python-learning-notes

Project

    ├── dataset
    ├── modules
    ├── tutorial
    ├── script
    ├── utils
    ├── coco_demo.py
    ├── convert_voc_to_line_dataset.py
    ├── convert_voc_to_text_dataset.py
    ├── face_body_text_dataset.py
    ├── demo_test.py
    ├── README.md
    ├── setup.py
    └── voc_demo.py

Data

line_dataset

[image_path,boxes_nums,x1, y1, w, h, label_id,x1, y1, w, h, label_id,...]

text_dataset

[label_id,x,y,w,h]

Linux CMD

统计当前文件夹下文件的个数，包括子文件夹里的

ls -lR|grep "^-"|wc -l

统计文件夹下目录的个数，包括子文件夹里的

ls -lR|grep "^d"|wc -l

软链接文件:“ln –s 源文件目标文件”(类似与windows的快捷方式)

ln -s / /home/good/linkname

get val2017_gt file list and save in val2017_gt.txt

ls val2017_gt|less > val2017_gt.txt

get val2017_gt file list ID and save in val2017_gt.txt

ls val2017_gt|awk -F "." '{print $1}'|less > val2017_gt.txt

ls facebank_DMFR_V1|head -n 3000 |awk '{print "cp -rf facebank_DMFR_V1/"$0, "DMAI" }'|sh

Bash shell中的位置参数

$0是脚本本身的名字
$1是传递给该shell脚本的第一个参数
$2是传递给该shell脚本的第二个参数

Device

CUDA_VISIBLE_DEVICES: 选择特定的GPU运行程序
OMP_NUM_THREADS: 控制OpenMP并行线程数
MKL_NUM_THREADS: MKL函数使用的多线程的数目

需要说明的是，Intel MKL 提供的多线程设置的方法，优先级要高于OpenMP的方法。比程序中，同时设置了下面的环境变量： export MKL_NUM_THREADS =1 export OMP_NUM_THREADS =4 此时，程序中，MKL的函数将会运行一个线程

Ref: https://www.cnblogs.com/tibetanmastiff/p/mkl.html

OMP_NUM_THREADS=1 MKL_NUM_THREADS=1 CUDA_VISIBLE_DEVICES=4,5,6,7 python demo.py

pyinstaller打包

常用命令：pyinstaller -F -w pyinstaller_demo.py

-F 表示生成单个可执行文件(注意大小写)
-w 表示去掉控制台窗口，这在GUI界面时非常有用。不过如果是命令行程序的话那就把这个选项删除吧！
-p 表示你自己自定义需要加载的类路径，一般情况下用不到
-i 表示可执行文件的图标

常见的错误:problem:'No module named 'setuptools._vendor'' OR 'str' object has no attribute 'items'

pip install --upgrade setuptools

CUDA Error

conda install -c anaconda cudnn
pip install tensorflow-gpu==1.14.0
conda install cudatoolkit==10.0

xiatianjian/python-learning-notes

About

Resources

Stars

Watchers

Forks

Releases

Packages 0

Languages

Packages