网站打开慢是什么原因,网站建设信息安全要求,招网站建设人员,南山做网站多少钱作者 | Fengwen、BBuf 本文主要介绍在One-YOLOv5项目中计算mAP用到的一些numpy操作#xff0c;这些numpy操作使用在utils/metrics.py中。本文是《YOLOv5全面解析教程④#xff1a;目标检测模型精确度评估》的补充#xff0c;希望能帮助到小伙伴们。 欢迎Star、试用One-YOLOv… 作者 | Fengwen、BBuf 本文主要介绍在One-YOLOv5项目中计算mAP用到的一些numpy操作这些numpy操作使用在utils/metrics.py中。本文是《YOLOv5全面解析教程④目标检测模型精确度评估》的补充希望能帮助到小伙伴们。 欢迎Star、试用One-YOLOv5 https://github.com/Oneflow-Inc/one-yolov5 用到的numpy操作比如np.cumsum()、np.interp()、np.maximum.accumulate()、np.trapz()等。接下来将在下面逐一介绍。 import numpy as np np.cumsum() 返回元素沿给定轴的累积和。 numpy.cumsum(a, axisNone, dtypeNone, outNone)源码(https://github.com/numpy/numpy/blob/v1.23.0/numpy/core/fromnumeric.py#L2497-L2571) 参数 a:数组 axis: 轴索引,整型若a为n维数组则axis的取值范围为[0,n-1] dtype: 返回结果的数据类型若不指定则默认与a一致n out: 数据类型为数组。用来放置结果的替代输出数组它必须具有与输出结果具有相同的形状和数据缓冲区长度 返回 沿着指定轴的元素累加和所组成的数组其形状应与输入数组a一致 更多信息请参阅读: 1.API_CN(https://www.osgeo.cn/numpy/reference/generated/numpy.cumsum.html?highlightcumsum#numpy.cumsum) 2.API_EN(https://numpy.org/doc/stable/reference/generated/numpy.cumsum.html?highlightcumsum#numpy.cumsum) np.cumsum(a) # 计算累积和的轴。默认无是在展平的数组上计算cumsum。 array([ 1, 3, 6, 10, 15, 21]) a np.array([[1,2,3], [4,5,6]])
np.cumsum(a, dtypefloat) # 指定输出的特定的类型 array([ 1., 3., 6., 10., 15., 21.]) np.cumsum(a,axis0) # 3列中每一列的行总和 array([[1, 2, 3], [5, 7, 9]]) x np.ones((3,4),dtypeint)
np.cumsum( x ,axis0) array([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]]) np.cumsum(a,axis1) # 2行中每行的列总和 array([[ 1, 3, 6], [ 4, 9, 15]]) np.interp() 参数 x: 数组待插入数据的横坐标 xp: 一维浮点数序列原始数据点的横坐标如果period参数没有指定那么就必须是递增的 否则在使用xp xp % period正则化之后xp在内部进行排序 fp: 一维浮点数或复数序列 原始数据点的纵坐标和xp序列等长. left: 可选参数类型为浮点数或复数对应于fp值 当x xp[0]时的插值返回值默认为fp[0]. right: 可选参数类型为浮点数或复数对应于fp值当x xp[-1]时的插值返回值默认为fp[-1]. period: None或者浮点数可选参数横坐标的周期 此参数使得可以正确插入angular x-coordinates. 如果该参数被设定那么忽略left参数和right参数 返回 浮点数或复数对应于fp值或ndarray. 插入数据的纵坐标和x形状相同 注意 在没有设置period参数时默认要求xp参数是递增序列 # 插入一个值
import numpy as np
import matplotlib.pyplot as plt
x 2.5
xp [1, 2, 3]
fp [3, 2, 0]
y np.interp(x, xp, fp) # 1.0
plt.plot(xp, fp, -o)
plt.plot(x, y, x) # 画插值
plt.show() # 插入一个序列
import numpy as np
import matplotlib.pyplot as pltx [0, 1, 1.5, 2.72, 3.14]
xp [1, 2, 3]
fp [3, 2, 0]
y np.interp(x, xp, fp) # array([ 3. , 3. , 2.5 , 0.56, 0. ])
plt.plot(xp, fp, -o)
plt.plot(x, y, x)
plt.show() np.maximum.accumulate 计算数组或数组的特定轴的累积最大值 import numpy as np
d np.random.randint(low 1, high 10, size(2,3))
print(d:\n,d)
c np.maximum.accumulate(d, axis1)
print(c:\n,c) d: [[1 9 5] [2 6 1]] c: [[1 9 9] [2 6 6]] np.trapz() numpy.trapz(y, xNone, dx1.0, axis- 1) 使用复合梯形规则沿给定轴积分。 import matplotlib.pyplot as plt
import numpy as np
y [1, 2, 3] ; x [i1 for i in range(len(y))]
print(np.trapz(x))
plt.fill_between(x, y)
plt.show() # (1 3)*(3 - 1)/2 4 4.0 import matplotlib.pyplot as plt
import numpy as np
y [1, 2, 3]
x [4, 6, 8]
print(np.trapz(y,x))
plt.fill_between(x, y)
plt.show() # (3 1)*(8 - 4) / 2 8 8.0 参考资料 1. numpy API文档 CNhttps://www.osgeo.cn/numpy/dev/index.html 2. numpy API文档 ENhttps://numpy.org/doc/stable/reference/index.html 3. axis的基本使用https://www.jb51.net/article/242067.htm 其他人都在看 OneFlow v0.9.0正式发布 从0到1OpenAI的创立之路 一块GPU搞定ChatGPTML系统入坑指南 YOLOv5解析教程目标检测模型精确度评估 比快更快开源Stable Diffusion刷新作图速度 OneEmbedding:单卡训练TB级推荐模型不是梦 GLM训练加速性能最高提升3倍显存节省1/3 欢迎Star、试用OneFlow最新版本GitHub - Oneflow-Inc/oneflow: OneFlow is a deep learning framework designed to be user-friendly, scalable and efficient.OneFlow is a deep learning framework designed to be user-friendly, scalable and efficient. - GitHub - Oneflow-Inc/oneflow: OneFlow is a deep learning framework designed to be user-friendly, scalable and efficient.https://github.com/Oneflow-Inc/oneflow/
