wandbUpload images 12images = wandb.Image(data[0], caption=label[0])wandb.log({"image": images}) Upload logs 1234wandb.log(step=epoch + 1, data={'train_loss'

data augmentation 粗分类 Image space augmentation Geometric Transformations Color Space Transformations RandomRrase/GridMask Mixup/Cutmix Mosaic Feature space augmentation MoEx MixStyle GAN-bas

旁路由入坑玩耍体会最近不知道为啥，对路由器着了魔，最开始是看了软路由的相关信息，后面又看了旁路由，觉得先从旁路由入手玩玩吧，等后期有空了再继续玩软路由。 参考文章 https://www.bilibili.com/read/cv6354709/ https://oeone.cn/archives/486.html https://www.ktsee.eu.org/2020/01/n1.html 旁

markdown转google doc的简单方法 打开stackedit复制 markdown 内容，生成文档预览（是个灰色背景） 打开 开发控制台，输入 $('.layout__panel--preview').style.backgroundColor = '#fff' ,更改灰色背景为白色 复制 预览内容 粘贴 内容至 google docs 文档中

Transfer learning看这里 Semi-DG-Segmentation Semantic Segmentation With Generative Models: Semi-Supervised Learning and Strong Out-of-Domain Generalization Daiqing Li Junlin Yang Karsten Kreis Antoni

前言这半年来一直在跟着沐神学习动手学习深度学习的课程，其实前面也已经举办过两场比赛了，但是我都还没写前面的总结，就从这一次开始吧。这次是目标检测的竞赛，主要是对于牛仔行头的检测，检测主要包括：牛仔夹克、墨镜、靴子、牛仔帽、腰带等五个类别。对于这种目标检测的竞赛，其实大家都很少用自己的代码了，主要是在使用各种代码库。我自己贡献了使用mmdetection来做这个比赛的代码，其他选手贡献了使用YOLO

错误信息： 1RuntimeError: cuda runtime error (11) : invalid argument at /pytorch/aten/src/THC/THCGeneral.cpp:405 参考：https://discuss.pytorch.org/t/a-error-when-using-gpu/32761 原因： 多GPU测试 PyTorch版本与显卡不兼容

YOLO的本质YOLOv1的本质其实就是暴力回归物体的边界框和类别信息。 YOLO需要中心点的意义 上图为YOLO的简单介绍，这里我们可以看到，特征图上对应物体中心点的像素位置才会给出物体的类别和边界框。其他的为背景。 中心点重要的作用是可以起到“定位中心的作用” 因为随着卷积层不断的加深，图片内所有目标的信息都会向各自中心点靠拢收缩，因此中心点实际上起到了标识目标所在位置的作用。 如果不划分网格

死锁问题最近运行代码的时候老是遇到代码卡死的问题，报错如下： 1234567891011121314151617181920Traceback (most recent call last): File "train.py", line 265, in <module> main() File "train.py", line 262,

参考链接 https://blog.csdn.net/weixin_36604953/article/details/102652160