yyfhq的博客

原创 IDEA:快捷键 macbook 自动补全左侧声明变量代码

/ option+command+v 快速生成左边的快捷键。

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

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。

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。

原创 机器自己给自己催眠的咒词

机器自己给自己催眠的咒词

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。

原创 BERT理解

参数计算（沐神对于bert参数计算介绍）

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。

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）

原创 origin简单学习记录--删除整个图例的黑线边框

origin简单学习记录--删除整个图例的黑线边框

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）

原创 xlm文件获取box以及name信息

绘制自己标注的box

原创 基于从text文件，选择文件夹中的图片

基于从text文件，选择文件夹中的图片

原创 清华源清华源清华源

清华源清华源清华源

原创 数据增强之翻转

水平翻转与垂直翻转（数据增强方法）

原创 图像抓取，任意图像抓取并自动保存

图像抓取，任意图像抓取并自动保存

原创 手动选择文件夹路径

手动选择文件夹路径

原创 ECA模块

ECA模块。

原创 word公式编辑

word公式编辑

原创 下采样倍率与stride的2的幂次方成正比

下采样倍率与stride的2的幂次方成正比

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

原创 批量化8通道转24通道

8通道转24通道

原创 指定图片名称分割数据集

无

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 = .

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

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.

原创 池化计算公式

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.

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 .

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.

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).

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...

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。

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".

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.

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

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.

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.

原创 反卷积计算公式

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。...