qq_39520290的博客

这个代码是用来划分分类数据集的。

有时候我们想挑选出一些文件到新的地方，但手动挑选，按住ctrl这样效率偏低，所以使用python帮我们复制到新文件里。

最近在做目标检测，需要将yolo格式下的txt标签数据贴回原图，跟模型预测的结果进行对比，所以写了一个代码：该代码实现的是标签数据贴回原图。

故事背景在做目标检测时，标注数据集往往使用labelimg，但一般情况下生成的是xml格式的文件。xml转txt代码import osimport os.pathimport xml.etree.ElementTree as ETimport globclass_names = ['good','bad'] # 类别名，依次写下来dirpath = r'./data' # 原来存放xml文件的目录newdir = r'./output' # 修改label后形成的txt目录if

故事背景做农业方面相关的数据，目标检测。在目标上方拍摄的图像其实很需要旋转进行增广。代码import osfrom PIL import Imagepath = r'./imgs'for i in os.listdir(path): img = Image.open(os.path.join (path,i)) # img = img.transpose(Image.ROTATE_90) # 将图片旋转90度 # img.save("imgs/{}-{}.jpg".f

'''亮度增强、对比度增强、水平翻转和随机方向旋转'''from PIL import ImageEnhanceimport osimport numpy as npfrom PIL import Image#1.亮度增强def brightnessEnhancement(root_path,img_name): image = Image.open(os.path.join(root_path, img_name)) enh_bri = ImageEnhance.Brigh

故事背景最近要跑一个深度学习模型，下载了数据集，发现images文件夹和labels文件夹的数目不对。也就是说，两个文件夹中必有一方是少数据的，这对于我训练不好，所以我要做的是匹配两文件夹下的文件名称，剔除丢失的文件使用python完成import osdef match_name(A_path,B_path): #两个列表用于存放的文件名 A_list =os.listdir(A_path) B_list =os.listdir(B_path) if(len(

ViT 你准备用了么？Vision Transformer 最近被我学了一下，发现其机理确实能够很好的突出数据的特征，所以性能比CNN好（在大致情况下）。但是Vision Transformer 有一个主要的缺点就是，计算量会很大，参数很多，预测新图片时间会很慢。但是我想，后面会不会有一大批来研究如何减少模型计算量的论文，果不其然，很多啊，如下面这篇：Coarse-to-Fine Vision Transformer论文地址：https://arxiv.org/pdf/2203.03821v1.pd

"""本程序是随机划分训练集和测试集的"""import osimport randomimport shutildef howmuch(path): sum =0 for i in os.listdir(path): sum+=1 return sumdef move(src,dst,number): #随机生成要移动的数字列表 list = random.sample(range(0, sum),number) for

这里写自定义目录标题这机子不讨我欢喜啊这机子不讨我欢喜啊如何查看自己的电脑是否能够使用CUDA进行深度学习的加速，按照下面的图片打1 2 3 4 这几句命令，我发现我的电脑没装好CUDA ，所以用pytorch 不能进行加速。得重装！如果5返回true就可以使用。...

一、python了解python 语言是一门擅长处理数据的一门语言，现在用来训练深度学习模型也是比较有效的一门语言。所以，让同学们自行查找以下几个问题：1.python 是一门什么类型的语言？2.python 的虚拟环境的作用？3.pycharm 与python 的关系？4.annaconda 与python 之间的关系？5.下载 annacodna 和pycharm 并建立一个虚拟环境？(可以去CSDN上找这些答案，https://www.csdn.net/ 。或者其他学习社区网站！只

headers = { "authority": "www.zhihu.com", "method": "POST",#post好牛逼啊 "scheme": "https", "accept-language": "zh-CN,zh;q=0.9", "cookie": '_zap=4b8fd0b0-5ece-4710-8a39-4690be3cc915; d_c0="ACDn4-HhLA-PTloTkzkSI1g9NSQ0UNbecnY=|1553490041"; _

第2节：图像处理基础知识2.1 图像包含着信息（信息熵）提取出特征回归图像2.2 图像以矩阵表示单层图像，是一个个像素点组成，像素点的多少称为图片的分辨率，分辨率越高，像素点越密集，像素点是一个个数值。整体来看，一张图片就是一个二维矩阵。2.3 什么是灰度图像？就是没有上色的，仅仅有像素点的值。值的范围：0-255 ! 0:纯黑 255纯白 Opencv 怎么读取灰度值图像？ gray_img = cv2.imread('./test.jpg,0) or cv2.

爬虫-4K壁纸网获取图片介绍：使用requests 模块获取网页，用BeautifuSoup解析网页，最后提取标签内容，使用wget下载图片。适用：新手学习爬虫代码// An highlighted blockvar foo = ‘bar’;import reimport requestsimport wgetfrom bs4 import BeautifulSoup as bsimport timeimport osimport struct#获取一个网页def reback_