- 博客(53)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 【Spring】idea连接mysql数据库
下载地址：https://dev.mysql.com/downloads/installer/安装server only选项，之后的可以选择默认安装选项。
2024-03-11 11:14:28
519
原创 C++类成员函数作友元 私有权限下的类成员不能作为友元
C++类成员函数作友元class Building { void printRst();//此时printRst()访问权限为privatepublic: Building() { printRst(); }};class Rooms { friend void Building::printRst();//成员函数做友元public: string bedroom; Rooms(string bed, string living) :bedroom(bed), livingRo
2022-02-13 19:53:46
490
转载 【python】argparse
内容转自帮助文档https://docs.python.org/zh-cn/3.7/howto/argparse.html#introducing-positional-arguments位置参数介绍import argparseparser = argparse.ArgumentParser()parser.add_argument("echo")args = parser.parse_args()print(args.echo)运行结果$ python3 prog.pyusage:
2020-12-31 10:03:23
80
原创 【python学习】python装饰器
一 函数初步#普通函数定义与调用def hi(name="nihao"): return "hi" +nameprint(hi())"""hinihao"""#我们可以将函数名赋给一个变量，传递的是引用greet = hiprint(greet())"""hinihao"""#函数无返回值时输出Nonedef hi(name="nihao"): print( "hi" +name)print(hi())函数形参调用顺序a,接收单个参数*args接收元组型参数
2020-12-14 09:48:46
958
原创 vs2019+win10+anaconda——C++调用python程序
1.创建C++空项目，更改为Release x64版本，选择x64是因为我安装的python是64位的2.在右侧解决方案中打开属性，在VC++目录中的包含目录中添加Include目录，我安装的是虚拟环境，故目录为库目录为在链接器——>输入——>附加依赖项中添加C:\Users\12871\anaconda3\envs\tensorflow1.8\libs\python35_d.lib;配置完成。测试程序。#include<python.h>#include<
2020-11-18 17:49:25
2298
5
原创 【环境配置】vscode 配置c/c++
官方：https://code.visualstudio.com/docs/cpp/launch-json-reference
2020-10-24 10:18:05
58
原创 C++学习中的一些小问题
1. for循环中变量的作用域for (int i = 0;i < sizeof(arr)/sizeof(arr[0]);i++) { string key; string value; map<string, string>m; int pos = arr[i].find(":"); if (pos != -1) { key = arr[i].substr(0, pos);//（起始位置，截取的个数） value = arr[i].subs
2020-09-21 15:06:04
151
转载 【Keras】fit_generator的使用
前言前段时间在训练模型的时候，发现当训练集的数量过大，并且输入的图片维度过大时，很容易就超内存了，举个简单例子，如果我们有20000个样本，输入图片的维度是224x224x3，用float32存储，那么如果我们一次性将全部数据载入内存的话，总共就需要20000x224x224x3x32bit/8=11.2GB 这么大的内存，所以如果一次性要加载全部数据集的话是需要很大内存的。如果我们直接用keras的fit函数来训练模型的话，是需要传入全部训练数据，但是好在提供了fit_generator，可以分批次的
2020-08-30 11:23:40
3050
原创 【bug】python在vscode终端中文乱码
在launch.jason下的configurations中添加如下代码：“env”: {“PYTHONIOENCODING”:“GBK”}
2020-08-30 11:15:19
162
转载 【Python】open()函数
内容转自 https://www.cnblogs.com/IMWU/p/10947262.html因为部分参数不太明白，故仅列出了两个参数的用法open(file, mode=‘r’, buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)buffering参数 buffering是用于设置缓冲策略的可选整数。通过0以关闭缓冲（仅在二进制模式下允许），1选择行缓冲（仅在文本模式下可用）和整数
2020-08-24 19:57:24
187
原创 【语音识别】关于多层LSTM的结构解读
首先明确一点，RNN单元的输入输出的维度，点击参考keras.layers.RNN()文档输入尺寸3D 张量，尺寸为 (batch_size, timesteps, input_dim)。输出尺寸如果 return_state：返回张量列表。 第一个张量为输出。剩余的张量为最后的状态， 每个张量的尺寸为 (batch_size, units)。如果 return_sequences：返回 3D 张量， 尺寸为 (batch_size, timesteps, units)。否则，返回尺寸为 (b
2020-08-11 16:22:22
2879
1
原创 【语音识别】keras.layers.LSTM的调用过程
此文就LSTM的主要程序片段以及我认为的重要信息进行展开。大致结构如下，辅以一些if判断选择不同的lstm实现函数#mermaid-svg-uFRFHcp96TMEmrUj .label { font-family: 'trebuchet ms', verdana, arial; font-family: var(--mermaid-font-family); fill: #333; color: #333; }#mermaid-svg-uFRFHcp96TMEmrUj .la
2020-08-11 16:14:36
1238
原创 【Numpy】shape
>>> import numpy as np>>> b = np.array(np.arange(10))>>> b[0 1 2 3 4 5 6 7 8 9]>>> b.shape(10,)#对b的维度进行修整，若要展成一列的数据，则有>>> b.shape = -1,1>>> b.shape(10, 1)>>> b[[0] [1] [2] [3]
2020-08-03 20:38:45
158
转载 声道
声道(Sound Channel) 是指声音在bai录制或播放时在不同空间位置采集或回放du的相互独立的音zhi频信号,所以声道数也就dao是声音录制时的音源数量或回放时相应的扬声器数量。1.单声道单声道是比较原始的声音复制形式，早期的声卡采用的比较普遍，当通过两个扬声器回放单声道信息的时候，我们可以明显感觉到声音是从两个音箱中间传递到我们耳朵里的。2.立体声单声道缺乏对声音的位置定位，而立体声技术则彻底改变了这一状况。声音在录制过程中被分配到两个独立的声道，从而达到了很好的声音定位效果。这种技术在
2020-08-03 16:28:29
403
原创 tokenizer.texts_to_sequences()
#如果不为不在语料库中的单词创建一个单独的标志，例如"",则可能出现下述情况当seed_text为"I went to dublin"时，长度为4；当seed_text为"Lawrence went to dublin"时，长度为3,因为Lawrence不再字典中seed_text = "I went to dublin"next_words = 2 for _ in range(next_words): token_list = tokenizer.texts_to_sequences([s
2020-08-01 09:46:43
4635
原创 【Numpy】clip（）
clip(a, a_min, a_max, out=None) -> NoneClip (limit) the values in an array.Given an interval, values outside the interval are clipped to the interval edges. For example, if an interval of [0, 1] is specified, values smaller than 0 become 0, and values
2020-07-14 09:35:18
268
原创 【深度学习】keras创建神经网络
keras的数据传递——X=Layer()(X)X = Conv1D(196,15,strides=4)(X_input)X = BatchNormalization()(X)X = Activation(‘relu’)(X)X = Dropout(0.8)(X)model = Model(inputs=X_input,outputs=X)模型的生成过程#生成模型实体model = Model(inputs=X_input,outputs=X)#查看模型model.summary()#
2020-07-14 09:18:22
343
转载 【吴恩达深度学习】YOLO算法——重新生成yolo.h5文件
相关的权重和配置在网盘里，自行提取，（给个赞再走啊）链接：https://pan.baidu.com/s/1IuQKtuJrTjw17G0_SHthSg提取码：65bg在吴恩达深度学习系列视频：卷积神经网络第三周作业中，加载预训练模型时：yolo_model = load_model(“model_data/yolo.h5”)1你会遇到yolo.h5文件找不到的情况，而当你去网上下载了一个yolo.h5文件时，可能会遇到unknown opcode等其他错误。下面让我们来自己生成一个全新的yo
2020-07-02 21:21:50
1613
1
转载 Python 中各种imread函数的区别与联系
Python 中各种imread函数的区别与联系先来看看常用的读取图片的方式：PIL.Image.openscipy.misc.imreadscipy.ndimage.imreadcv2.imreadmatplotlib.image.imreadskimgecaffe.io.load_iamge这些方法可以分为四大家族PILPIL.Image.open + numpyscipy.misc.imreadscipy.ndimage.imread这些方法都是通过调用PIL.Image.
2020-06-28 17:59:46
528
原创 numpy.squeeze
numpy.squeeze(a,axis=None)从数组形状中移除一维条目参数：a – 数组形状np.array()axis – 可以是一个整数，可以是一个元组或者None。默认为None。axis用于指定需要删除的维度，但是指定的维度必须为单维度，否则将会报错.返回：压缩后的ndarray()减少了维度的数据子集>>> x = np.array([[[0], [1], [2]]])>>> x.shape(1, 3, 1)#axis=None&g
2020-06-28 17:58:53
157
原创 python中的轴axis
二维数据使用0值表示沿着每一列或行标签\索引值向下执行方法使用1值表示沿着每一行或者列标签模向执行对应的方法多维数据设axis=i ,则numpy沿着第i个下标变化的方向进行操作。也就是说，如果axis=0,则沿第一个下标变化的方向操作，也就是行方向。如果一个多维数组是232，他就是3维的，参数axis=0指的就是第一维，即2那一个数轴，axis=1,即3的那个数轴，axis=2,即最后2的那个数轴。...
2020-06-28 17:57:56
636
原创 cross validation:交叉验证
def crossValidation(xArr,yArr,numVal = 10): """numVal：交叉验证的次数""" m = len(yArr) indexList = range(m) errorMat = np.zeros((numVal,30)) for i in range(numVal): trainX = [] trainY = [] testX = [] testY = []
2020-06-19 17:05:40
200
转载 rcParams
def set_pub(): rc('font', weight='bold') # bold fonts are easier to see rc('tick', labelsize=15) # tick labels bigger rc('lines', lw=1, color='k') # thicker black lines rc('grid', c='0.5', ls='-', lw=0.5) # solid gray grid lines...
2020-06-19 11:34:43
335
原创 【Deep Learning - 01】深度神经网络
图为神经网络的工作流程。代码包括四大部分：数据处理部分，正向传播部分，反向传播部分以及最后的分析部分。数据处理部分包括：图像转.h5文件函数，数据加载函数，相关的激活函数，参数保存函数正向传播部分包括：linear_forward,linear_activation_forward()以及forward_propagation函数反向传播部分包括：linear_backward,linear_activation_backward,back_propagation以及update_params函数
2020-06-19 11:29:50
185
原创 【Numpy】np.where()的两种用法
两种用法np.where(condition,X,Y):满足条件输出X，不满足输出Y这点的话再数据挖掘的规约中显得非常好用>>> a = [2,3,4,5,8,7,9,7]>>> a = np.array(a)>>> np.where(a > 5 ,1,-1)array([-1, -1, -1, -1, 1, 1, 1, 1])np.where(condition):返回满足条件的数的索引>>> indi
2020-06-19 10:12:11
1994
原创 【Numpy】numpy中的array与asarray
array和asarray都可以将结构数据转化为ndarray，但是主要区别就是当数据源是ndarray时，array仍然会copy出一个副本，占用新的内存，但asarray不会。arr1=np.ones((3,3)) arr2=np.array(arr1) arr3=np.asarray(arr1) arr1[1]=2 print ('arr1:\n',arr1 )print ('arr2:\n',arr2 )print ('arr3:\n',arr3 )#可以看到，arr3跟着arr1一
2020-06-19 09:30:47
228
转载 .h5文件初识
h5文件中有两个核心的概念：组“group”和数据集“dataset”。 一个h5文件就是 “dataset” 和 “group” 二合一的容器。 dataset ：简单来讲类似数组组织形式的数据集合，像 numpy 数组一样工作，一个dataset即一个numpy.ndarray（np.array只是一个便捷的函数，用来创建一个ndarray，它本身不是一个类）。具体的dataset可以是图像、表格，甚至是pdf文件和excel。 group：包含了其它 dataset(数组) 和 其它 gr
2020-06-19 09:19:19
3340
原创 【Numpy】numpy.dot(),multiply()，matmul()与‘*’方法
numpy.dot()如果处理的是一维数组，则得到的是两数组的內积如果是二维数组（矩阵）之间的运算，则得到的是矩阵积（mastrix product）numpy.multiply()实现矩阵对应元素相乘numpy,matmul()实现矩阵乘法对于dot(),multiply()，matmul()三个方法，无论是在numpy数组还是numpy矩阵上运用的含义是一样的；而“”的运用则是不同的，ab,在数组中意味着对应元素相乘；在矩阵中对应着矩阵乘法。import numpy as n
2020-06-17 18:15:48
184
原创 【树莓派-1】刻录以及启动系统
可以打开编程开发环境保存一个.conf文件。ssh文件之间新建一个txt文件，然后连同后缀删掉重命名为ssh即可。视频中的.conf文件有一行priority = 1,第一次我连接WIFI时没连接上，把这行删掉之后能正常连接。具体原因以后可能会知道吧。树莓派开机期间，不要直接断电，会影响树莓派的寿命。关闭树莓派系统的命令是sudo shutdown -h now在此感谢B站的up上传的视频。其实用户手册上也有，但是远程登录部分讲得不太详细，所以想记录一下。...
2020-06-10 18:41:30
212
原创 【机器学习-吴恩达】SVM
1 介绍上图中有A，B，C三个点，直线两边对应着不同的分类。C和直线距离很近，只要我们的直线稍稍偏转一点角度，那么C的类别就会改变，相对于C，我们能更自信地给它归类到X类。我们期待找到这样一条直线，是我们都能自信地为所有的点进行分类。使用假设函数h(x)=g(W.T*X+b)来实现我们的SVM分类器。(在我们的逻辑回归中，g(Z)使用的是sigmoid函数)2 函数间隔和几何间隔函数间隔(functional margin)定义一个实例的函数间隔。这里需要注意到一个事实，对于我们的假
2020-06-10 10:06:31
200
原创 【机器学习实战-1章】运行本书代码时出现的错误集合
Numpy数组相关错误from numpy.ma import expTypeError:only size-1 arrays can be converted to Python scalars1)def sigmoid(self,inX):return 1.0/(1+exp(-inX))numpy数组最好使用Numpy的数学函数进行处理def sigmoid(self,inX):return 1.0/(1+numpy.exp(-inX))2)D = np.mat(np.ones((m
2020-06-07 17:06:45
3116
原创 【机器学习实战-2章】KNN算法
KNN：对于要预测的点，将其放到数据集中去，距这个点最近的K个点的类别是已知的，要预测点的类别就是这K个类别中占比例最大的类别。
2020-06-07 17:02:14
256
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人