weixin_41068770的博客

在视图中选择冻结窗格，需要注意的是，选择冻结窗格时，窗格的左上方的表格区域是固定不动的，只可以向下或者向右活动。对于较大的excel，通常需要固定一部分内容，另一份内容为可翻动。

其中，step5是保障step6顺利完成的关键，未完成step5，便执行step6时，会导致所有的页码都去掉。接下来去除封皮页的页码。step3：鼠标点击在 目录页，选择”插入“-页码-格式设置-选择编码格式为罗马数字。在文档的封皮页不设置页码，在目录页页码设置为罗马数字，在正文使用阿拉伯数字。step1： 在封皮页的最后，点击”插入“-分隔符-分节符（下一页）step2：在目录页的最后，点击”插入“-分隔符-分节符（下一页）step6：点中封皮页的页码，选择删除，即可去除掉封皮页的页码。

原因1：原因2：原因3：

本文解决的问题：VS显示“vs未找到导入XXX.vcxproj 项目，请确认 import 声明中的路径正确”。本文以属性表和版本升级为例。其他问题解决方法相似。1）添加属性表打开别人的项目时，如果他在项目中添加了属性表，而属性表并未同时与工程一起打包，那么你的VS就会显示：D:\xxxx\xxxx.vcxproj : error : 无法读取项目文件“xxxx.csproj”。D:\xxxx\xxxx.vcxproj( ): 未找到导入的项目“C:…..\xxxx.targets”。请确认 i

链接：https://app.grammarly.com/

https://blog.csdn.net/u014453898/article/details/94446564

https://blog.csdn.net/hjimce/article/details/50098483

模型融合方法1： 模型平均class AveragingModels(BaseEstimator, RegressorMixin, TransformerMixin): def __init__(self, models): self.models = models def fit(self, X, y): self.clone_models = [clone(x) for x in self.models]

1. 内容本学习材料主要包括以下四个方面的内容* 机器学习的基础介绍* 特征工程与特征筛选* 基础模型的训练与预测* 机器学习实验流程3. 特征工程与特征筛选3.1 查看空值比例## 查看空值比例data_na = (data.isnull().sum()/len(data))*100data_na = data_na.drop(data_na[data_na == 0].index).sort_values(ascending=False)missing_data = p

使用Pandas进行数据进行结构化数据的分析。1. 文本数据的正则化原始的数据如下图左，数据列名的格式比较复杂，可以看出有四种情况：* 英文+
+中文* 英文+\u2028+中文* 英文+
+英文* 英文需要稍微进行一下处理便于后面的分析，有中文的保留中文部分，'ALF
ALF'变成'ALF'，'PVD'保持不变。主要使用正则表达式进行匹配。修改后的内容如下图右。!pip install regex## 导入需要的库import regex as re## 原始列名列表

车道线检测项目的本质是一个边缘检测的算法的延伸。在汽车正常行驶过程中，车道线往往出于车体视野的中心对称位置，其位置相对固定。下图展示了一个该场景，随着车辆的移动，车道线基本处于该黑色虚线所包围的区域内。因此，使用边缘检测时，如果我们仅对该ROI区域进行计算，将有利于降低干扰，减少计算量。之后检测直线时，使用的是霍夫变换，但ROI区域内的边缘直线信息比较多，例如上图右侧白色线是间断的直线。考虑到道路中直线只有左右两条，他们的特点是，一条直线的斜率为正，一条直线的斜率为负，且正负斜率直线

转载自：https://www.cnblogs.com/houfee/p/10536763.html这是我见过对递归算法和时空复杂度介绍的很好的一个文章。--------------------------------------------------------------------------------------参考目录：递归和栈帧的调用原理时间复杂度时间复杂度和空间复杂度什么是时间复杂度空间复杂度斐波那契时间复杂度和空间复杂度分析我的笔记：Java.

转载自：http://www.cnblogs.com/darkknightzh/p/6836568.htmlPyTorch默认使用从0开始的GPU，如果GPU0正在运行程序，需要指定其他GPU。有如下两种方法来指定需要使用的GPU。1. 类似tensorflow指定GPU的方式，使用CUDA_VISIBLE_DEVICES。1.1 直接终端中设定：CUDA_VISIBLE_DEVICES=1 python my_script.py1.2 python代码中设定：impor

一、生成镜像以往的镜像在新的project上不符合，因此不得不开一个新的镜像并在其中安装环境。docker commit -m "new_torch_env" -a "chluan" f36d4d8bf0ef建立好了新的Image镜像，根据镜像生成一个新的docker，并在该docker里面配置环境。二、配置环境project里面包含environment.yaml文件，包含了环境配置。根据官网中Anaconda配置，如下：conda env create -f envir

代码如下；#! /usr/bin/env bash CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 #02 04 05 09 10 11 13 for id in 02 05 09 10 11 13 do echo $id python main.py --stage det --phase train --config /configs/config.yaml --leave_oneID $id done...

博文目录：0. Attention的模型解释1. pytorch下attention算法的实现2. 深度学习中的直觉与模型0. Attention的模型解释Attention Mechanism目前非常流行，广泛应用于机器翻译、语音识别、图像标注（Image Caption）等很多领域，之所以它这么受欢迎，是因为Attention给模型赋予了区分辨别的能力，例如，在机器翻译、语音识别应用中，为句子中的每个词赋予不同的权重，使神经网络模型的学习变得更加灵活（soft），同时Atten.

开始使用pytorch建立神经网络模型，对一些遇到的坑进行记录。1. forward函数内不要定义网络层定义model类的时候，有init函数用于初始化一些网络层，forward里进行前向计算。网络层，如Conv层、Linear层，要将其放在init里，不要放在forward里。测试案例：1. 函数层放在init函数里：函数层放在forward函数里：猜测可能是因为在forward里定义函数层的话，其在测试时候没有eval，测试结果中，预测的data效果巨差。此外，虽然l

最近重装Linux系统，但是这次ssh连接云服务区Linux系统时，经常出现一段时间不操作，连接自动中断，表现为光标还在闪动，但是却无法操作。只好关闭终端，重新连接，很是麻烦。为此，通过网络查找，找到一个解决方法，记录一下，以便以后查看。修改/etc/ssh/ssh_config文件sudo vim /etc/ssh/ssh_config查找是否有ClientAliveInterval 0和ClientAliveCountMax 3，如何没有，则在文件后添加ClientAliveI

在连接到自己的服务器后，需要对自己的镜像进行操作。对近期自己使用过的docker指令进行记录：1. 查看所有的镜像docker ps2. 运行建立自己的镜像nvidia-docker run -tid -v /ssd/chluan/TPALSTM/:/root/IoP_estimator_main/ --name tpalstm_tracking64 --shm-size 64G registry.aibee.cn/tr/sv_g:1.0.9_shzd bash3. 删除