- 博客(28)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 填坑记录: visual studio 无法解析的外部符号 OrtGetApiBase
将 onnxruntime.dll文件拷贝到可执行当前目录(以下我添加的位置)下载 onnxruntime-win-x64-1.16.1。再次运行,问题解决!
2023-11-17 16:55:54
1276
原创 华为昇腾AI暑期培训总结
以培训最后的水果图片分类小项目为例，介绍基于昇腾产品，利用mindspore开发框架和昇腾AI计算平台CANN进行开发，训练，部署AI算法。本次暑期实习涉及许多深度学习的基础知识，这里也不过多介绍了，由于最后给的项目实现时间有限，有很多东西没考虑周到，但总的流程还是完成了，这里分享一些开发中关键步骤结合理论分享一下，还有一些心得和开发中遇到问题解决方案记录一下。Atlas 200I DK A2 开发者套件（以下简称开发者套件）是一款高性能的 AI 开发者套件，可提供8TOPS INT8 的计算能力。
2023-07-24 01:03:11
916
原创 MindSpore数据集报错【The data pipeline is not a tree】
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。
2023-06-30 15:58:06
233
原创 Ubuntu显示连上网络却上不了网
DNS 的设置比较简单，8.8.8.8 是好记好用的 DNS 服务器，修改 Ubuntu 中的/etc/resolv.conf 文件，网上其他方法试了不管用，这个方法管用记录一下。修改为：nameserver 8.8.8.8。
2023-04-22 23:21:37
8234
5
原创 Jetson：Failed to start nvpmode1 server
6.默认会勾选Jetson OS和Jetson SDK Components，表示刷入系统和SDK，可以单独选系统OS或者软件SDK，但是单独刷入软件SDK前需要保证已经刷入系统OS。等待系统OS烧录完成后，Jetson Nano会自动重启进入系统，此时需要根据系统提示给设置系统的基本功能，必须执行的包括设置用户名与密码等，设置用户名和密码这里一定要牢记，否则会出现登录不进系统的问题。颜色亮了表示已连接到虚拟机。烧录完成后，拔掉Jetson Nnao的跳线帽，再插入U盘，重新上电开机(成功!
2023-04-20 00:27:46
619
原创 机器学习实验五---SVM支持向量机---python
支持向量机优化的目标通俗解释︰找到一个条线(w和b )，使得离该线最近的点能够最远在机器学习中要明白算法要做什么，把实际问题转化为数学问题，在数学问题上进行求解和优化。1.实验的训练错误率与测试错误率结果可以看出，由于数据本身就存在很强的线性关系，可以很容易找到我们所需要的向量将其分割开。2.我们一直假设训练样本在样本空间或特征空间中是线性可分的，即存在一个超平面能将不同类的样本完全划分开。
2022-12-10 16:30:56
2084
原创 机器学习实验四---Logistic回归--python
利用Logistic回归进行分类的主要思想:根据现有数据对分类边界线建立回归公式，以此进行分类。("回归"一词源于最佳拟合) 假如在二分类的问题上，Sigmoid函数能接受所有的输入然后预测出类别(0或1)，以下是Sigmoid函数表达式: 当x为0时，Sigmoid函数值为0.5，随着x的增大，对应的Sigmoid值将逼近于1;随着x的减小，Sigmoid值将逼近于0。当横坐标刻度足够大，Sigmoid函数看起来就像一个阶跃函数。 为了实现Logistic回归分类器，在每个特征系数上都乘以一个回
2022-12-04 13:51:03
661
原创 机器学习实验三---使用朴素贝叶斯进行垃圾消息分类--python
机器学习的一个重要应用就是文档的自动分类，朴素贝叶斯是贝叶斯分类器的一个拓展，是用于文档分类的常用算法。类型强转为list类型。
2022-11-28 01:03:16
2537
原创 机器学习实验二(拓展)----决策树-python
实验二前半部分连接传送门原因:传入的列表为空解决办法:在递归传入列表时判断列表是否为空原因:之前设置的阈值太高，第一个节点都生成不了解决办法:调高阈值1.设置决策树的深度能够有效达到预剪枝的效果2.设置阈值的方法中，由于阈值的认为设置，可能导致节点无法生成，在不同数据集上表示可能不相同3.由于我所有数据都为连续型数据，且和时间有关(两个学期的)，不同时间的相似相邻数据可能会使准确率降低。
2022-11-21 00:23:41
770
原创 Opencv--python 报错填坑笔记 ‘cv::ml::TrainDataImpl::setData‘
@[TOC](当我运行如下代码:Opencv出现:error: (-215:Assertion failed) (layout == ROW_SAMPLE && responses.rows == nsamples) || (layout == COL_SAMPLE && responses.cols == nsamples) in function ‘cv::ml::TrainDataImpl::setData’)a=knn.train(train_data,cv.ml.
2022-03-05 16:55:27
3209
原创 Java课程设计作业--大鱼吃小鱼
Java课程设计--大鱼吃小鱼前言1、创建FishFrame.java2、创建FishPanel.java3. 创建一个DataImg.java来统一加载图片3.1 将图片保存在一个包下面如图:4.创建鱼的类4.1 鱼的父类Fish.java4.2 其他鱼（都是相似的）4.3 自己的鱼5.结语前言游戏整体框架来着B站:这是链接:Java实战训练营在我的课设中改进了让鱼有游动特效，以及增添了鼠标监听事件等等游戏优化游戏效果:1、创建FishFrame.javapackage FishGame;
2022-01-16 11:18:46
6086
9
原创 面向python，Opencv学习笔记(二)---5
Opencv学习笔记前言一、图像金字塔1.高斯金字塔2.拉普拉斯金字塔3.代码示例二.窗口交互操作1.图像窗口滑动条1.2 CreateTrackbar.py代码示例:1.3 结果展示:三.鼠标的响应1.函数2.代码:3.运行结果:前言要求opencv版本4.1.2.30(4.x >=版本)，我的版本4.5.3一、图像金字塔图像金字塔是通过多个分辨率表示图像的一种有效且简单的结构。一个图像金字塔是一系列以金字塔形状排列的分辨率逐步降低的图像。图像金字塔的底部是待处理图像的高分辨率表示，而顶部是
2021-11-16 20:57:31
2764
原创 面向python，Opencv学习笔记(二)---4
Opencv学习笔记前言一、在图像上绘制几何图形和生成文字1.1 绘制圆1.2 绘制线段1.3绘制椭圆1.4 绘制多边形1.5 生成文字前言要求opencv版本4.1.2.30(4.x >=版本)，我的版本4.5.3一、在图像上绘制几何图形和生成文字介绍Opencv4中用于绘制基础图形和生成文字的函数1.1 绘制圆img = cv.circle(img,cencter,radius,color,thickness,lineType,shift）img:需要在其上绘制圆的图像cente
2021-11-16 01:09:35
3085
原创 面向python，Opencv学习笔记(二)---3
学习笔记前言一、LUTLUT.py 代码示例运行结果展示前言要求opencv版本4.1.2.30(4.x >=版本)，我的版本4.5.3一、LUT前面介绍的阈值比较方法中只有一个阈值,如果需要与多个阈值进行比较，就需要用到查找表(Look-Up-Table,LUT)。LUT就是一个灰度值映射表，以灰度图值作为索引,以灰度值映射后的数值作为表中的内容。dst = cv.LUT(src,lut)src:输入的图像lut:256个灰度值的查找表第二个参数是一个1x256的矩阵,其中存放着每
2021-11-10 13:42:09
2542
原创 面向python，Opencv学习笔记(二)---2
学习笔记前言一、两图像的像素操作Max_and_min.py 代码示例运行结果展示:二、两幅图像的逻辑运算1.Logic_Operation.py结果展示:三.图像的二值化前言要求opencv版本4.1.2.30(4.x >=版本)，我的版本4.5.3一、两图像的像素操作Opencv4提供了求取两幅图像中较大或者较小灰度值的cv.max,和cv.min，这两个函数依次比较两幅图像中灰度值的大小,保留较大(较小)的灰度值。dst = cv.max(src1,src2)dst=cv.min(
2021-11-08 23:12:16
1756
原创 面向python，Opencv学习笔记(二)---1
学习笔记前言一.颜色空间1、RGB颜色空间2.YUV颜色空间3. HSV颜色空间4. Lab颜色空间5. GRAY颜色空间二 .不同颜色空间之间的互相转化2.1 代码示例Convert_color.py2.2 结果展示:三.多通道的分离与合并3.1 分离函数3.2代码示例split_and_merge.py3.3 运行结果:前言要求opencv版本4.1.2.30(4.x >=版本)，我的版本4.5.3在数字图像中，通过红绿蓝3种颜色的混合能够展示各种颜色，这种颜色空间称为RGB颜色空间。RG
2021-10-20 17:08:11
684
原创 面向python，Opencv学习笔记(一)---3
学习笔记前言1、函数1.1代码示例Save_image.py1.2 结果展示:2.保存视频:2.1函数2.2代码示例Save_video.py2.3 结果展示:3 保存读取XML和YMAL文件3.1 函数3.2 代码示例(XML为例)3.3 结果展示前言要求opencv版本4.1.2.30(4.x >=版本)，我的版本4.5.3opencv数据的保存1、函数cv.imwrite(filename,img,paras)filename:保存图像的路径和文件名，包含图像格式img:将要保
2021-10-17 23:03:38
273
原创 面向python，Opencv学习笔记(一)---2
学习笔记前言一、函数二、代码2.结果前言要求opencv版本4.1.2.30(4.x >=版本)，我的版本4.5.3Opencv图像的读取和显示一、函数cv.imread(filename，flags=?)cv.namedWindow(filename,flags=?)cv.imshow()cv.destroyWindow()cv.destroyAllWindows()详细看下代码:附(图一)为cv.imread()参数2可选择标志:(图二)为cv.namedWindow(
2021-10-17 22:29:38
211
原创 面向python，Opencv学习笔记(一)---1
学习笔记前言1.1 Numpy_Attributes.py中ndarray对象常用属性的使用示例1.2 Numpy_Attributes.py1.3 结果2.1 Numpy_Operations.py中Numpy相关函数的操作示例2.2 Numpy_Operations.py2.3 结果前言要求opencv版本4.1.2.30(4.x >=版本)，我的版本4.5.3Numpy并非opencv重点，这里仅介绍相关函数的简单使用方法1.1 Numpy_Attributes.py中ndarray对象
2021-10-07 17:34:10
288
原创 tensorflow2视力表E字符(学习笔记)--制作自己的数据集
网上收集E字符图片，完成数据扩充下图是我收集的图片声明:import tensorflow as tf import numpy as np import matplotlib.pyplot as pltimport os定义噪声函数:def salt_and_pepper_noise(X): #加噪声 X=X/255 noise_factor = 0.5 X = X + noise_factor * np.random.normal(loc = 0.0,scale = 1.0,
2021-06-03 22:28:07
600
原创 直线拟合问题(二)---自定义模型函数版
1.采集数据x = np.random.uniform(-10.,10.)，x从(-10,10)随机取值(这样就不用打乱了)。eps = np.random.normal(0.,0.01)，eps可以理解为误差(结果更符合实际)，eps符合高斯分布(正态分布)。data=[]保存数据和标签。data = []#保存样本的列表for i in range(100): x = np.random.uniform(-10.,10.) #随机采样输入x eps = np.random.normal(0
2021-03-08 23:38:40
274
原创 利用tf.data和Sequential()中的全连接层Dense完成-----直线拟合问题(一)
直线y=kx+b，先确定w,b采集真实的x,y的值,通过计算误差,梯度更新求出期望的w，b1.采集数据循环60000次，保存每次x，y的值;x =[]y = []z=10.056for i in range(0,60000): x.append(z) res=3*z + 10.057 y.append(res) z+=1.0032 .生成dataset使用 tf.data.Dataset.from_tensor_slices 进行加载数据集.利用zip()将数据和标签压缩在一起,
2021-03-08 23:06:47
836
原创 吴恩达深度学习课程第一课---第二周学习笔记
吴恩达深度学习课程第一课—第二周学习笔记二分类问题二分类问题就是简单的“是否”、“有无”问题，如判断图1中是否有猫，我们的视神经系统能够轻易的分辨出这张图中的猫，但是对于机器来说分辨这张图却不是那么容易，更具体的来说机器只能读取这幅图的数字特征（如图像的大小，通道数等），在此我们以每个像素点的三原色对应的数值作为这幅图的数组特征。符号定义 ：x：表示一个n_x维数据，为输入数据，维度为(n_x,1)；y：表示输出结果，取值为(0,1)(x(i),y(i))（代表x的（i）上标，y的（i）上标）
2021-01-29 19:06:27
114
原创 吴恩达深度学习课程第一课---深度学习---第一周学习笔记
@[TOC]吴恩达深度学习课程第一课–深度学习第一周笔记欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：全新的界面设计 ，将会带来全新的写作体验；在创作中心设置你喜爱的代码高亮样式，Markdo
2021-01-28 21:41:27
152
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人