QAQIknow的博客

python画图怎么使用特殊符号

问题描述：当画中的线密集到覆盖整个画板，标注的lable就会和图片重叠。这很影响美观。因此，我们可以将下图圈中部分移到区域外部。效果如下：可以看到，label本身和图片不再重叠，在线多的情况下这种方式最为实用。实现方式在图例中使用plt.legend(loc='upper left', bbox_to_anchor=(1, 1))完整代码from matplotlib import pyplotimport matplotlib.pyplot as pltfrom matplotl

坐标轴过于密集→显示部分坐标轴

迁移学习之参数冻结

文章目录一、Vision Transformer (ViT)详细信息二、Vision Transformer结构三、Keras实现3.1 相关包3.2 数据读取3.3 声明超参数3.4 使用数据增强方法3.5 计算训练数据的平均值和方差进行归一化3.6 定义multilayer perceptron (MLP)3.7 定义块3.8 数据可视化3.9 实现Encoding Layer3.10 构建ViT模型3.11 训练+评估（AdamW可以换成Adam，效果可能还更好）四、完整代码一、Vision Tra

这里写目录标题一、报错提示二、解决方案（共四步）2.1 安装pydotplus2.2 下载并安装graphviz包2.3 配置环境变量（graphviz）2.4 调用一、报错提示('You must install pydot (pip install pydot) and install graphviz (see instructions at https://graphviz.gitlab.io/download/) ', ‘for plot_model/model_to_dot to work.

报错提示：NotImplementedError: Layer XX has arguments in __init__ and therefore must override get_config.（XX表示自定义的CLASS）

安装项目版本python3.7.0Tensorflow（CPU/GPU）2.5.0Cuda（GPU版本所需）10.1Cudnn（GPU版本所需）v7.6.5Keras2.3.1

无法引入MultiHeadAttention报错cannot import name ‘MultiHeadAttention’ from ‘tensorflow.keras.layers’尝试了引入MultiHeadAttention，发现报错，在官网中给出了三种注意力机制层，其他两种都能正常引入。估摸着是tensorflow版本等问题求解答，感激不尽...

出现报错：AttributeError: ‘Node’ object has no attribute ‘output_masks’报错原因：将tf.keras 和 keras进行混用解决方案：假如你是以import tensorflow.kera形式导入包那么模型构建也用相应API，反之亦然。建议：过来人建议你全部使用tf.keras，为什么呢？比如在keras中用Tensorboard，大概率报错且失败，而改用tf.keras就不会。因为keras和tf.keras是为了兼容而独立出来的，现

中文显示问题解决plt.title中文显示的解决：plt.plot中文显示的解决：供参考代码python画图，如果用英文显示基本没有问题，但是中文可能会有乱码或者不显示的情况。经过个人的测试，下图中“横轴”，“纵轴”字样的中文显示没有什么大问题，主要是plt.title部分和plt.plot部分的显示plt.title中文显示的解决：from matplotlib.font_manager import FontPropertiesfont_set = FontProperties(fname=

安装activate python27pip install ipykernel -i https://pypi.douban.com/simple

keras多维度输入model.fit中validation_data遇到的问题我设置三个输入入口构建model处是这样的model = Model(inputs=[input_x1,input_x2,input_x3], outputs=output)再到最后训练程序，看似毫无问题（附上主要问题，无关的核心代码已删，请见谅）history = model.fit([X_train1,X_train2,X_train3], Y_train,

keras建立model报错AttributeError: module ‘tensorflow_core._api.v2.config’ has no attribute ‘experimental_list_devices’解决方案：将Anaconda\Lib\site-packages\keras\backend下的def _get_available_gpus():“”"Get a list of available gpu devices (formatted as strings).#

最近出了python 3.8。想安装3.7版本的怎么办呢？直接去官网，由于是国外链接打开又很慢，不通过一些方法又进不去。这里很快解决。安装Anaconda（自带python3.7版本）步骤①进入清华镜像下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/选择Anaconda3-5.3.1（对应python3.7.0），根据自己需要选择，本人选择windows64位。②安装选择ALL Users后，设置好安装路径（默认C盘，可自定义）

折线图from matplotlib import pyplotimport matplotlib.pyplot as pltfrom matplotlib.font_manager import FontPropertiesfrom matplotlib.ticker import MultipleLocator, FormatStrFormatter font_set = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=15)

ROC曲线绘制要点（仅记录）

from tensorboardX import SummaryWriter 报错如下：No module named ‘tensorboardX’用的pytorch，但是tensorboardX是tensorflow的东西。（我是在装好tensorflow的情况下仍然报错）解决方案：pip install tensorboardXpip install tensorboard...

读取文件由于RML2016.10a_dict.pkl的编码是latin-1（以此为例，其他的也可以类似，实在查不到，也可以最笨的方法，一个个编码格式试出来= =）读取代码with open(r'**路径**', 'rb') as p_f: s = pickle.load(p_f,encoding="latin-1")读取细节举个例子，看你要读取什么，根据自己要求读取for i in s.keys():# print(i,s[i])# print(s[i]) # 输

因为大家都用Jupyter notebook，所幸跟风，从pycharm转到Jupyter notebook。然后发现Jupyter notebook没有代码提示，写的时候会很麻烦（不知道有没有打错）。第一步，安装nbextensions：win+r，输入cmd，然后输入以下代码，如果下载失败了，不妨多试试，我第一二次也失败，失败就继续输入下面的代码，第三次成功装上。 ⊙v⊙|||pip install jupyter_contrib_nbextensions继续输入以下代码（选一个，下面的

花了几小时拼拼凑凑造的小车。。。。拆分图片的标签：因为一个组里的同学提供的图片已经是编号过的最前面为类别，所以我根据“-”符号获取“-”前面类别，创建对应文件夹，把他们都放进去。最终效果分类成功def seplabel(fname): # .前面的字符 filestr = fname.split(".")[0] # -前面的字符 label = in...

制作过程参考：参考（点←）里面提供了data、但还有三个参数。只能自己慢慢加了。readCifar.py这里主要是拿制作的跟原样本格式比对，最终显示import pickleimport numpy as npimport chardetdef unpickle(file): import pickle with open(file, 'rb') as fo: ...