qq_43586192的博客

目录1 Gitee设置1.1 新建仓库1.2 创建token2 PicGo 客户端配置2.1 下载客服端2.2 安装2.3 PicGo设置3 Typora设置1 Gitee设置1.1 新建仓库1.2 创建token大家将自己的令牌记录一下2 PicGo 客户端配置2.1 下载客服端下载客户端地址：https://github.com/Molunerfinn/PicGo/releases2.2 安装就正常安装就行了2.3 PicGo设置我安装的这个版本才能使用，2.03的版

前提准备：掩码制作见最后原图一张掩码图一张例如：代码import numpy as npimport cv2from PIL import Imagemask = Image.open(r'D:\Water_level_gauge\data\video_img\crop_img\stream0\mask\crop_5_18_stream0_day_0.jpg') # 掩码图img = Image.open(r'D:\Water_level_gauge\data\video_im

arr = np.array([[1, 2],[3, 4],[5, 6],[7, 8],[3, 4],[1, 2]])print(np.array(list(set([tuple(t) for t in arr]))))必须先把列表中每个元素转化为tuple，因为list不可哈希但是tuple可哈希。如：转换成下列格式set(【（），（），（）】)...

from distutils.core import setupfrom Cython.Build import cythonizeimport osimport shutil"""代码编译成.pydpython compile_pyd.py build_ext --inplace"""file_dir = r'D:\Water_level_gauge\pack\Package\1'save_dir = r'D:\Water_level_gauge\pack\Package' #

文章目录1序言2默认整数和浮点数3查看数据类型3.1查看类型3.2数据类型对应关系4定义数据类型4.1方法一4.2方法二5变量类型6数据类型的转换6.1torch.float()6.2type方法1序言本文的目的是将深度学习中所用到的数据类型进行整理，即数据类型和名字的对应。2默认整数和浮点数默认的整数类型：int64默认的浮点数浮点数类型：float323查看数据类型3.1查看类型1.print(a.dtype)2.print(b.dtype)3.2数据类型对应关系4定义数据类型

# 初始化git init# 设置签名（一般设置了系统名，不用进行这一步）git config user.name qiangxinxingit config user.email qiangxinxin@qq.comgit config --global user.name qiangxinxingit config --global user.email qiangxinixin@qq.com# 查看签名（查看后。位置发生改变，需要重新打开）cd~pwdcd ~/.

注解： 下列使用场景为2类箱子识别import jsonimport matplotlib.pyplot as pltimport numpy as npimport cv2import osfrom labelme import utilsfrom PIL import Imagejson_file_path = r'D:/00-机器学习/data/json' # 保存json文件的文件夹png_save_path = r'D:/00-机器学习/data/data_png_one.

损失函数汇总1 目标检测类1.1 分类1.1.1 centerloss1.1.2 arcsoftmax2 图像分割类2.1 Dice loss1 目标检测类1.1 分类1.1.1 centerlossclass Centerloss(nn.Module): def __init__(self, lambdas, feature_num=2, class_num=10): super().__init__() self.lambdas = lambdas

import torchimport numpy as np'参数初始化'params = torch.nn.Conv2d(1,1,3,1)# x = list(params.parameters())[0].datax = list(params.weight)[0].dataprint("nn.Conv2d:\n",x,x.mean(),x.std(),"\n")data = torch.randn([1,1,3,3],dtype=torch.float32)print("torch

import osfrom a_Net_module import *import torchfrom PIL import Imagefrom detect_img import Detectorimport cv2import numpy as npclass FaceDatabase(): def __init__(self, personName_path, params_path,database_path): device = torch.device

IOU计算公式：所需要的数据：并集：两个矩形面积和—交集交集：两个矩形可能出现的情况代码：x_a=max(x1,x1_) y_a=max(y1,y1_) x_b=min(x2,x2_) y_b=min(y2,y2_) if x_b-x_a<=0 or y_b-y_a<=0: iou_ratio=0 #即不交的情

1、法一import torchdef one_hot(arr): zero_arr=torch.zeros(len(arr),max(arr)+1) zero_arr[torch.arange(len(arr)),arr]=1 return zero_arr

问题描述：将训练集中图片随机移动2份（占比0.1），形成验证集和测试集完整代码import shutilimport randomimport os'''获取所有图片的路径；移动图片的数目获取随机移动图片的名称列表移动图片'''# shutil.move(train_path,verify_path)# random.sample()def move_file(file_dir,dst_dir): path_dir=os.listdir(file_dir) #源

1、相等内容则删除 def my_delete(self,target_line): del_path=r'img/my_data/cord.txt' #待删除内容存放地址 with open(del_path, 'r', encoding='utf-8') as f: l=f.readlines() f.close() '''去掉标签中换行符''' lines=[]

一、代码部分with open('word.txt',mode='r',encoding='utf-8') as file: str=file.readlines()二、稍作解释