![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python
wang_ys121
图像处理,深度学习,人工智能
展开
-
python中递归的深度,999
学习python,随便练练手,写了下快排,没想到随便了试了一个大的列表,竟然报错了,查了下是python的递归默认深度限制,超出递归深度,出现异常,然后便测试了一下到底默认的有多大,结果最大是999。如果需要更大的深度,则需要手动设置,如下:import syssys.setrecursionlimit(10000) #这里设置为一万原创 2017-10-28 14:15:51 · 352 阅读 · 0 评论 -
python实现快排
学习python,随便写了下快排,代码如下:# -*- coding:utf-8 -*-# 快速排序算法实现import syssys.setrecursionlimit(1000000) #设置最大递归深度,这里设置为一百万def kuaipai(ii, jj, data_list): global s; s += 1; # 记录递归的深度 i = ii; j原创 2017-10-28 14:39:33 · 654 阅读 · 0 评论 -
关于python中decode和encode的一些理解
一般这两个通常用在爬取网页之后获得字符串上面,decode的意思是告诉程序你获取到的网页内容是由什么编码的,你需要加上decode告诉程序网页字符串的编码内容,然后程序可以正常进行解析,然后如果你要在程序里面进行查找特定字符串或者进行某些处理,并且如果网页字符串编码和当前代码的编码格式不同,需要先将网页内容编码转换为当前代码文件编码的格式,这里就用到了encode,正确的用法是str.decode原创 2017-12-27 17:10:29 · 712 阅读 · 0 评论 -
关于FPN(feature pyramid networks)网络中test.py,进行测试时显示出检测结果问题
首先,根据代码追溯到lib/fast_rcnn中的test.py文件,找到test_net()方法,都是在这里面设置的,注意vis这个变量,决定了显示出图片还是不显示,看399行的vis = False,这个表明下面的两处if语句都不会执行,一个是400行的,另一个是447行的,第一个if是检测出所有可能框,没有进行nms,第二个if是最终处理之后的结果,也就是去掉检测不准的,去掉偏的。这里我们想...原创 2018-09-27 17:06:49 · 294 阅读 · 0 评论 -
caffe安装过程错误总结,记录,方法,解决,查找思路
0、anaconda的问题,如果你装了anaconda,使用了anaconda的python环境,那么,你所有的库都是要装到你anaconda的环境库中的,这点配置makefile.config文件时要注意。我建议是不用anaconda,只用自带的,如果你之前装了,这里重要的就是要把你装的anaconda环境彻底删除掉,不仅是环境变量,而且凡是anaconda的文件包都要去除,不然在后面会出现好多...原创 2018-09-29 17:02:43 · 210 阅读 · 0 评论 -
TP FP precision recall AP mAP PR曲线,理解,VOC2007,计算过程,faster rcnn test,voc_eval.py 解析,caffe
本篇记录faster rcnn 中test测试结果的分析,测试采用voc2007计算规则。其计算规则是当检测的矩形框和标注groud truth的矩形框的重叠ovthresh>0.5时则为检测正确,这个可以在voc_eval.py文件中进行修改ovthresh的值来控制。接下来是具体的算法,(precision和recall的含义这里不做解释,大家先提前查询看懂,然后再往下看)在...原创 2018-10-19 16:25:37 · 2769 阅读 · 4 评论 -
python中ndarray array -abs() -ndarray -array numpy数组前面加负号问题,取负数失败,numpy数组取负数,array取负数,-ndarray,溢出
这里记录一下adarray前面加负号,但是没有转化成负数的问题,问题的根源在于ndarray中的数据的类型如下图测试代码: senn = np.array([1,2,3],dtype=np.uint8) senn2 = np.array([3,4,6],dtype=np.uint8) print 999,(senn - senn2) ...原创 2018-12-01 13:06:05 · 2554 阅读 · 2 评论