python
文章平均质量分 91
T1.Faker
此人很懒,什么都没有写
展开
-
Anomalib 图像异常检测算法
在工业生产中,质量保证是至关重要的,因为生产中的细小缺陷可能导致产品不合格,甚至损害消费者和企业的利益。工业异常检测是一项关键任务,旨在从大规模的生产数据中可靠地检测出异常情况,这些异常可能是缺陷、故障或其他不正常情况。异常,又被称为离群值,是一个在数据挖掘领域中常见的概念,已经有不少的工作尝试对异常数据进行定义。一般情况下,会将常见的异常样本分为3个类:点异常、上下文异常和集群异常。点异常一般表现为某些严重偏离正常数据分布范團的观测值,如下图a(a)a。原创 2023-10-19 15:52:47 · 1205 阅读 · 1 评论 -
Python itertools教程(python中的迭代器与组合迭代器)
当谈到在Python中优雅地处理迭代任务时,itertools库是一个不可或缺的工具。这个强大的库提供了一系列用于创建、操作和合并迭代器的函数,能够让你的代码更加紧凑、高效,并且更易于阅读和维护。无论是解决排列组合问题、处理无限序列,还是简化循环结构,itertools都能够成为你的得力助手。原创 2023-08-28 16:51:30 · 689 阅读 · 2 评论 -
Kangas:计算机视觉中的pandas
在计算机视觉领域,Kangas是一种在图像数据处理和分析方面越来越受欢迎的工具之一。就像Pandas改变了数据分析人员处理表格数据的方式一样,Kangas正在为计算机视觉任务做同样的工作。Kangas是Comet ML开发的开源工具,用于探索、分析和可视化大规模多媒体数据集,如图像、视频和音频。Kangas使机器学习专业人员能够可视化、排序、分组、查询和解释他们的数据(结构化或非结构化),以获得有意义的见解并加速模型开发。另一方面,Pandas是一个流行的开源Python库,用于处理和操作表格数据。原创 2023-06-25 10:22:28 · 658 阅读 · 0 评论 -
一文实现部署AutoGPT
在当今的人工智能领域,大规模的预训练模型已经显示出他们在各种任务中的强大能力。其中,AutoGPT作为GPT系列的新成员,继承了其先辈们的优良传统,并引入了新的特性,为我们提供了新的机会和可能AutoGPT是OpenAI基于GPT-4架构开发的大规模预训练模型。它以Transformer为基础,通过在大量文本数据上进行无监督学习,让模型理解人类的语言,包括语法、情感、事实和一些常识。训练完成后,它可以生成连贯的、符合上下文的文本,甚至进行问题回答、写文章、编程等复杂任务。原创 2023-05-21 15:12:17 · 1283 阅读 · 0 评论 -
使用Python实现Rest API指南
一旦你识别出所有的资源,下一步就是为它们定义终点。终点就是资源的URL,通常表现为复数形式的名词,如/users,/orders等。每个资源都应该至少有一个终点,并与一个或多个HTTP方法相关联。在Python中使用和构建REST API是一个非常重要的技能。通过这篇文章,我们已经了解了REST API的基本概念,以及如何在Python中进行操作。我们还了解了Flask、Django REST框架和FastAPI这三个最常用的工具,它们可以帮助我们更加高效地构建REST API。原创 2023-05-19 16:16:45 · 2440 阅读 · 0 评论 -
linux服务器安装python环境配置
其作用是提高服务器的安全性,降低被攻击的风险。同时,对于一些需要权限管理的文件,建议将其保存在普通用户的家目录下,以免出现权限问题。当你使用 SSH 隧道或代理时,你实际上是将本地端口转发到远程服务器上的某个端口,以便在本地计算机上访问远程服务器。你可以使用conda创建新的环境,每个环境可以有不同版本的Python和不同的库。然后,它会提示你选择安装位置,你可以接受默认位置,或者输入新的位置。之后,你就可以开始使用conda命令来创建新的环境,安装包,等等。现在,你处于新的环境中,可以安装需要的库。原创 2023-05-17 16:02:47 · 3252 阅读 · 0 评论 -
linux下后台运行python脚本
这几天工作中遇到一个问题,后台运行python脚本,存储输出日志到linux系统中,因为在脚本中用了大量的print,导致输出很多信息,服务器内存占满了光是log就有120G,因此写下这篇博客,记录后台运行python脚本的一些方法和保留日志信息的参数。原创 2023-01-05 15:58:32 · 1505 阅读 · 4 评论 -
python 使用矢量化替换循环
矢量化是在数据集上实现 (NumPy) 数组操作的技术。在后台,它将一次性运算数组中所有元素(不同于一次操作一行的“for”循环)。下面我将用一些示例,分别使用python 循环和矢量化实现,看下能够帮助您节省出多少时间。就是把能数学运算的数据(int、float)放到numpy的数组中处理。原创 2023-01-05 12:00:19 · 854 阅读 · 1 评论 -
python数据结构 操作指南(列表、元组、字典、集合)
因此本文详细介绍了四种数据结构下,结合复合函数实现操作的方法。原创 2022-11-23 16:57:14 · 572 阅读 · 1 评论 -
深度学习提高模型准确率方法
嫌麻烦的:自己做的项目有现成的,就迁移学习 自己数据集单一的,就从数据集入手模型过拟合:就改进模型的超参数,或者正则化,权重衰减,Dropout模型欠拟合:就增加复杂模型,增加epoch模型训练时间过长:批次处理标准化。原创 2022-10-24 16:46:38 · 49018 阅读 · 42 评论 -
深度学习多进程GPU部署(二)- 深度学习部署
下面针对使用多台裸机使用分布式的场景提供指导,总体而言,强烈推荐使用 docker 环境部署使用分布式训练当机器数量多于 5 台且长期使用时,建议使用 Kubernetes 部署 或其他类似集群管理工具使用。原创 2022-10-22 23:28:43 · 4825 阅读 · 3 评论 -
深度学习多进程GPU部署(一)- python多进程多线程
个处理,第一个数据处理完预测,下一个数据进来(队列的形式),这样的部署,在业务上预测延迟很大的。再了解如何用深度学习部署多进程之前,先学习一下,python中多进程多线程是如何实现以及原理的。原创 2022-10-20 16:22:40 · 7656 阅读 · 2 评论 -
flask部署深度学习api接口
flask部署深度学习api接口1. flask框架中request请求1.1 GET和POST区别2. flask request 属性2.1 常用方法使用2.1.1 method:请求方法2.1.2 form:返回form的内容2.1.3 args和values:args返回请求中的参数,values返回请求中的参数和form2.1.4 cookies:cookies信息2.1.5 url、path、script_root、base_url、url_root2.1.6 date、files:date请求原创 2021-09-15 16:42:25 · 5206 阅读 · 0 评论