]]></title><link>https://blog.csdn.net/Priplex/article/details/109632017</link><guid>https://blog.csdn.net/Priplex/article/details/109632017</guid><author>Priplex</author><pubDate>Thu, 12 Nov 2020 23:23:42 +0800</pubDate><description><![CDATA[Jupyter notebook的一些问题1. Jupyter notebook中出现Kernel errors时
1. Jupyter notebook中出现Kernel errors时
	1）首先进入虚拟环境
	2）输入 conda install pywin32]]></description><category></category></item><item><title><![CDATA[Tensorflow-cpu 2.x安装——环境搭建(4)]]></title><link>https://blog.csdn.net/Priplex/article/details/109648289</link><guid>https://blog.csdn.net/Priplex/article/details/109648289</guid><author>Priplex</author><pubDate>Thu, 12 Nov 2020 17:27:57 +0800</pubDate><description><![CDATA[亲测Tensorflow-cpu 2.x安装，Jupyter notebook可运行1. 创建环境2. 进入环境3. 安装tensorflow-cpu 2.3.0版4. 测试是否成功5. 退出python交互环境6. 使之能够在Jupyter notebook中运行7. 进入jupyter notebook8. 验证注意碰到下面情况，输入y就可以了
1. 创建环境
conda create -n tensorflow2 python=3.7

2. 进入环境
activate tensorflow2


3]]></description><category></category></item><item><title><![CDATA[conda创建虚拟环境失败的解决办法]]></title><link>https://blog.csdn.net/Priplex/article/details/109647632</link><guid>https://blog.csdn.net/Priplex/article/details/109647632</guid><author>Priplex</author><pubDate>Thu, 12 Nov 2020 16:52:42 +0800</pubDate><description><![CDATA[创建环境失败的办法解决方法1. 添加环境变量解决方法2. 更换源1）清华源如果不行就换，注意换之前需要删除.condarc文件1）科大源
解决方法1. 添加环境变量
	anaconda安装路径下的三个文件添加到环境变量中


解决方法2. 更换源
1）清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirro]]></description><category></category></item><item><title><![CDATA[Tensorflow-cpu 1.x安装——环境搭建(3)]]></title><link>https://blog.csdn.net/Priplex/article/details/109638799</link><guid>https://blog.csdn.net/Priplex/article/details/109638799</guid><author>Priplex</author><pubDate>Thu, 12 Nov 2020 11:30:53 +0800</pubDate><description><![CDATA[亲测Tensorflow安装，Jupyter notebook可运行1. 创建环境2. 进入环境3. 安装cpu版本的tensorflow4. 在jupyter notebook运行tensorflow在当前环境下的命令提示符输入
1. 创建环境
  conda create -n tf_2.0 python=3.5.2


2. 进入环境
  activate tf_2.0


3. 安装cpu版本的tensorflow
 pip install --ignore-installed --upgrade ]]></description><category></category></item><item><title><![CDATA[Tensorflow安装——环境搭建(2)]]></title><link>https://blog.csdn.net/Priplex/article/details/109622575</link><guid>https://blog.csdn.net/Priplex/article/details/109622575</guid><author>Priplex</author><pubDate>Wed, 11 Nov 2020 16:14:49 +0800</pubDate><description><![CDATA[Tensorflow安装
先强调一下，对人tensorflow，本人是新手，以下仅来自于本人在安装过程中的心得，希望大家批评、指正。

1. 创建虚拟环境
	1）进入conda命令提示符窗口
	2）conda create -n your-env-name python=版本 (例：3.7)


...]]></description><category></category></item><item><title><![CDATA[深度学习——环境搭建(1)]]></title><link>https://blog.csdn.net/Priplex/article/details/109608909</link><guid>https://blog.csdn.net/Priplex/article/details/109608909</guid><author>Priplex</author><pubDate>Tue, 10 Nov 2020 23:03:52 +0800</pubDate><description><![CDATA[conda命令行窗口使用conda虚拟环境conda常用命令对虚拟环境的操作Anaconda 修改文件保存路径第三方库版本的更新(Tensorflow为例)
conda虚拟环境
conda常用命令

conda list   查看conda的包
conda env list 或 conda info -e 查看当前存在哪些虚拟环境
activate 虚拟环境名  切换环境
conda deactivate   退出该虚拟环境，并切换到base环境
conda update conda 检查更新当前conda]]></description><category></category></item><item><title><![CDATA[Anaconda 修改文件保存路径]]></title><link>https://blog.csdn.net/Priplex/article/details/107794799</link><guid>https://blog.csdn.net/Priplex/article/details/107794799</guid><author>Priplex</author><pubDate>Tue, 04 Aug 2020 18:45:43 +0800</pubDate><description><![CDATA[1.打开Anaconda Prompt
输入jupyter notebook --generate-config生成配置文件~\.jupyter\jupyter_notebook_config.py

2.打开~.jupyter\jupyter_notebook_config.py
修改  #c.NotebookApp.notebook_dir = ’ ’ 为下一行
c.NotebookApp.notebook_dir =‘D:\WangyusSoftware\Anaconda\pythonNotebook]]></description><category></category></item></channel></rss>