提出问题 在python中利用pip安装lab这个库时安装不了，存在如下报错： 解决方案 利用conda进行该库的安装，但直接使用conda install lab命令，也会出错。需进行如下两条命令才可安装lab库。 ##更新conda，否则会出现错误 conda update -n base -c defaults conda ##安装lap库 conda install -c conda-forge lap 如果不更新conda，可能会出现如下错误：
提出问题 （1）如果一台服务器B上放不下所有数据，部分数据需要放到另一台服务器A上，需要涉及把服务器B上的数据共享给服务器A，使得A可以看到B上的内容 （2）如果服务器B上的显卡不足，如何借用A服务器上显卡跑测试代码？即使用B做训练，A测试；或者B做训练、测试，A做对比实验，提高效率。 解决方案 使用nfs实现文件夹共享 B（IP为：IP_B） 作为服务端，共享数据给A（IP为：IP_A） 具体步骤 针对B作为服务端 在B上安装nfs server，命令如下： sudo apt-get install nfs-ke…
提出问题 最近因为项目原因，需要测试一批C++代码，并且还有个需求，要求把c++代码封装成python可以直接调用的库。虽然之前听说过可以这样做，而且python底层也是c++写的，所以之前只用，而没思考过这个问题，因此，此次做了一个尝试。 解决问题 其实该问题的解决主要依赖一个名为pybind11的接口。下面详细介绍一下封装过程。 首先通过链接下载pybind11，最好与C++工程放在同一级目录，且无需像其他第三方库源码一样编译，直接放入目录中即可。 在C++源码工程中配置相关第三方库的配置（这里我主要导入了相关…
最近新配了几个硬盘，有在Linux下进行安装，也有在Windows下进行安装的。这里简单记录一下实现过程。 1.Windows下安装硬盘 注意一点：需要先格式化才可使用，过程很简单 2.Linux下安装及永久挂载硬盘 安装过程与Windows一致，启用与挂载需要注意一下: 我的硬盘是8T的，大于2T的硬盘挂载方式有所不同，需要注意！ 以下是详细的硬盘挂载链接：2T与8T硬盘挂载过程 按照这里面的教程一步步完成永久挂载即可。教程内容非常详细，放心食用！ 这里也有更详细的8T教程：8T硬盘挂载教程 3.硬盘只读问题 挂…
提出问题 深度学习中常常会做大量的对比实验和消融实验，避免不了需要不停地进行图像对比分析、同时也存在例如目标检测后需要可视化标注的问题，这时候就在想？能不能有些工具简洁化这些耗时耗力的工作。答案现在是“肯定的”。 解决方法 废话不多说，先上小工具的链接。 （1）图像对比分析（showdata） （2）图片可视化（alfred） 下面逐一介绍这两个小工具。 showdata工具 安装方法 pip install showdata 应用方式 （1）直接切换到需要影像显示的文件夹路径，运行命令： showdata ser…
Hello，大家好呀！今天来记录一下自己在Ubuntu20.04中进行Docker镜像安装和深度学习框架的过程。 大家都知道使用深度学习的过程中非常依赖于软硬件的配置、环境的搭建。当我们在Linux系统中配置好适用的环境时，有时会和我们需要训练的代码不兼容，难道这时候只能将系统重装、环境重新配置吗？No!No!No!这样会极大的降低咱们学习的效率，增加成本（实际上，就是觉得太麻烦了！毕竟配环境已经很容易Bug百出了） 所以，这个时候咱们只能寻找有没有更简单的方法，最好能把单独的环境打包使用。Docker就很好地解决…
提出问题 遥感专用深度学习框架LuoJiaNet是武大龚健雅院士团队牵头研发的，有幸我也参与其中。该框架致力研发的遥感专有深度学习框架，具备大幅面训练、推理和遥感专有知识嵌入等等特点。具体可参考该链接LuoJiaNet。本篇博文主要从基础开始，学习LuoJiaNet框架的源码安装。目前该框架也推出了pip形式的安装，但局限性较大，必须搭配cuda10.x才行。而我目前拿到的机器是RTX 3090显卡，需要配置的cuda必须要11.0以上。因此，我们需要从源码开始编译安装。 安装步骤 为了方便后续环境的迁移，以及不打…
提出问题 RTX 3090安装gdal安装包时，出现错误，提示：“ModuleNotFoundError: No module named '_gdal'” 问题，追根溯源，发现报错上方还提示：“ImportError: /lib/x86_64-linux-gnu/libstdc++.so.6: version `GLIBCXX_3.4.29' not found”该错误。最终查询问题是要更新升级libstdc++6 版本。 解决方法 主要参考该链接：libstdc++6更新 具体步骤如下： # 如果第一个命令无法…
（1）数据准备：打开需要制作标签的影像数据 （2）新建两个shapefile面要素，注意保持与影像坐标一致 编辑，导入影像即可设置坐标一致。 两个shapefile：mask，用于制作裁剪边框；label，用于打标签。 （3）用mask分别裁剪影像和label。 裁剪影像： 注意配置环境： 设置处理范围与mask相同！！！很重要啊！不然转成tif时，会出现黑色边框，无语！ 裁剪label： 这个也一样，需要设置环境里的处理范围，与mask一致即可。 对裁剪好的label文件，设置id字段值为255 （4）裁剪好的影…
