静看岁月

axes 与 pandas画图的区别：若data 为 dataframe 对象1、调用 ax3 画图的时候 bar() 等方法里面有两个参量 data.index 和 data ，分别是这张图的x轴类别和y轴高度。2、 用pandas画图的时候，我们只用把 data 对象放在前面，它就能自动识别出 data 里面的 index 和 value 。...

GBIC(Gigabit Interface Converter的缩写)，是将千兆位电信号转换为光信号的接口器件SFP （Small Form-factor Pluggable）可以简单的理解为GBIC的升级版本。中文名 光模块外文名 Gigabit Interface Converter很多人不清楚sfp与sfp+的区别，所以有时候带来不必要的麻烦。10G模块经历了从300Pin，XEN...

上拉电阻：将一个不确定的信号（高或低电平），通过一个电阻与电源VCC相连，固定在高电平。下拉电阻：将一个不确定的信号（高或低电平），通过一个电阻与地GND相连，固定在低电平。上、下拉电阻的作用：一般说法是上拉增大电流，下拉电阻是用来吸收电流。1、当 TTL 电路驱动 CMOS 电路时，如果电路输出的高电平低于 CMOS 电路的最低高电平 （一般为 3.5V）， 这时就需要在 TTL 的输出...

1、从减小回路电感的角度来谈这个摆放距离问题2、 理解去耦半径，考察噪声源和电容补偿电流之间的相位关系。当芯片对电流的需求发生变化时，会在电源平面的一个很小的局部区域内产生电压扰动，电容要补偿这一电流（或电压），就必须先感知到这个电压扰动。信号在介质中传播需要一定的时间，因此从发生局部电压扰动到电容感知到这一扰动之间有一个时间延迟。同样，电容的补偿电流到达扰动区也需要一个延迟。因此必然造成噪声...

1、串扰的产生串扰是指信号在传输通道上传输时，因电磁耦合对相邻传输线产生的影响。串扰分为容性耦合串扰和感性耦合串扰。如图所示，线AB 有信号，此传输线称为动态线，与动态线AB 相邻的传输线CD 称为静态线，此线产生耦合信号。其中，由耦合电容产生的串扰信号在受害网络上可以分为前向串扰和反向串扰Sc,这两个信号极性相同；由耦合电感产生的串扰信号也分成前向串扰串扰和反向串扰Sl，这两个信号极性相反...

1、使用中出现内存慢慢爆满的情况Pycharm的加载数据量空间是有限的，所以我们要合理的使用这些空间，比如我训练数据集中的数据的话，光数据图片就有100多G， Pycharm在加载一个工程时会把工程下所有目录路径过一遍，这会影响Pycharm的使用速度：1.加载项目太慢，陷入漫长的等待2.如果项目训练数据过大会报空间不足的错误如何解决这个问题呢？其实并不难搞定。首先在Pycharm文件预...

程序实现了由倾斜文本矩形框 （cx，cy，w，h，ang）到四个角坐标点（x1，y1，x2,y2,x3,y3,x4,y4）的转换 ，由于现有xml格式不符合voc格式要求 ，故先读取读取.xml文件，提出 （cx，cy，w h，ang） 数据 ，再转换到（x1，y1，x2,y2,x3,y3,x4,y4）批量写入ang范围（-90～0~90），坐标系与hough 变换中的相同# coding...

一、背景—工艺过程—字段意义二、特征工程做法三、baseline四、模型stack—用到了 BayesianRidge回归五、比赛入门与跟随１比赛入门与跟随2数据挖掘进阶：kaggle竞赛top代码分享六、做Kaggle比赛，Jdata，天池的经验，看完我这篇就够了。初步改进点有１、删除收率异常２、数据集的时间也有异常值A11-A12=1:00 (有时候会有异常)３、...

一、ssd 训练过程SSD 模型fine-tune和网络架构SSD算法评估：AP， mAP和Precision-Recall曲线二、Faster R-CNN 训练过程Faster R-CNN，可以大致分为两个部分，一个是RPN网络，另一个是Fast R-CNN网络，前者是一种候选框（proposal）的推荐算法，而后者则是在此基础上对框的位置和框内的物体的类别进行细致计算。不管是RPN还...

博主目前正尝试使用DOTA数据集 进行多类别任意方向遥感目标检测一、DOTA数据集论文github OBB -Faster-rcnn Deformable Model1、已按照公式　完成xml　的转换２、由于图片过大，不能直接送入网络,需要裁剪二、训练阶段use the DOTA_devkit to split the data into patches ang merge the ...

博主目前正尝试使用HRSC2016图片1000张多左右，每张舰船约1-3只，分辨率为 1182*827用以finetune textboxes++,实现任意方向的目标的检测训练过程参考：利用caffe-ssd训练物体检测模型中间层可视化一、数据集xml的生成过程以及 检测顺时针四角点的生成过程见博主其它相关记录二 、stage1迭代 20000次gpu内存受限batch_siz...

一、ssd1.caffe源码解析 — caffe.proto2.网络层 prototxt 代码结构详解3.SSD源码解读之ssd_pascal.py(开始训练并产生.protxt)二、 textboxes++ssd caffe 中 ssd_pascal.py定义了相应的层结构，与textbox++中的modelConfig.py 相对应预测时demo_det和 ssdcaffe中 对应...

编译ssd 或者 textbox++ 出现1 File "examples/text/train.py", line 29, in <module> AddExtraLayers(net, False, lr_mult=config['lr_mult']) File "/media/xd/000398040009E3B2/txh_ubuntu/caffe/example...

1、FCN详解２、计算机视觉中upsampling(上采样)的三种方式fcn中的上采样其实就是bilinear filtering，就是数字图像处理的二维插值。将特征图放大，然后用crop层剪去多余的部分，使其和ground truth有一样的尺寸以便计算各个像素的预测值。bilinear filtering可以用卷积的形式实现。和前面conv层不同，deconv中卷积核不是随机的，而是根据放...

1、SSD网络结构Caffe代码 .prototxt中 ：SSD的结构为conv1_1，conv1_2，conv2_1，conv2_2，conv3_1，conv3_2，conv3_3，conv4_1，conv4_2，conv4_3，conv5_1，conv5_2，conv5_3（512），（注意这是：textbox++ 中 13 are inherited from VGG-16.）fc...

每个单词与一个唯一的整数索引相关联， 然后将这个整数索引 i 转换为长度为N的二进制向量（N是词表大小），这个向量只有第 i 个元 素是 1，其余元素都为 0。用 python 实现单词级的 one-hot 编码重要理解samples = ['The cat sat on the mat.', 'The dog ate my homework.']results = np.zeros(sh...

PixelLinkMost state-of-the-art scene text detection algorithms are deep learning based methods that depend on bounding box regression and perform at least two kinds of predictions: text/non-text cla...

感谢：https://blog.csdn.net/JackZhang_123/article/details/78793365

给定一个二叉树，返回它的中序 遍历。示例:输入: [1,null,2,3] 1 \ 2 / 3输出: [1,3,2]进阶: 递归算法很简单，你可以通过迭代算法完成吗？递归法：其实就是三行代码inorderTraversal(root->left);.push_back(root->val);inorderTraversal(roo...