学无止境、积少成多、厚积薄发

机器学习模型的应用一般会经历两个主要过程：1、离线开发2、线上部署离线部分负责模型训练和导出模型，线上部分负责导入模型并且做预测。以上图片来自：https://zhuanlan.zhihu.com/p/30378213一、PMML简要介绍PMML（Predictive Model Markup Language,PMML)）是一套基于XML标准，与平台和环境无关的模型表示语言。它主要是通过了XML schema定义和储存了一个算法模型的核心元素：数据字典：描述输入数据数据转换：定义了

标题的名字起的有点大，其实就是给自己二点电脑配置Java环境。。。最近被安排了非深度学习算法的活，主要做回归预测，幸好上学那会搞过一段时间数据挖掘，上手也比较快，没有太折磨人。。。训练好的机器学习模型需要导出为PMML格式的文件，然后给搞开发的人调用，他们指定要PMML格式的文件。在导出的过程中，需要Java环境，因此做一个记录，仅此而已，技术含量为0。还有，Java版本也被限定为1.8，就这样吧，开启配置教程。1、下载JDK根据自身的需要，下载相应的JDK版本，在此教程中，下载的JDK版本为：

从图像处理到数据分析。。。硬接活啊，就当做对自己的一种历练了。需求介绍：读入的数据表格中有很多缺失值，由于数据量很大，不需要对缺失值进行中值填充、均值填充，直接删除即可。每一条数据都有很多特征。。。像这样：x1,x2,x3,x4,nan,x6,x7,yx表示特征值，y表示该条数据的标签，nan表示空值废话不多说，直接上代码：导包、构建虚拟的数据集import numpy as npimport pandas as pdn = 7DataList = [[str(n-i) for j i

版本：numpy=1.19.3python=3.6一、 (n,1) 转 (n,)代码：import numpy as npa = np.array([[12],[26],[40],[66]])print(a.shape)result：(4, 1)将（4,1）转为（4，）a_post_1 = np.squeeze(a)print(a_post_1.shape)result：(4,)二、 (n,) 转 (n,1)代码：import numpy as npb

PIL:from PIL import Imageimg = Image.open('test.jpg')img.crop(50,60,170,150) # (left, upper, right, lower)img.save('img_cro.jpg')opencv:import cv2img = cv2.imread('test.jpg')img_crop = img[60:150, 50:170] # 裁剪坐标为[y0:y1, x0:x1]cv2.imwrite('im

在本地机器上，高频率重复调用一个API接口，出现“Max retries exceeded with url”，拒绝连接的情况。楼主讲一下，遇到这个bug的过程：在服务器上开发了一个识别图像文字API接口，也部署好了，准备对接口进行测试，楼主准备对本地文件夹中的2000多张图片进行测试，也就是说需要重复调用API接口2000多次。请求接口50多次的时候，接口就不反馈信息了，报错，连接错误，无法连接，一开始以为是网络的问题，然后又重头开始调用直到调了300多次，报错，连接错误，无法连接，一直这么下去大

错误信息：tensor.sub_(mean[:, None, None]).div_(std[:, None, None])RuntimeError: The size of tensor a (4) must match the size of tensor b (3) at non-singleton dimension 0报错原因：维度信息不匹配修改之前：image = Image.open(image_path)修改之后：image = Image.open(image_path)

需求：把项目里的 pyc 文件反编译出来，查看接口函数的逻辑解决方案：uncompyle6可将python字节码转换回等效的python源代码，它接受python 1.3版到3.8版的字节码具体实施：安装uncompyle6库pip install uncompyle6运行命令uncompyle6 -o resnet.py resnet.cpython-36.pyc # 反编译resnet.cpython-36.pyc文件，输出为resnet.py源码文件参考：https://b

个人的解法，稍微有点复杂，但是逻辑很清晰，请看以下代码。def trim(s): if s=='' or s==' ': res = s else: s_revese = s[::-1] for i in range(len(s)): if s[i]!=' ': break for j in range(len(s)): if s_revese[j

1、一个500毫升的容器和一个300毫升的容器，怎样才能量出400毫升水？（容器上没有刻度）解答： 先用300毫升容器量300毫升的水，然后倒入500毫升容器中，然后再用300毫升容器量300毫升水，然后将500毫升容器装满，这时300毫升容器中还有100毫升的水，这时可以将500毫升容器中的水全部倒出，再将300毫升容器中剩余的100毫升水倒入500毫升的容器中，然后再用300毫升的容器量取300毫升的水倒入500毫升的容器中，这时500毫升的容器中剩余的就是400毫升的水。还有一些类似的题目：用一个

解决Python开发过程中依赖库打包问题的方法：激活项目所在的虚拟环境切换到项目所在的目录输入命令：pip freeze > requirements.txt在项目所在目录下回生成一个requirements.txt在txt里面存放该虚拟环境下所有的依赖库名字和版本号。安装命令：pip install -r requirements.txt使用于服务器部署时较为合适。...

今天记录一下很伤悲（SB）的bug：AttributeError: module ‘cv2’ has no attribute ‘imread’准备学习一下opencv-python中的resize()函数，然后新建了一个.py脚本import cv2img = cv2.imread("audi.jpg")# 后面还有很多代码，不输入了运行代码，AttributeError: module ‘cv2’ has no attribute ‘imread’此时我一脸懵逼，难道环境崩了？op

改变图像大小意味着改变图像尺寸，无论是单独的高或宽，还是两者同时改变，当然，也可以按比例调整图像大小。下面深入学习一下opencv-python中的resize()函数。一、语法：函数原型：cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])参数解释：src【必需】原图像dsize【必需】输出图像所需大小fx【可选】沿水平轴的比例因子fy【可选】沿垂直轴的比例因子interpolatio

输入命令查看内存使用情况：df -h发现 /dev/sda6 这个目录下可使用内存基本上没有了，先需要对其进行清理缓存切换到pip目录下cd ~/cache/pip为了防止直接删除出错，先将要删除的文件复制一份到有空间的目录下。...

在利用下面的语句指定GPU为仅为"1"，但是用nvidia-smi查看GPU使用时，仍默认为"0"import ioimport osimport timeimport jsonimport cv2import numpy as npfrom flask import Flask, jsonify, requestfrom *** import **** # torch等，举个例子os.environ['CUDA_VISIBLE_DEVICES'] = '1'解决方案：将上述语句放

直接输入以下命令：timedatectl set-local-rtc 1timedatectl set-timezone Asia/Shanghai或者管理员命令：sudo timedatectl set-local-rtc 1sudo timedatectl set-timezone Asia/Shanghai参考：https://blog.csdn.net/dmjkun/article/details/118936017...

1、东北大学带钢表面缺陷数据集数据集收集了夹杂、划痕、压入氧化皮、裂纹、麻点和斑块6种缺陷，每种缺陷300张，图像尺寸为200×200。数据集包括分类和目标检测两部分，不过目标检测的标注中有少量错误，需要注意。2、Severstal 带钢缺陷数据集该数据集中提供了四种类型的带钢表面缺陷。训练集共有12568张，测试集5506张。图像尺寸为1600×256。3、UCI 带钢缺陷数据集该数据集包含了7种带钢缺陷类型。这个数据集不是图像数据，而是带钢缺陷的28种特征数据，可用于机器学习项目。钢板故障

import torchimport torchvisionimport torchvision.transforms as transformstransform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5), (0.5))])trainset = torchvision.datasets.MNIST(root='./data', train=True, download...

在打开终端tensorboard --logdir X_folder --port NNNN --host XXX.XX.XXX.XXX_folder : 日志存放地址(文件夹名称)NNNN：端口号XXX.XX.XXX.XX：服务器ip地址本地浏览器输入：XXX.XX.XXX.XX：NNNN参考：https://zhuanlan.zhihu.com/p/363921798...

import numpy as npimport randomimport cv2def sp_noise(image,prob): ''' 添加椒盐噪声 prob:噪声比例 ''' output = np.zeros(image.shape,np.uint8) thres = 1 - prob for i in range(image.shape[0]): for j in range(image.shape[1]):