知识搬运者

进入您的 GitHub 主页，点击右上角的加号图标，选择 "New Repository"。默认情况下，GitHub 仓库的主分支名称是 "master"，但为了更加包容和尊重的命名，GitHub 已经将默认分支更改为 "main"。生成成功后，去对应目录C:\Users\Y\ .ssh里（Y为电脑用户名，每个人不同）用记事本打开id_rsa.pub，得到ssh key公钥。然后打开SSH keys菜单， 点击Add SSH key新增密钥，填上标题，跟仓库保持一致吧，好区分。

找到自己想要的cuda版本后，先把cuda下载到本地。首先使用conda activate name命令把conda环境激活到目标环境。首先安装与cuda相匹配的pytorch和torchvision包，可以去。执行如下命令进行安装，因为是通过本地安装的，所以需要写明本地包的路径。执行后的结果如图所示，图中标出了cudnn所对应的cuda版本号位置。附：直接使用conda install安装。复制你想要版本的cudnn的下载地址，使用。

中找到，所以可以分别安装。先利用别的镜像安装依赖，在安装basicsr==1.4.2。在安装basicsr==1.4.2时候，发现安装始终出错。发现是basicsr的依赖tb-nightly无法。

必须是np.uint8类型才可以，否则报错。

passpass。

DockHub仓库地址：https://hub.docker.com/repository/docker/kom4cr0/cuda11.7-pytorch1.13-mamba1.1.1/general。最直接的安装，可以利用网友配置好的Docker环境 -＞ 直接使用Mamba基础环境docker镜像。同样的，如果cuda版本不对应，需要在虚拟环境中安装（创建虚拟环境并且。安装该文件网上有几种方法，下面我将一一展示，可以尝试一下（安装该文件网上有几种方法，下面我将一一展示，可以尝试一下（

MarkText：完全开源免费（MIT License）Markdown编辑器神器。支持 Windows、macOS 和 Linux 系统，使用户能够在不同的操作系统上使用相同的编辑工具。

Pandoc 的作者是 John MacFarlane，John MacFarlane是美国加州大学伯克利分校的哲学系的一位教授。编写Pandoc 用来生成讲义、课件和网站等。程序开源免费，目前以 GPL 协议托管在网站上。

注意：如果需要指定上传到哪个分支，此时需要在自定义域名后面使用@ + 分支名，如果是仓库默认的分支，可以省略指定分支这一步。然后，我们能够在相册中看到我们已经上传的图片，可以查看、复制已经上传的图片的URL，同时也可以将上传的图片删除。配置完成后，切换到刚刚配置好的图床，然后手动上传图片试试：可以点击’点击上传’，也可以通过拖拽的方式进行上传。创建完毕之后，生成的Token是你的账户下的github服务器的令牌，用记事本记录下来，后面会用到。在上传服务内选择PicGo，并选择PicGo.exe的路径。

该算法也有不完美的地方，如果背景比较复杂或者背景和目标的相似度很大，那分割效果就不好，而且该算法的速度较慢。2、如果增加额外的用户交互（由用户指定一些像素属于目标），那么效果会更好。

在cv2.threshold函数中，我们设置的两个数值，第一个就是阈值（OTSU会自动学习，设置多少无所谓），根据该阈值进行分割；第二个是将二值图像中的最大值设置为多少，即设置5，那么的到的二值图像就是0和5。一种基本的二值化方法，它使用一个用户指定的固定阈值将图像中的像素分为两类：高于阈值和低于阈值。简而言之，像素值大于阈值的被设为一个值（通常是255），而像素值小于阈值的被设为另一个值（通常是0）。即：高于threshold_value的设置为该值，也就是最后二值图像中的最大值。两种实现结果基本一致。

是 Python 列表对象的方法，它们用于在列表末尾添加新的元素。整体作为一个元素被添加到了。中的元素被逐个添加到了。

【代码】python删除某些变量，以降低内存开销。

3σ原则，又叫拉依达原则，它是指假设一组检测数据中只含有随机误差，需要对其进行计算得到标准偏差，按一定概率确定一个区间，对于超过这个区间的误差，就不属于随机误差而是粗大误差，需要将含有该误差的数据进行剔除。其局限性：仅局限于对正态或近似正态分布的样本数据处理，它是以测量次数充分大为前提（样本>10），当测量次数少的情形用准则剔除粗大误差是不够可靠的。一般可以认为，数据Y的取值几乎全部集中在（μ-3σ,μ+3σ)区间内，超出这个范围的可能性仅占不到0.3%，这些超出该范围的数据可以认为是异常值。

注意：先安装R，再安装Rstudio等，软件的安装路径不能有中文。注：我安装时，上述三个软件全部安装在同一个目录。然后选择与上面下载的R版本相对应的版本即可。注意：安装目录不能是中文路径。然后一直下一步安装即可。找到中国镜像，下载快。进入镜像后，点击这里。

【代码】pandas（pd）数据的一些操作（ np数据转成pd数据、pd数据保存csv文件）

在使用Python库时，如果之前已经下载过该库，pip会默认使用缓存来安装库，而不是重新从网络上下载。缓存文件通常存储在用户目录下的缓存文件夹中，具体位置因操作系统和Python版本而异。以下是一些常见的Python版本和操作系统下缓存文件的默认位置：其中，username是你的用户名，而pip 文件夹是 pip 的缓存目录。

items()的作用是把字典中的每对key和value组成一个元组，并把这些元祖放在列表中返回。张量（即只取一个元素才不会报错）的元素值并返回该值，保持该元素类型不变。由此可以看出使用item()函数取出的元素值的精度更高，所以在求。等时我们一般用item()item()的作用是取出。

【代码】利用sklearn 实现线性回归、非线性回归。

均方根误差（Root Mean Square Error），其实就是MSE加了个根号，这样数量级上比较直观，比如RMSE=10，可以认为回归效果相比真实值平均相差10。误差越大，该值越大。所以要想决定系数R2越接近1，必须满足MSE越小，也就是真实值与预测值相差不大，也就是模型拟合程度高，同时var方差越大，也就是我们的样本离散程度大，对应的我们实际采样过程中，就是要求样本是随机性，以及全面性，覆盖度广。方差(variance)的计算公式：S2=1/n [(x1-X)2+(x2-X)2+(x3-X)2+…

alive_progress是一个动态的实时显示进度条库。进度条，可以在Python长循环中添加一个进度提示信息。tqdm是一个快速，可扩展的。

old是原字符串中的字符，new是需要替换为的新字符串，max是最大匹配次数，匹配时从左到右最多max次。一般情况下不设置max的值，默认全部替换。更多：a.lstrip()删除ss字符串开头处的指定字符，a.rstrip()删除ss结尾处的指定字符。基本用法：ss.replace(old, new[, max])

到这里ffmpeg的配置就完成了。我们调用命令行（windows+R输入cmd）输入“ffmpeg –version”，如果出现以下结果则说明配置成功。记得点下方的确定，再关闭当前窗口再点确定，这样才能保存，千万记得不能点击取消。选择新建，把刚刚复制的bin路径粘贴进去，点击确定。

目录1、代码编辑快捷键2、搜索/替换快捷键3、代码运行快捷键4、代码调试快捷键5、应用搜索快捷键6、代码重构快捷键7、动态模块快捷键8、导航快捷键9、通用快捷键

【代码】Python判断一个字符串中是否有已知字符。

主要是针对的假设检验，即检验样本的均值与某个值的差异，或者两个样本的均值是否有差异等。其，并且在情况下也可以进行检验。python进行t检验使用scipy包的stats模块。

mean_syn表示检测一张图片的耗时；mean_fps表示一秒内检测图片的数量。使用torchstat库。

如果把torchstat包中的一行程序进行一点点改动，那么这个包可以用来统计全连接神经网络的参数量和计算量。当然手动计算全连接神经网络的参数量和计算量也很快 =_=。进入torchstat源代码之后，如下图所示，注释掉圈红的地方，就可以用torchstat包统计全连接神经网络的参数量和计算量了。包，帮助我们统计模型的parameters和FLOPs。如果不修改这个包里面的一些代码，那么这个包只适用于输入为3通道的图像的模型。在实际操作中，我们可以调用。

如图所示，原因应该是引用的文献中有些是直接从其他数据库中复制过来的，但是没有同时打开复制过来的数据库，所以方法1就是把你用过的所有数据库都打开，然后更新。方法2的话就是把极速版插件换成经典版，然后用经典版直接更新样式即可。（注意：这里必须要完全卸载极速版插件，不然安装经典版后必定报错，删除C:\Users\用户名\AppData\Roaming\Microsoft\Word\STARTUP下的NEWebWordAddin.dotm即可正常安装使用 ）

【代码】假设实验之t检验。

p值大于0.05为正太分布。

描述：pytorch中的nn.Unfold()函数，在图像处理领域，经常需要用到卷积操作，但是有时我们只需要在图片上进行滑动的窗口操作，将图片切割成patch，而不需要进行卷积核和图片值的卷积乘法操作。这是就需要用到nn.Unfold()函数，该函数是从一个batch图片中，提取出滑动的局部区域块，也就是卷积操作中的提取kernel filter对应的滑动窗口。需要注意的是，如果滑动窗口有重叠，那么重叠部分相加。同时，如果原来的图像不够划分的话就会舍去。该函数是nn.Unfold()函数的逆操作。

由于 hosts 文件属于系统文件，因此需要用到系统管理员身份。最后像下面这样，将你所获取到的 IP 和 Google 翻译 API 的域名组合成一条 hosts 规则，并将其添加到 hosts 文件中的最后一行，保存文件后插件即可恢复正常使用。在 Windows 系统中获取可用 IP 的方法为，打开“如果联网正常，可以获取到类似下面这样的信息，其中。

起因：在修改C:\Windows\System32\drivers\etc\hosts文件时，提示：解决了问题。

【代码】随机森林特征重要性。

访问网址：

https://pypi.org/

首先下载tar.gz文件，比如我准备安装python docx的库文件：python-docx-0.8.6.tar.gz，下载后是一个tar.gz文件，解压软件解压，解压后的目录里有一个setup.py文件，这时，切换到该目录，执行命令python.exe setup.py install。......

示例： 运行后出现以下问题： 解决办法：使用torchsnooper，在代码前加入import torchsnooper 和@torchsnooper.snoop() 运行将会出现以下内容： 从提示中可以看出Y是一个在CPU上的tensor, 因此可以将y改为：y = torch.zeros(6, device='cuda')再次运行将会出现新的问题： scalar的类型应为int,但却用的是long。在上方torchsnooper输出的提示中可以看

1、检查visio软件中是否有“开发工具”选项，填充过程中需要用到。如果没有的话需要如下步骤添加上：文件>>>选项>>>自定义功能区>>>主选项卡>>>开发工具2、使用直线绘制如图所示的图形（自己绘制的，不是用现成的模板） 3、选中所有图形，点击 开发工具>>>组合4、组合后，点击 操作 里的 拆分 ，然后在选择 连接（全选后连接）5、最后填充即可...