MMCV组件1
MMCV核心组件FileHandler 注意：在2.0.0版本以后，FileHandler和FileClient的功能已经转到mmengine中了(它们在mmengine.fileio模块中)，但是功能和用法大体不变，导入和使用方式如下： 123456789101112# 在2.0.0半本以后，mmcv.load 函数已经被移除。在新版本中，# 此功能已经被重新设计和整合到了 mmcv.co
MMseg1
MMseg教程(1) 配置文件的结构： config: ├─ _base_ ├ ├─datasets ├ ├─models ├ └─schedules ├─ unet ├─ upernet ├─ vit ├─ ... config文件夹下有各种模型的配置文件夹，各个模型配置文件夹下装有该模型的不同网络，在不同的数据集下的配置，由于配置有很多的相似部分，因此这些配置都继承
Effective Python note(2)
Effective Python note(2) 类与继承： 尽量用辅助类来维护程序的状态，而不要用字典和元组 在Python编程中，当需要在程序中维护状态时，应该优先考虑使用自定义的辅助类（辅助类是指那些主要用于封装数据和行为的类），而不是依赖于内置的字典（dict）或元组（tuple）类型。这是因为随着程序的复杂性增加，使用字典和元组可能会导致代码难以理解和维护 主要考虑两点： 代
Effective Python note(1)
Effective Python note(1) Pythonic： PEP8 的一些重要规范： 每行字符数不超过79 长表达式换行时，首行后每行额外缩进4个空格 文件中函数与类间用两个空行分隔 同一类内各方法间用一个空行隔开 函数、变量及属性命名使用小写字母并以下划线相连，如 lowercase_underscore 受保护实例属性以单下划线开头，例如 _leading_undersco
Python-glob
Python 标准库——glob 模块 glob 是 Python 标准库中的一个模块，它提供了一种简单的方式来查找符合特定模式的文件路径。这个模块特别适用于在文件系统中搜索文件，它支持多种通配符： *：匹配任意数量（包括零个）的字符 ?：匹配任意单个字符 []：匹配指定范围内的字符，例如 [a-z] 匹配任意小写字母，[0-9] 匹配任意数字 [!...]：匹配不在指定范围内的字符 gl
Pytorch多GPU并行
Pytorch多GPU并行 在PyTorch中，多GPU并行确实可以分为数据并行（Data Parallelism）和模型并行（Model Parallelism），这两种并行策略针对不同的并行化需求 数据并行（Data Parallelism）： 数据并行是最常见的并行策略，它通过将数据集分割成多个小batch，然后在多个GPU上并行处理这些部分。每个GPU上运行相同的模型副本，独立地计
Segformer(2)
Segformer 论文详解： 在SegFormer提出时，transformer已经开始在图像领域展露头角。在此之前，SETR最早将transformer结构引入到了语义分割任务中。SETR采用ViT作为backbone，并结合多个CNN decoder来放大特征分辨率。但是SETR具有两个局限性： 没有利用 multi-scale 特征 具有非常高的计算消耗 为了解决上述问题，pyr
segformer(1)
Segformer 代码结构分析 MMSegmentation 算法库的整体框架 MMSegmentation 是 OpenMMLab 开源的基于 PyTorch 实现的功能强大的语义分割工具箱，MMSegmentation 的主要特性如下： 丰富的语义分割模型： 已支持 11 种主干网络和 34 种算法，例如常用模型 FCN， PSPNet 和 DeepLabV3；Transforme