- 博客(49)
- 收藏
- 关注
原创 报错requests.exceptions.ConnectionError: HTTPConnectionPool(host=‘localhost‘, port=8097): Max retries
报错requests.exceptions.ConnectionError: HTTPConnectionPool(host='localhost', port=8097): Max retries exceeded with url: /events (Caused by NewConnectionError(': Failed to establish a new connec
2024-05-25 20:57:38 327
原创 from pythonds3.basic import Stack
找到报错的位置 将list以及[ ]内部的内容全部删除即可。pycharm导入上述模块时直接报错。
2023-12-21 14:43:33 450
原创 递归算法与项目实战 学习记录
每个递归算法都可以转换成等效的迭代算法,根据递归算法提供的思路,实现另一种迭代式的指数计算函数。# # 该条判断语句的作用是 判定当前节点存在子树。# # 第二步, 按照逆序依次执行这些计算。# # 第一步判断需要执行的是什么运算。# 本质上将需要计算的一系列操作存到了列表中。# 解释了用递归调用比用迭代调用性能高的多。# 前序遍历和创建这颗树的顺序好像一样。# # 基本情况。# # 这里是基本情况。# 递归算法实现二分。# 递归的获取全排列。
2023-12-21 11:21:58 447
原创 合并区间题解记录
区间 [1,3] 和 [2,6] 重叠, 将它们合并为 [1,6].一个不重叠的区间数组,该数组需恰好覆盖输入中的所有区间。区间 [1,4] 和 [4,5] 可被视为重叠区间。表示若干个区间的集合,其中单个区间为。请你合并所有重叠的区间,并返回。
2023-12-02 13:32:34 102
原创 transformer理解
然后利用所有的对应权重关系与各自的value值相乘再相加,相当于自身embedding 与其他embedding 特征信息进行信息整合,整合后的结果作为当前embedding特征信息进行输出。multi-head self-attention 相当于增加了多个需要训练的权重信息,相当于多层卷积核同时进行训练,增加训练过程中的特征信息的维度。Feed forward 在作的事情有点像SENET 先进行特征维度的延展,然后进行非线性变换,再进行特征信息的压缩,从而实现注意力的增强,实现一个非线性化。
2023-10-22 10:40:24 243
原创 二叉树的中序遍历
栈迭代方法虽然提高了效率,但其嵌套循环却非常烧脑,不易理解,容易造成 “一看就懂,一写就废” 的窘况。),兼具栈迭代方法的高效,又像递归方法一样简洁易懂,更重要的是,这种方法对于前序、中序、后序遍历,能够写出完全一致的代码。在树的深度优先遍历中(包括前序、中序、后序遍历),递归方法最为直观易懂,但考虑到效率,我们通常不推荐使用递归。如果遇到的节点为白色,则将其标记为灰色,然后将其右子节点、自身、左子节点依次入栈。使用颜色标记节点的状态,新节点为白色,已访问的节点为灰色。来源:力扣(LeetCode)
2023-10-07 08:44:35 84
原创 将文件夹中的图片名称导入excel中
files("G:\测试数据\*.jpg") (路径对应自己的图片路径)=index (测试,row(a1)) (测试对应为自己的文件夹名称)excel 公式——定义名称——(输入自己的文件夹名称)
2023-05-15 11:01:46 383
原创 1*3 3*1 卷积实现
1*3 3*1 卷积实现过程中,步长变化与3*3卷积相似,值得注意的是,padding部分需要作出相应的调整,否则输出的特征图大小无法实现整倍数变化
2022-07-21 21:19:54 2382
原创 open-cv对图像实现两次上采样,提升分辨率
# -*- coding: utf-8 -*-import cv2import numpy as npimport matplotlib.pyplot as pltimport os# 需要改动的只有两部分# path原图像路径,path2高分辨率图像路径path = r'C:\Users\sun\Desktop\data24\train\No-Anomaly'path2 = r'C:\Users\sun\Desktop\data244\train\N'picture_name = .
2022-05-24 16:13:07 233
原创 parma计算
# 卷积parma = (卷积核(a*b)的大小相乘 * 输入图像的特征层数 + 1) * 输出图像的特征层数# 全连接层parma = (输入图像的特征层数 + 1) * 输出图像的特征层数
2022-04-12 17:40:21 235
原创 查看网络结构
import torchfrom torchsummary import summaryfrom modelsun import SunNetif __name__ == "__main__": # 需要使用device来指定网络在GPU还是CPU运行 device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = SunNet(num_classes=6, aux_logi.
2022-04-12 16:14:21 434
原创 修改predict实现acc计算
import osimport jsonimport torchfrom PIL import Imagefrom torchvision import transformsimport matplotlib.pyplot as pltfrom model import efficientnet_b0 as create_modeldef main(): device = torch.device("cuda:0" if torch.cuda.is_available() e.
2022-04-05 21:41:49 3347
原创 基于b导的srgan直接对自己的数据集批量提升分辨率
#--------------------------------------------------------------## 对单张图片进行预测,运行结果保存在根目录# 默认保存文件为results/predict_out/predict_srgan.png#--------------------------------------------------------------#from PIL import Imageimport osfrom srgan import .
2022-03-22 10:55:03 380 1
原创 图像批量化中值滤波处理
# sunimport osimport cv2import numpy as npimport matplotlib.pyplot as pltold_up_path = r"C:\Users\sun\Desktop\devide_8"new_up_path = r"C:\Users\sun\Desktop\fen_lei"panel_name = os.listdir(old_up_path)for panel_names in panel_name: picture_nam.
2022-03-20 19:40:57 4780 6
原创 批量将图像的通道数由24位转为8位
# 该部分代码可以将图像的通道数由24位转为8位up_path = r'C:\Users\sun\Desktop\zhong'up_save_path = r'C:\Users\sun\Desktop\fenlei'species = os.listdir(up_path)for specie in species: path = os.path.join(up_path, specie) save_path = os.path.join(up_save_path, specie).
2022-03-20 19:06:28 596
原创 anaconda安装问题 (配置环境变量)
首先anaconda安装在了E盘cmd conda 显示无法找到查询了环境变量发现,缺少环境变量打开环境变量——系统变量——path(点击两下)加入(acaconda目录以及、E:\anaconda\anaconda\Scripts目录)cmd conda即可找到...
2022-03-18 15:25:30 2843
原创 shutil.copy(old_path, train_path)
shutil.copy在拷贝图片时候,默认:相同文件名存储为一个文件。今日本来要储存不同文件夹下的40000张图片,但由于不同文件夹下有相同名称的文件,所以总数总是达不到40000。
2022-03-17 14:30:10 309
原创 数据增强 + 1:9分割数据
# import random# import shutil## import cv2# import glob# import os## x = [1,2,3,4,5,6]# # random.shuffle可以随机乱序列表中的元素# random.shuffle(x)# print(x)## up_path = r"C:\Users\sun\Desktop\data devide"# up_newpath = r"C:\Users\sun\Desktop\datasets".
2022-03-17 09:28:45 348
原创 # 这是一个批量修改文件中图片名称的.py
# 这是一个批量修改文件中图片名称的.py# 这里可以修改的地方有三个:path(输入图片的路径)、a(起始图片的序号)、"No-Anomaly"(该部分可以灵活修改图片的名称)import osdef rename(): # 原始图片路径 path = r'C:\Users\sun\Desktop\b_classification\classification-pytorch-main\color_datasets\train\No-Anomaly' # 获取该路径下所.
2022-03-16 19:09:54 1258
原创 random.shuffle
random.shuffle用途的简记# random.shuffle可以随机乱序列表中的元素,random.shuffle虽然可以将列表顺序打乱,但是它无法将打乱的列表存储到新列表# random.shuffle函数调用后会直接打乱原来的列表
2022-03-16 18:52:48 1892
原创 分割训练集与测试集数据
import randomimport shutilimport cv2import globimport osx = [1,2,3,4,5,6]# random.shuffle可以随机乱序列表中的元素random.shuffle(x)print(x)up_path = r"C:\Users\sun\Desktop\data devide_color"up_newpath = r"C:\Users\sun\Desktop\data devide_color"train_path.
2022-03-16 16:48:08 749
原创 批量转换不同种类的光伏灰度图像为hot类型的假彩色图像
import cv2import globimport os# 多张图片的假彩色转换up_path = r"C:\Users\sun\Desktop\data devide"up_newpath = r"C:\Users\sun\Desktop\data devide_color"list = os.listdir(up_path)for lists in list: path = os.path.join(up_path, lists) newpath = os.path.
2022-03-16 14:33:40 86
原创 pytorch 算卷积核步长及padding
PyTorch中的经验:1、对于卷积,统一公式:或者是作者:HelloSam链接:https://www.jianshu.com/p/3d0d0efb26fe来源:简书著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。...
2022-03-14 21:19:24 1933
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人