秀呀秀的博客

. /examples/mnist/create_mnist.sh运行报错：Creating lmdb. . ./home/gyx/caffe/build/examples/mnist/convert_mnist_data.bin: error while loading shared libraries: libcudart.so.9.2: cannot open shared object file: No such file or directoryldd /home/gyx/.

遍历目录下包括子文件夹等所有下属的文件以及文件夹，查找空文件以及空文件夹并删除：def Clean_empty(path): """ 遍历文件下所有子文件夹以及子文件，清理空文件夹和空文件 path:文件路径 """ for (dirpath,dirnames,filenames) in os.walk(path): for filename in filenames: file_folder=dirpath+'

Error:w tensorflow/core/util/ctc/ctc_loss_calculator.cc:144] No valid path found.文本识别：DenseNet + CTC1.在使用自己的数据训练这个模型的过程中对于这个error查了很多人的回答，但是还是解决不了，大部分是说CTC在计算loss时要求输入序列长度不小于标签长度，也就是标签长度要小于输入序列长度。比如输入序列长度为25，那么标签长度不得大于25，还有的说不得大于25-1等等。我都设置了，均不成效！！！

ImportError: No module named 'model'ImportError: No module named 'xxx'看了一眼目录结构是有model的，为什么from model.densenet_crnn import DenseNetImportError: No module named 'model' 还是显示不了呢：原来是需要把模块路径放到环境变量中作为全局变量sys.path.append('F:/OCR/code/ocr_densenet_te

1.一开始使用的是下面这种旋转方法：def rotate(pic): img = cv2.imread(pic) # img = Image.open(pic) # img = np.array(img) height, width = img.shape[:2] degree = 5 # 旋转后的尺寸 heightNew = int(width * fabs(sin(radians(degree))) + height * fabs(cos(radians(degree))))

如果想同时在两个列表中取值的话，可以使用zip:for i,j in zip([0,1,2],[0,1,2]) : print(i,j)结果为：0 01 12 2来进行高阶的写法：for image,mask in zip([image0,image1,image2],[mask0,mask1,mask2]): rotated_img = image.rotate( skewing_angle i.

import cv2import numpy as npimport pyzbar.pyzbar as pyzbarfrom skimage import iourl = "https://d33wubrfki0l68.cloudfront.net/19994bca1018ba79dd954bca9edc627dcd1f1dc0/d9ac1/wp-content/uploads/2018/11/19.jpg"image = io.imread(url)#也可以选择自己的qr码图像# imag.

#--------------------------# USER-SPECIFIED DATA#--------------------------# Tune these parametersnum_classes = 2image_shape = (160, 576)EPOCHS = 40BATCH_SIZE = 16DROPOUT = 0.75# Specify these directory pathsdata_dir = './data'runs_dir = '..

from __future__ import division, print_functionimport osimport sysimport tensorflow as tfimport numpy as npfrom utils.nms_utils import gpu_nmsfrom model import yolov3from utils.misc_utils import parse_anchors, load_weightsfrom utils.data_aug impo.

from __future__ import division, print_functionimport tensorflow as tfimport numpy as npimport argparseimport cv2import osos.environ['CUDA_VISIBLE_DEVICES'] = "7"from utils.misc_utils import parse_anchors, read_class_namesfrom utils.nms_utils imp.

下载地址：https://github.com/alibaba/MNN/cd MNNmkdir buildcd buildcmake .. -DMNN_BUILD_CONVERTER=truecd ..chmod 777 schema/generate.shsudo ./schema/generate.shcd build/make

Error:No module named 'tf_slim'跳转到/models/research/slim下安装：python setup.py install说明安装成功！

在onnx转dlc的过程中出现报错：KeyError: 'starts'2020-09-03 15:06:11,435 - 166 - ERROR - Node Slice_4: 'starts'orKeyError: 'ends'2020-09-03 15:06:11,435 - 166 - ERROR - Node Slice_4: 'ends'定位到错误位置：ret[name] = KNOWN_ATTRIBUTE_DEFAULTS[name]检索KNOWN_ATTRI..

cfg='models/yolov5s.yaml'device = torch_utils.select_device('0,1')weights = 'weights/qr_model_320.pth'model = Model(cfg).to(device)dict = torch.load(weights)model.load_state_dict(dict,strict=False)print(type(dict)) #<class 'collections.OrderedDi.

安装步骤：（首先python的版本需要是3.5的）1.(注册下载）：https://developer.qualcomm.com/software/qualcomm-neural-processing-sdk2.解压：unzip snpe-1.40.0.zip3.检查依赖包和python版本：cd snpe-1.40.0.2130/binsource dependencies.shsource check_python_depends.sh报错：==========

安装依赖包的时候：sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-install-recommends libboost-all-devsudo apt-get install libopenblas-dev liblapack-dev libatlas-base-

cd CRAFT_keras-master发现报错:rm: cannot remove 'CRAFT_keras-master': 权限不够添加用户访问文件的读写权限:sudo chmod a+x CRAFT_kerassudo chmod a+r CRAFT_keras添加完之后发现文件上面的叉叉消失了,文件可以访问了.注意:前面一点要添加sudo ...

很难衡量一个检测算法的好坏，因为除了算法本身的思路之外，还有许多因素影响它的速度和精度，比如：特征提取网络(VGG, ResNet, Inception, MobileNet); 输出的步长，越大分类数目越多，相应的速度也会受影响； IOU的评判方式； nms的阈值； 难样本挖掘的比率（正样本和负样本的比率）； 生成的proposal的数目（不同的方法输出是不同的）； bbox的编码方式，是预测offset还是相对位置？ 数据预处理的数据增广方法； 用哪个特征层来做检测； 定位误差函数

一.服务器权限：1.登录管理员：ssh 192.168.xxx.xxx -l username2.增加用户：sudo useradd username -msudo useradd yuxiu -m密码：sudo passwd usernamesudo passwd yuxiu3.切换用户：su usernamesu yuxiu4.删除用户：sudo userdel -r usernamesudo userdel -r yuxiu完全删除用户：

报错：latex error file algorithm2e.sty not found latex error file algorithm.sty not found获取所缺宏包:https://ctan.org/pkg

https://www.zhihu.com/question/65305385?sort=createdgithub:https://github.com/Lyken17/pytorch-OpCounter

1.tartar cvf *.tartar xvf *.tar2.tar.gztar-zcvftar -zxvf3.zipzip -r zipunzip4.rarrar aunrar x5.gzgzipgzip -d6.bz2bzip2 -zbzip2 -d

最近忙论文，被论文中的格式搞疯了，下面介绍搞疯之一即插图清单（表格清单一样道理）—————————————————————————————————————————1.首先将需要整理目录的图像下面的文字标题复制（图1.1 行人重识别基本流程）2.然后将鼠标标点停顿在该位置：3.找到引用-> 插入题注->新建标签（因为需要标注图1.几），输入图1，点击确定。4.这时候标签中有图1了，找到图1，题注中自动生成图1.1，将之前复制的语句粘贴上，或者自己写上图1.1 行

在网上找了很多LaTeX2Word-Equation 插件 .crx，在chrome浏览器中均安装失效，都是无法加载。之后找到LaTeX2Word-Equation 压缩包文件，安装成功。下载 LaTeX2Word-Equation 插件zip文件，下载链接：https://www.gugeapps.net/webstore/detail/latex2word-equation/oicdo...

环境实在Windows下，安装swig：pip install swig发现报错：ERROR: Could not find a version that satisfies the requirement swig (from versions: none)ERROR: No matching distribution found for swigSWIG不是Python软件...

去除关键词前的txt文档key_word.txt和除去相同关键词新建的txt文档：key_word_new.txt# _*_ coding: utf-8 _*___author__ = 'gyx'__date__ = '2020/3/23 14:05'import jiebaimport pandas as pdimport osfrom collections import CountertxtPath = 'key_word.txt'txtPath_new =

tensorflow 2.0.0Error: module 'tensorflow' has no attribute 'GraphDef'graph_def = tf.GraphDef.FromString(file_handle.read())graph_def = tf.compat.v1.GraphDef.FromString(file_handle.read())...

安装tensorflow-gpu:pip install --user -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.0.0测试（注意：版本不同，有一些细微差别）：

近来在学习图像分割的相关算法，准备试试看Mask R-CNN的效果。关于Mask R-CNN的详细理论说明，可以参见原作论文https://arxiv.org/abs/1703.06870，网上也有大量解读的文章。本篇博客主要是参考了PyTorch官方给出的训练教程，将如何在自己的数据集上训练Mask R-CNN模型的过程记录下来，希望能为感兴趣的读者提供一些帮助。PyTorch官方教程（...

'''Extract panel :kmeans聚类'''import osimport cv2import numpy as npimport mathdef panelAbstract(srcImage): # read pic shape print(srcImage.shape) imgHeight,imgWidth = srcImage.sha...

def image2label(path,size_): w = size_[0] h = size_[1] label_im=cv2.imread(path) new_array = cv2.resize(label_im, (w, h), interpolation=cv2.INTER_CUBIC) data=np.array(new_arr...

1.安装所有需要安装的：pip install requestspip install bypy2.验证：python -m bypy这就说明安装成功啦！3.登录：输入：bypy info或者：bypy list弹出链接，点击这个链接：接着弹出授权码，复制一下：返回终端，粘贴一下授权码：出现成功授权，就代表登录成...

1.获取wget https://www.rarlab.com/rar/rarlinux-x64-5.6.1.tar.gz2.解压tar xvf rarlinux-x64-5.6.1.tar.gzcd rar3.安装sudo make install

内存：数组是将元素在内存中连续存放，由于每个元素占用内存 相同，可以通过下标迅速访问数组中任何元素。链表恰好相反，链表中的元素在内存中不是顺序存储的，而是通过存在元素中的指针联系到一起。比如：上一个元素有个指针指到下一个元素，以此类推，直到最后 一个元素。访问元素：数组如果应用需要快速访问数据，通过下标元素访问。（因为数组申请的内存是一段连续的内存地址，由于所申请的内存地址是连...

error:UnicodeDecodeError: 'gbk' codec can't decode byte 0xab in position 5683: illegal multibyte sequence将下面编码方式转换成：encoding='gb18030'csvfile = open('data2_.csv', 'r',encoding='gb18030')...

题目描述给你一根长度为n的绳子，请把绳子剪成整数长的m段（m、n都是整数，n>1并且m>1），每段绳子的长度记为k[0],k[1],...,k[m]。请问k[0]xk[1]x...xk[m]可能的最大乘积是多少？例如，当绳子的长度是8时，我们把它剪成长度分别为2、3、3的三段，此时得到的最大乘积是18。输入描述:输入一个数n，意义见题面。（2 <= n <= ...

哈哈，从前辈那通过学习青蛙跳台的算法经验，来了解动态规划，回溯法和分治法：前辈参考链接：https://www.cnblogs.com/genialx/p/10191366.html青蛙????跳台阶的问题：一只青蛙一次可以跳上1级台阶，也可以跳上2级。求该青蛙跳上一个n级的台阶总共有多少种跳法？分治法：从上向下，将问题分解成若干个规模更小但形式相同的子问题，进行递归求解。在求解过后，将各个...

读取weibo.xlsx文件：import pandas as pddf = pd.read_excel("weibo.xlsx") worksheet= df.values for file in worksheet: print('file',file) //表格每一行 print(file[0]) //表格每一行的第一列结果如下：...

错误如下：error: json.decoder.JSONDecodeError: Unterminated string starting at: line 1 column 188 (char 187)搜了半天来查找原因，没有解决问题，最后发现竟然是文档最后末尾缺少空行，????添加空行：...

错误完整为：1>D:\software\VisualStudio\workspace\Project8\Project8\hero.cpp(32,44): error C3867: “Hero::GetMaxLife”: 非标准语法；请使用 "&" 来创建指向成员的指针主要错误为：error C3867: “Hero::GetMaxLife”: 非标准语法；请使用 "&...

错误如下：严重性 代码 说明 项目 文件 行 禁止显示状态错误 C2664 “String::String(const String &)”: 无法将参数 1 从“const char [4]”转换为“char *” Project7 D:\software\VisualStudio\workspace\Project7\P...

如果是列表查找相同元素的个数，可以转换成字典，返回其values的值这里需要插入 counter 包：from collections import Counter举例说明：class_1_list=["喜","怒","哀","乐","乐"]class_1_dict = dict(Counter([k for k in class_1_list]))for k, v ...

老九学堂的网课中，列举出C++迭代的多种写法：第一种正常写法：void LandOwner::ShowCards(const vector<int>& cards) { for (int i = 0; i < cards.size(); i++) { cout << cards[i] << ","; } cout <<...

利用字典来替换switch case的写法：def polar_chs(polar): switch_case = { 0: 0, 1: 1, 2: -1, 3: 0 } return switch_case.get(polar, 'wrong polar val...

单个json格式'''class.txt{'PA':'乐','PE':'乐','PD':'好','PH':'好','PG':'好','PB':'好'}'''import osimport jsonpath_file = os.path.dirname(os.path.abspath(__file__))class_path = os.path.join(path_file...

#define是在C语言中提供的宏定义命令，能够在一定程度上提高程序的运行效率。#define<宏名>　　<字符串>//使用N时都会被替换成5#define N 5#define <宏名>（<参数表>） <宏体> 　//定义S函数，使用S函数时，即为数字的自乘#define S(num) num*num需要注...

快速排序原理：将数组分隔成独立的两部分，以基数为分隔点，左边小于分隔点，右边大于分隔点。代码原理：采用了分治法的思想，从数列中取出一个数作为基准数（枢轴，pivot）；将数组进行划分(partition)，将比基准数大的元素都移至枢轴右边，将小于等于基准数的元素都移至枢轴左边；再对左右的子区间重复第二步的划分操作，直至每个子区间只有一个元素。图片地址：https://www.cnblo...

冒泡排序原理：比较两个相邻的元素，将值大的元素交换到右边，重复地进行直到没有再需要交换。代码原理：两层循环，最外层是交换次数，内层循环是进行元素的交换，一般情况下，交换次数=数组总数量-1。冒泡排序后插入元素：先冒泡排序，再将元素插入，找到第一个小于元素的位置，从该位置开始后移一位，再将元素插入到该位置，实现插入。插入排序原理：首先在未排序序列中找到最小（大）元素，存放到排序序列的...

jpg格式:是有损图片压缩，可以使用最少的磁盘空间得到质量较好的图片png格式:不属于压缩性。png转换成jpg：from PIL import Imageimport cv2 as cvimport osdef PNG_JPG(PngPath): img = cv.imread(PngPath, 0) w, h = img.shape[::-1] in...

Python3.7 pip安装 dlib报错：ERROR: Command errored out with exit status 1: /home/jovyan/anaconda3/bin/python -u -c 'import sys, setuptools, tokenize; sys.argv[0] = '"'"'/tmp/pip-install-3cbh3fa9/dlib/...

import pandas as pdtrain_sample_metadata = pd.read_json('New_dataset/metadata.json').Ttrain_sample_metadata.head()import csvimport jsondef fk_rl(str): if str == 'FAKE': return 0 els...

Error:UnicodeDecodeError: 'utf-8' codec can't decode byte 0x80 in position 0: invalid start byte修改前：import pickleinf = pickle.load(open('Youtube_8M_WILLOW_new/train.pkl'))将打开方式添加‘rb’，修改后：im...

pip国内源清华：https://pypi.tuna.tsinghua.edu.cn/simple阿里云：http://mirrors.aliyun.com/pypi/simple/中国科技大学https://pypi.mirrors.ustc.edu.cn/simple/华中理工大学：http://pypi.hustunique.com/山东理工大学：http://pypi...

Error报错内容：To https://github.com/GongYuxiu/FCN_pytorch.git! [rejected] master -> master (fetch first)error: failed to push some refs to 'https://github.com/GongYuxiu/FCN_pytorch.git'hin...

interpolation 选项所用的插值方法： INTER_NEAREST 最近邻插值 INTER_LINEAR 双线性插值（默认设置） INTER_AREA 使用像素区域关系进行重采样。 INTER_CUBIC 4x4像素邻域的双三次插值...

墨菲定律（二十世纪西方文化三大发现之一）百度百科为：菲定律是一种心理学效应，由爱德华·墨菲（Edward A. Murphy）提出，亦称墨菲法则、墨菲定理。原文为：如果有两种或两种以上的方式去做某件事情，而其中一种选择方式将导致灾难，则必定有人会做出这种选择。根本内容是：如果事情有变坏的可能，不管这种可能性有多小，它总会发生。“墨菲定律”、“帕金森定律”和“彼德原理”并称为二十世纪...

# -*- coding: utf-8 -*-__author__ = 'gyx'__date__ = '2019/12/30 17:14'import pandas as pdimport osfrom collections import Counterdef add_keys(political_path,data_key,key): if key not in d...

去除关键词前的txt文档betting_keys和除去相同关键词新建的txt文档：betting_keys_new# _*_ coding: utf-8 _*___author__ = 'gyx'__date__ = '2019/12/20 10:05'import pandas as pdimport osfrom collections import Cou...

import pandas as pdimport os##########需要转换的csv文件###########path_dir = 'E:/1_gyx/Violation_Detect_all/key_words/'csvPath = path_dir + 'betting_keys.csv'if not os.path.exists(csvPath): print...

给定一个包含 n 个整数的数组nums，判断nums中是否存在三个元素 a，b，c ，使得a + b + c = 0 ？找出所有满足条件且不重复的三元组。注意：答案中不可以包含重复的三元组。例如, 给定数组 nums = [-1, 0, 1, 2, -1, -4]，满足要求的三元组集合为：[ [-1, 0, 1], [-1, -1, 2]]双指针方法：...

缺失数字给定一个包含 0, 1, 2, ..., n中n个数的序列，找出 0 .. n中没有出现在序列中的那个数。示例 1:输入: [3,0,1]输出: 2示例2:输入: [9,6,4,2,3,5,7,0,1]输出: 8Python：利用字典加速搜索：from collections import Counterclass Solution: ...

首先公示一下Github官方手册：https://help.github.com/cn/github/managing-files-in-a-repository/managing-files-on-github很有用哦！！！再来说说出现的问题：（其实也可以通过手册上面的方法提交文件，更快哈）发现在add 文件时，commit不了，提交不上去，出现错误：On branc...

1.首先点击+加号键，点击第一个创建新的仓库：2.新建新的文件仓库名称：3.接下来，这一步很重要，下面都提示了接下来要干嘛，按照这个步骤走就行了：4.首先不管windows 还是linux，切换到想要传code的位置：5.接下来输入：git init ,会进入传送模式6. 在目录下传送你想传送的文件：git add7. 接下来一定要commit...

在这篇文章中，我们将从LSTM和GRU背后的知识开始，逐步拆解它们的内部工作机制。如果你想深入了解这两个网络的原理，那么这篇文章就是为你准备的。问题：短期记忆如果说RNN有什么缺点，那就是它只能传递短期记忆。当输入序列够长时，RNN是很难把较早的信息传递到较后步骤的，这意味着如果我们准备了一段长文本进行预测，RNN很可能会从一开始就遗漏重要信息。出现这个问题的原因是在反向传播...

安装 kaggle API在 linux 或者 mac 终端输入如下命令:pip install kaggle找到My account：往下拉找到create new api token,点击下载kaggle.json文件：一定要注意这个kaggle.json文件下载在哪，将其复制到.kaggle文件下：mkdir ~/.kagglecp kaggle.json...

　目录　　1.折线图　　2. 柱状图　　3. 直方图　　4.箱线图　　5.区域图　　6.散点图 7.饼图　　8.六边形容器图数据分析的结果不仅仅只是你来看的，更多的时候是给需求方或者老板来看的，为了更直观地看出结果，数据可视化是必不可少的一个环节。这里带大家来看下一些常用的图形的画法。　　数据准备 1 2 3...

目录一、什么是最小编辑距离二、如何找到最小编辑距离三、如何计算中间距离D(n,m)四、如何回溯计算两个字符串之间对齐的字符五、带权重的最短距离六、计算生物学上的最小编辑距离（相似度）七、python版本的编辑距离算法一、什么是最小编辑距离最小编辑距离：是用以衡量两个字符串之间的相似度，是两个字符串之间的最小操作数，即从一个字符转换成另一个字符所需要的操作数，...

以下为中国科学院大学课堂PPT内容：、PPT地址为：http://www.nlpr.ia.ac.cn/cip/ZongReportandLecture/Lecture_on_NLP/NLP2018_Chp_06_HMM_and_CRFs.pdf...

pip install pandas报错内容：Traceback (most recent call last):socket.timeout: The read operation timed outDuring handling of the above exception, another exception occurredpip._vendor.urllib3...

通过列表的形式进行文本关键词检索，进行博彩类预测，查看程序时间：import jiebaimport pandas as pdimport numpy as npimport osfrom collections import Counter from time import *root_dir = os.path.realpath(__file__ + "/..")bet...

SVM本身是一个二值分类器　　SVM算法最初是为二值分类问题设计的，当处理多类问题时，就需要构造合适的多类分类器。　　目前，构造SVM多类分类器的方法主要有两类　　（1）直接法，直接在目标函数上进行修改，将多个分类面的参数求解合并到一个最优化问题中，通过求解该最优化问题“一次性”实现多类分类。这种方法看似简单，但其计算复杂度比较高，实现起来比较困难，只适合用于小型问题中；...

作为深度学习训练数据的trick，这个方法必须知道啊，结合交叉验证法，可以防止模型过早拟合。早停法是一种被广泛使用的方法，在很多案例上都比正则化的方法要好。是在训练中计算模型在验证集上的表现，当模型在验证集上的表现开始下降的时候，停止训练，这样就能避免继续训练导致过拟合的问题。其主要步骤如下：1. 将原始的训练数据集划分成训练集和验证集2. 只在训练集上进行训练，并每隔一个周期计算模型在验...

cell:一对In Out会话被视作一个代码单元，称为cellJupyter有三种cell类型：Code(编辑代码，运行后显示代码运行结果) Markdown(编写Markdown文档，运行后输出Markdown格式的文档) Raw NBConvert(普通文本，运行不会输出结果)Jupyter支持两种模式：1.编辑模式(Enter)命令模式下回车Enter或鼠标代码块进入...

1.data.drop([1,2,3,4]) #删除1,2,3,4行的整行数据2.data.drop(["列名"]，axis=1) or data.drop(columns=["列名"])举个例子：import pandas as pdimport csvdata = pd.read_csv("./betting.csv")data_new=data.drop([1...

import csvimport cv2#stag_01_submitcsvFile = open("test_submit.csv", "w") #创建csv文件writer = csv.writer(csvFile) #创建写的对象#先写入columns_name writer.writerow(["id","lab...

########转换成csv文件############import pandas as pddef xlsx_to_csv_pd(xls_file): data_xls = pd.read_excel(xls_file, index_col=0) csv_file = xls_file.split('.')[0] print(csv_file) data_x...

将训练好的模型参数进行测试，检测其正确率，并且写入csv文件中，其每个类的概率值，本模型为图像分类模型：import osos.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" # 按照PCI_BUS_ID顺序从0开始排列GPU设备 os.environ["CUDA_VISIBLE_DEVICES"] = "1" #设置当前使用的GPU设备仅为0号...

如果加载的预训练模型之前使用了torch.nn.DataParallel()，而此时的训练并没有使用，则会出现这样的错误。解决方案有两个：1：此时的训练加入torch.nn.DataParallel()即可。2：创建一个没有module.的新字典，即将原来字典中module.删除掉。解决方案1：model = torch.nn.DataParallel(model)cudn...

给定一个字符串，验证它是否是回文串，只考虑字母和数字字符，可以忽略字母的大小写。说明：本题中，我们将空字符串定义为有效的回文串。示例 1:输入: "A man, a plan, a canal: Panama"输出: true示例 2:输入: "race a car"输出: falseclass Solution: def isPalindrome(s...

from PIL import Imageimport os######## 需要裁剪的图片位置#########path_img = './GAN_img/'img_dir = os.listdir(path_img)print(img_dir)'''（左上角坐标(x,y)，右下角坐标（x+w，y+h）'''for i in range(len(img_dir)): ...

根据得到的分类结果数据，对于给出的测试图像进行标签重命名：测试集分类结果文件：stag_01_test.csv测试图片文件夹：stag_01_test##########图片重命名 Rename，设置标签##########import os ROOT_DIR = os.path.abspath("./")img_path = os.path.join(ROOT_DIR, "s...

from PIL import Imageimport torchvision.transforms as Tfrom torch.autograd import Variable as Vimport torch as t model = model.cuda()#导入网络模型model.eval()model.load_state_dict(t.load('./models/n...

在新类别上fine-tune inceptionV3from keras.applications.inception_v3 import InceptionV3from keras.preprocessing import imagefrom keras.models import Modelfrom keras.layers import Dense, GlobalAverageP...

首先我们来看看每个的含义：batchsize：中文翻译为批大小（批尺寸）。在深度学习中，一般采用SGD训练，即每次训练在训练集中取batchsize个样本训练；iteration：中文翻译为迭代，1个iteration等于使用batchsize个样本训练一次；一个迭代 = 一个正向通过+一个反向通过;epoch：迭代次数，1个epoch等于使用训练集中的全部样本训练一次；一个epoch =...

面试岗位：算法实习生1，对于最近一个项目的网络改进2，网络微调3，数据增强的方法4，逻辑回归5，过拟合和欠拟合的原因和方法改进6，正则化项作用7，梯度下降8，目标检测yolo模型9，进程和进程里堆栈放的是什么10，hashmap你知道吗11，在一个特征矩阵当中，有多个特征点，如何找到某一奇点，使得这点到所有特征点的距离之和最小。...

'''题目给一个排序数组（从小到大），将其转换为一棵高度最小的排序二叉树。注意事项There may exist multiple valid solutions, return any of them.样例给出数组 [1,2,3,4,5,6,7], 返回 4 / \ 2 6 / \ / \1 3 5 7[4,2,6,1,...

continue: 跳出本次循环，后面如果有代码不会执行；pass : 占位的作用，一般不起任何作用，后面的有代码还会执行；break：结束循环，程序后面如果有语句还会执行；exit()：结束整个程序，程序后面如果有语句不会执行。os._exit()：这个模块函数会直接将python程序终止，之后的所有代码都不会继续执行。 sys.exit()：会引发一个异常：System...

最长单调递增子序列：import sys'''输入：5, 1, 4, 2, 3输出：3'''#动态规划-最长单调递增子序列(dp)'''解法1(n^2)状态：d[i] = 长度为i+1的递增子序列的长度状态转移方程：dp[i] = max(dp[j]+1, dp[i]);分析：最开始把dp数组初始化为1，然后从前往后考虑数列的元素，对于每个aj，如果a[i] &g...

Question1：熵/相对熵(KL散度)/交叉熵？Question2：标签平滑？Question3：反向求导？Question4：softmax优化？Question1：熵/相对熵(KL散度)/交叉熵？1.信息量所以当越不可能的事件发生了，我们获取到的信息量就越大。越可能发生的事件发生了，我们获取到的信息量就越小。那么信息量应该和事件发生的概率有关。2.熵...

题目描述我们定义字符串包含关系：字符串A=abc，字符串B=ab，字符串C=ac，则说A包含B，A和C没有包含关系。输入描述:两个字符串，判断这个两个字符串是否具有包含关系，测试数据有多组，请用循环读入。输出描述:如果包含输出1，否则输出0.示例1输入abc ab输出1import reimport sysdef if_sub(s): ...

面试岗位：软件开发工程师Question1：TCP与UDP协议的区别？(网络）Question2：你知道家里100M的宽带，下载速度是多少？单位是什么？(网络）Question3：left join,right join,inner join,full join之间的区别? (数据库)Question4：抽象类与接口？Question5：Windows环境下如何实现自动关机和自...

十大经典排序算法总结（JavaScript描述）前言读者自行尝试可以想看源码戳这，博主在github建了个库，读者可以Clone下来本地尝试。此博文配合源码体验更棒哦~~~原文地址：十大经典算法总结这世界上总存在着那么一些看似相似但有完全不同的东西，比如雷锋和雷峰塔，小平和小平头，玛丽和马里奥，Java和javascript....当年javascript为了抱Java大腿...

有股神吗？有，小赛就是！经过严密的计算，小赛买了一支股票，他知道从他买股票的那天开始，股票会有以下变化：第一天不变，以后涨一天，跌一天，涨两天，跌一天，涨三天，跌一天...依此类推。为方便计算，假设每次涨和跌皆为1，股票初始单价也为1，请计算买股票的第n天每股股票值多少钱？代码如下：#有股神吗？def count_money(n): a = b = 1 ...

import visdomimport timeimport datetimeimport osimport torch as timport numpy as npimport matplotlib.pyplot as pltfrom util.Data import Dataimport torchimport modelsfrom util.utils import e...

CMMI10字体下载地址：https://ctan.org/tex-archive/fonts/cm/ps-type1/bakoma/ttf1.下载下来的字体CMMMI10.tiff文件，右击选择安装2. 打开我的电脑，找到左下角控制面板3. 选择外观和个性化，找到字体4.将字体CMMI10字体文件复制粘贴进去5.大功告成...

Error:SyntaxError: non-default argument follows default argument报错内容： File "E:/gyx/7_10_rank/util/data/market1501_1.py", line 21 def __init__(self, root='E:/gyx/',dtype, **kwargs): ...

https://blog.csdn.net/ctwy291314/article/details/83620032