- 博客(20)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 记录一下MAC跑通SadTalker的踩坑过程
以上就是我跑通SadTalker碰到的所有坑和解决方法，但是因为我没有GPU生成视频的速度特别慢，而且效果看起来也不太理想，接下来看看有没有优化的方法。
2024-04-06 22:53:39
415
1
原创 Angular main.ts报错“Promise＜NgModuleRef＜AppModule＞＞”上不存在属性“catch”
报错原因：tsconfig.json是TypeScript的配置文件，其中"compilerOptions"中的"lib"规定了导入库的版本，遇到以上两个报错是因为我的lib写的是"ES2022"，导致无法识别报错。修改方法：将tsconfig.json中的"compilerOptions"->“lib"修改为可识别的版本即可，如"ES2021”、"ES2015"等。标红的函数为：platformBrowserDynamic().bootstrapModule(AppModule)
2023-03-26 22:15:11
155
原创 【UNIX】进程创建与进程控制相关系统调用函数
本文主要讨论在UNIX系统如何通过一系列系统调用函数创建与控制进程，创建进程时用到的系统调用函数主要有：fork()、exec()、wait()等，控制进程用到的系统调用函数主要有：kill()等。下面结合代码详细介绍上述系统调用函数功能。
2022-02-05 21:44:33
1670
原创 【The abstraction of process】什么是进程
文章目录定义一、进程的创建二、进程状态三、数据结构定义 进程就是运行中的程序，而程序本身是一堆保存在磁盘中的说明或者数据，等待被访问或者调用，是操作系统使程序运行起来，发挥它们的作用。其中，CPU的虚拟化或者说分时机制使得进程的并发运行得以实现，而操作系统的调度策略决定了当前运行哪一个程序。 进程更详细的定义为，它包含了程序执行过程中访问或影响的所有东西，比如内存中的数据、寄存器中的数据以及一些I/O设备等。其中寄存器包括很多，程序执行过程中常用的寄存器有程序计数器、栈指针和帧指针，程序计数器告
2022-01-22 16:07:22
314
原创 Python中imporlib与imp导入模块的区别以及如何使用绝对路径和相对路径
importlib与imp在导入模块时的区别，以及如何使用importlib以文件绝对路径导入模块
2022-01-19 14:41:33
3913
原创 【Python Pandas】关于DataFrame行转列，转字典的尝试与记录（有代码和结果展示）
想要实现的数据处理是画出如下表格中，每个城市中的不同店铺随时间变化的支出曲线。数据预处理首先进行所有操作之前要进行数据预处理，对于城市和店铺这两列来说，它们只要不为空即可，处理的方式为：import pandas as pddf = pd.read_csv('test.csv')df = df[df["城市"].notna()]df = df[df["店铺"].notna()]而对于最重要的两列数据时间和支出来说，需要筛选符合他们格式的数据，其他的一律视为记录错误剃掉，比如说支出这一列必须
2021-12-23 11:21:26
1444
原创 基于RFM的精细化用户管理
基于订单交易的价值模型更加适用于销售型公司的运营需求。针对交易数据分析的常用模型是RFM模型。使用的库包括time、numpy和pandas。在实现RFM组合时，我们使用sklearn的随机森林库来计算RFM的权重，在结果展示的时候主要使用Excel的可视化图表方式。读取数据常用的python库有：pandas：数据处理numpy：数据处理sklearn：模型训练sheet_name = ['2015','2016','2017','2018','会员等级']sheet_datas = [
2021-08-30 00:15:07
101
原创 会员数据化运营-task01
一、目的进行数据化运营主要有两个目的，一是会员营销，二是会员关怀，会员营销有助于销售额或者销售量的提升，而会员关怀有助于预防客户流失。二、指标和模型会员数据化运营的关键指标包括会员整体指标、营销指标、活跃度指标、价值度指标、终生价值指标和异动指标。会员整体指标又称会员链路指标，意思是指会员在业务整体链路转化的显现指标。主要用于优化会员转化链路，结合埋点数据发现会员在真实场景中遇到的问题。进而优化会员路径和实际转化链路，增加会员的最终转化率。营销指标主要包括涉及营销的一些指标，包括营销成本和营
2021-08-22 19:19:09
159
原创 动手学数据分析-task05
模型建立和评估前面做的都是对数据进行预处理，数据分析中最重要的一步是用处理过的数据进行建模，然后得到我们想要的结果，比如说预测或者是其他。模型建立模型建立这一步，常用的python库有：pandas：数据处理numpy：数据处理matplotlib：数据可视化seaborn：数据可视化image：数据可视化首先模型的输入是清洗过后的数据，它在原始训练数据的基础上，对原始数据进行了筛选，避免了变量重复，并且对其中的某些变量进行了扩展，比如说pd.get_dummies()处理。输入数据对
2021-07-23 00:00:32
54
原创 动手学数据分析-task04
数据重构数据可视化可以清晰的展现出数据特征，更为直观且清晰的表示出我们的结果，在python中通常导入matplotlib库来实现数据可视化。数据合并result_up = pd.concat([df_left_up,df_right_up],axis = 1)result_down = pd.concat([df_left_down,df_right_down],axis = 1)result = pd.concat([result_up,result_down],axis = 0)res
2021-07-20 00:08:05
90
2
原创 动手学数据分析-task03
数据重构可以完成数据合并的方法有pd.concat，join，append等。数据合并result_up = pd.concat([df_left_up,df_right_up],axis = 1)result_down = pd.concat([df_left_down,df_right_down],axis = 1)result = pd.concat([result_up,result_down],axis = 0)result1 = df_left_up.join(df_right_
2021-07-18 00:16:15
64
原创 动手学数据分析-task02
一、数据清洗及特征处理一般情况下，获取的数据中会存在一些NAN值，关于None和NAN的区别如下：None能够直接被导入数据库作为空值处理， 包含NaN的数据导入时会报错。numpy和pandas的很多函数能处理NaN，但是如果遇到None就会报错。None和NaN都不能被pandas的groupby函数处理，包含None或者NaN的组都会被忽略。为避免其影响到后续的数据分析，需要提前对它进行处理：缺失值观察与处理df[ ] : 只取某列的值，是键值， 返回Series类型df[[ ]]
2021-07-15 23:33:39
47
原创 动手学数据分析-task01
一、数据载入及初步观察读取数据是进行数据分析的第一步，pandas中通常使用read_csv来进行数据读取：直接读取train_data = pd.read_csv('./train.csv')逐块读取train_data = pd.read_csv('./train.csv', chunksize=5)修改列名train_data.columns = ['乘客ID','是否幸存','乘客等级','乘客姓名','性别','年龄','堂兄弟/妹个数','父母与小孩个数','船票信
2021-07-13 23:33:00
81
原创 linux服务器上安装pytorch torch.cuda.is_available()=False
前提：服务器已安装了cuda、cudnn、anaconda3，python3.6过程：出现这个问题的时候查了很多资料，下面归纳总结碰到此问题时可以从以下三个方面进行尝试。方法一、服务器cuda确认服务器安装了多少cuda以及其版本。确认服务器cuda版本的命令有以下三个：nvidia-smi这个命令既可以查cuda的驱动API版本，也可以查看GPU运行状态；ncvv -V查看cuda的runtime API 版本；cat /usr/local/cuda/version.txt如果不知
2020-07-10 17:52:03
2934
1
原创 堆排序 算法及python程序详解
一、堆排序算法原理堆排序算法建立在完全二叉树的数组表示形式之上，可分为大根堆和小根堆两种，分别可对应数组的从小到大排序和从大到小排序。本文程序以大根堆为例。在学习堆排序算法之前，需要了解到：1、完全二叉树的数组表示形式中，父节点 i 的左右子节点分别为2i+1和2i+2。2、大根堆中父节点均比子节点大。堆排序算法主要有两步：1、针对输入的无序数组，构造初始大根堆；2、大根堆中，堆顶为当前堆中最大值，将其数值与堆中最后一个节点数值进行交换，然后舍弃最后一个节点，重新构造剩余节点的大根堆。程序中，
2020-06-01 19:53:13
158
原创 Faster R-CNN TensorFlow-CPU版本 运行demo报错修改
1、本机环境ubuntu16.04CPUtensorflow 1.10.0python版本 2.72、代码及前期准备代码copy自Faster R-CNN这个代码是在GPU下跑的代码，因为我是在CPU下运行，所以还需要做一下修改，可参照代码修改3、报错修改按照第二点链接代码修改中的操作一步一步下来本来是没有问题的，但是我在运行…/tools/demo.py的时候出现了如下的报错...
2019-10-30 23:13:11
344
原创 【tensorflow 实战】Windows系统CNN实战—CIFAR10数据集训练+tensorboard可视化
1、平台系统：windowspython: 3.5.4tensorboard: 1.142、代码及数据集代码从官网下载CIFAR-CNN代码数据集也从官网下载CIFAR-10，注意要下载binary version3、运行数据集下下来后解压放在cifar10_train文件夹中。代码下下来解压之后会得到很多.py文件，打开cifar10_train.py可看到程序定义的获取数据集...
2019-10-24 22:43:58
592
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人