Ma Sizhou

目录1、比赛介绍：2、数据划分：3、图像增广：4、读取数据：5、模型构造：6、计算损失：7、模型训练：8、模型推理：9、上传预测结果到kaggle:本文内容来源于《动手深度学习》一书。跟着沐神做kaggle比赛。注：以下代码都在jupyter中完成。1、比赛介绍：该任务是：给出树叶的图片，将给出的树叶分成176类。数据如下图所示，通过下面的网址，下载训练数据和测试数据：比赛地址及数据下载地址：https://www.kaggle.com/c/classify-leaves/da.

目录1、PIL包读取图片地址，并转化为Tensor2、将PIL图片转化为Tensor3、Tensor转化为PIL图片4、直接展示tensor格式图片5、直接保存tensor格式图片6、测试：在做图片分类的kaggle比赛的时候，需要将图片转换为Pytorch的Tensor。为了以后再查看，记录一下Pytorch的Tensor与各种图像格式的相互转化详解。这里，使用python自带图像处理库PIL，给出图片地址，将图片读取出来。然后使用torchvision中自带的transforms函数，将读.

目录1、比赛介绍：2、导入数据：3、项目构建：特征选择：预处理：训练：模型推理及保存预测结果：4、上传预测结果到kaggle:5、总结：本文内容来源于《动手深度学习》一书。跟着沐神做kaggle比赛。1、比赛介绍：该任务是预测房屋销售价格的基础上的信息，如卧室的数量，生活区，位置，附近的学校，和卖方总结。数据包括2020年在加州售出的房屋，测试数据集中售出的房屋排在训练数据集中之后。此外，私人排行榜房屋也在公开排行榜房屋之后出售。数据如下图所示，通过下面的网址，下载训练数据和测试数据：比.

中国气象数据网 下载中国气象站点的数据，要么需要认证，要么就是要钱。确实弄得人很心烦。美国NOAA有一个专门下载全球气象站数据的网站 可以下载 全球的气象站点的数据。不需要注册，不需要项目权限，但是首次下载这个数据还是让人很头疼，下面是访问地址：https://gis.ncdc.noaa.gov/maps/ncei#app=clim&cfg=cdo&theme=hourly&layers=1&node=gis下面我们就看看如何从这个网站上下载中国气象站点的气象数.

目录1、环境准备2、切割视频1、环境准备第一步，先安装opencv，完整的名字是：opencv-pythonpip install opencv-python需要注意的是，安装opencv之前需要先安装numpy，matplotlib等2、切割视频

我们在处理数据的时候，有时候需要将两个或多个Dataframe表处理成一个，至于怎么变成一个，就是我们项目具体的需求了，这篇博客正是做这样一件事。目录一、一、

纬度计算距离公式原理.经纬度计算距离公式：其中：1、Lung1 Lat1表示A点经纬度， Lung2 Lat2表示B点经纬度；2、a=Lat1 – Lat2 为两点纬度之差 b=Lung1 -Lung2 为两点经度之差；3、6378.137为地球半径，单位为千米；4、计算出来的结果单位为千米，若将半径改为米为单位则计算的结果单位为米；5、计算精度与谷歌地图的距离精度差不多，相差范围在0.2米以下。...

目录一、Pandas 概览：1、Pandas 是什么？２、数据结构二、 Pandas基础介绍 ：１、生成对象2、查看数据３、选择数据(这部分挺重要的)(1)获取数据(２)按标签选择,主要用了.loc方法：(３)按位置选择,主要用了.iloc方法：(4)布尔索引(5)赋值4、缺失值处理５、运算一、Pandas 概览：1、Pandas 是什么？Pandas 是 Python 的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。Pandas 的目标是成为 Pyth

在前面说了PyG这个框架，但是这个框架处理数据其实没那么简单，并且有时候我们想要改变底层的图卷积框架时就无能为力了，所以这一章说一下用PyTorch怎么写出图卷积并且实现交通流量数据的预测。但在这之前，需要先处理好需要的数据。文章目录1、数据来源2、数据分析3、数据处理（1）读入数据并取需要的特征（2）数据集处理：写成PyTorch所需要的数据集的类1、数据来源数据来自美国的加利福尼亚州的洛杉矶市，第一个CSV文件是关于节点的表示情况，一共有307个节点，第二个npz文件是交通流量的文件，时间范围.

上一小节: 链接.这一小节看基于PyG库构造自己的数据集和查阅其他GCN方法目录一、构造自己的数据集一、构造自己的数据集

目录一、GRU介绍二、分类问题介绍三、PyTorch实现1、模型理解2、代码一、GRU介绍GRU（Gate Recurrent Unit）是循环神经网络（Recurrent Neural Network, RNN）的一种，和LSTM（Long-Short Term Memory）一样，也是为了解决长期记忆和反向传播中的梯度等问题而提出来的。我们在实验中选择GRU是因为它的实验效果与LSTM相似，但是更易于计算。网上很多都使用画图来说明，我感觉不是很好，被一大堆的 “门” 给搞乱了，实际上看着公式更好理

图片存放的目录格式：A(原文件夹)      a              file      b              fileB       file移动不改名import osimport shuti