Twig's Blog

 輸入阻抗是一個名詞定義，阻抗包含電阻與電抗，剛接觸電路可以先把阻抗當成電阻就好。 當老師說，「看這個電路的輸入阻抗」時，代表是 從電壓的輸入端 ，看整個電路中 所有 有接地的電阻 ，並且在圖示上，都會把這些電阻畫成一個電阻(等效的)，他就叫做輸入阻抗。 相反的，輸出阻抗也是名詞定義，代表在看電路時，是 從電壓輸出端 去看整個電路中 所有 有接地的電阻 ，一樣在圖示上，會把他們視為一個電阻(等效的)，稱作這個電路的輸出阻抗。 我課本上的例子是 輸入阻抗 不等於 輸出阻抗 ，但我也不知道是不是都不等於。

情況： 從csv檔，用panda讀做dataframe，分析資料，在畫圖時遇到的問題

freesurfer目前只有支援linux以及mac os系統，要在windows上跑的話需要用虛擬機開。 如果沒有安裝matlab的人，建議可以先跳到第五步安裝matlab，因為freesurfer需要matlab作為依賴。

在訓練模型時，需要大量的訓練資料，這時就會需要許多公開的數據集，在動作偵測(pose estimation)方面，<strong>標注資料是人體關節</strong>(keypoint)的數據集很多，COCO 就是其中一個。 <br /><br /> 而且在 github 上找 code 的時候，因為數據集龐大的關係，所以並不會把訓練資料一併上傳至 repository 裡，因此需要自行去找到數據集下載。 <br /><br /> 廢話不多說，開始吧。 <br /><br /><br /> > coco 首頁 找到 coco的網站 ，點開上排導覽列的Dataset，進入Download頁面，會有很多連結： 中間 是圖片下載，都有標示年份、用途、資料集大小 右邊是標註的資料，這個是訓練的答案，答案有很多種類，keypoint跟segmentation都有， coco dataset存放是用json格式 。 左邊是coco dataset自製for拿圖片對應的答案的python package(github) > coco 資料集下載處 用facebook家的DensePose舉例，他自己有標註資料，但是用的圖片還是coco dataset的。 怎麼看 github 的 code 用的是哪個dataset的? 這個會需要你去翻一下reopsitory，以DensePose來說，像是 INSTALL.md 和 get_DensePose_COCO.sh 都可以知道訓練集是使用coco 2014的dataset。 如果是單純用2014年的coco dataset做訓練，要下載的有： 2014 Train images [83K/13GB] 2014 Val images [41K/6GB] 2014 Train/Val annotaions [241MB] 如果是要用dense pose的dataset，則只需下載圖片，annotation要另外下載： 2014 Train images [83K/13GB] 2014 Val images [41K/6GB]

Occluded Human Dataset bounding box(bbox)儲存跟COCO dataset不一樣： OCHuman是直接儲存兩組座標： 頂點座標 ， 對象頂點座標 COCO則是儲存一組座標和bounding box的寬長： 左下座標 ， 寬長 證據 OCHuman Api 裡頭Demo用來畫bounding box的function是opencv的cv2.rectangle OCHumanApi/ochumanApi/vis.py cv2.rectangle(影像, 頂點座標, 對向頂點座標, 顏色, 線條寬度) 所以舉例[333,175,513,600]是由(333,175)跟(513,600)兩組座標組成。 cv2.rectangle(影像, ( 333 , 175 ), ( 513 , 600 ), 顏色, 線條寬度) bbox 格式對照 ochuman dataset [xmin, ymin, xmax, ymax] coco dataset [x, y, width, height] 參考 Python 與 OpenCV 加入線條圖案與文字教學 by G. T. Wang

不論用的是哪個低階，中階，高階API，像tf.estimator, tf.keras, tf.layer, tf.nn，在人工智慧領域中，訓練模型是一回事，要可以使用訓練完成的模型，還需要知道各個API訓練好的 模型儲存的方式 。 對應檔名 tf.keras .h5 tf.estimator, tf.layer, tf.nn .ckpt 、 .pb .ckpt檔 說明 變量 (Variables) 是被以 binary 的方式儲存成一個 checkpoint 檔 (.ckpt)，簡單的說它儲存了變量 (variable) 的名字和對應的張量 (tensor) 數值． Q:如果想查看ckpt中的網路結構和參數的話要怎麼做？ 參考 2016年的stackoverflow回答 ，tensorflow官方有提供方法，在 inspect_checkpoint.py 檔案裡，有函數 print_tensors_in_checkpoint_file() 可以使用 # tensorflow version: 1.12.3 from tensorflow.python.tools.inspect_checkpoint import print_tensors_in_checkpoint_file print_tensors_in_checkpoint_file(file_name= './model.ckpt' , tensor_name= '' , all_tensor= False ) all_tensors 如果為True，會把全部的數值都印出來，正常來說只需要tensor name和tensor values的shape，所以 all_tensor =False就好了