- 博客(206)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 CUDA11.4配置pytorch、pytorchvision
3060 Ti，记录一下使用GeForce RTX 3060 Ti+cuda 11.4搭建Pytorch深度学习环境，当你有了Python环境时记住一个核心命令即可，显卡驱动因该在之前已经安装过了，只需要注意他的版本即可，如果觉着使用显卡训练模型依旧很慢的话可以先装一个cuda tooklit，然后安装一下cudnn加速驱动（具体自己网上百度，这里就不展开说了，据说安装之后可以提速50%）。网站下载对应版本的torch，在本地进行安装，也可以使用下面的命令进行在线安装。显卡是GeForce。
2023-06-19 21:52:51
9151
8
原创 集成学习：决策树、随机森林、GBDT、XGBoost
为达到目标根据一定的条件进行选择的过程，就是决策树，决策树模型非常经典，在机器学习中常被用于分类，构成它的元素是节点和边，节点会根据样本的特征做出判断，最初的分支点被称为根节点，其余成为子节点，没有分支的点是叶子节点，代表分类结果。决策树的衡量标准是熵。在热力学中，熵被用来描述一个系统内在的混乱程度；在决策树中，熵代表是分支下样本种类的丰富性，样本种类越多越混乱，熵就越大。如果分支下的样本完全属于同一类，熵就为0。
2022-12-21 21:43:39
1715
1
原创 中国人在发表英文论文时汉字姓名究竟应该如何写？
相信，这是各位在投稿英文刊物时碰到的一个现实问题。当然很多人觉得没有什么问题，已经在有意无意、自然不自然地用一些不知道规范与否的汉语拼音转化为的英文代码了。但是，如果认真考察一下，发现还是存在许多问题的。本文就是想针对这个问题进行讨论，并提出我自己的建议。在谈论这个问题的时候，我想先申明一下。“人生而自由，却无往不在枷锁之中”，我们现在谈论这个规则，并不是想限制各位“姓名拼写”的“自由”。人人有捍卫自己姓名拼写的权利，但也有遵循拼写规范的义务，追求书写个性，不应摒弃遵守拼写规则的前提。各位在网上用的网名，目
2022-04-04 00:09:15
4248
原创 LaTe基础教程
LaTeX将文章的排版以代码的形式呈现，这种方式很符合程序员以及科学工作者的审美和工作习惯，但如果强调太多LaTeX不常用的特性，会导致很多初学者望而却步，早早弃坑回归难用的word。同时，网上关于LaTeX的文档极多，还有大量多年未更新的博客，内容早已过时无法兼容现在的版本，很容易造成误导增加学习成本。因此，本文将场景设定为需要按照规定期刊或报告规定的格式撰写文章，省去不必要的说明，带你快速上手LaTeX（文中也会将LaTeX其他一些进阶用法作为拓展资料整理，供日后查阅）。一、环境的配置——TeX
2022-03-16 09:06:30
610
原创 【转载】计算机科研路线规划及投稿方法
根据多年的经验，以下计算机EI源刊可以说是百发百中(只要有工作量，并不需要什么创新性均可录用):Journal of Computers (JCP, ISSN 1796-203X),Journal of Networks (JNW, ISSN 1796-2056),Journal of Software (JSW, ISSN 1796-217X).Journal of Computational Information Systems，ISSN 1553-9105Information Techn
2021-11-25 17:26:45
1380
1
原创 linux：关于服务器终端自动掉线的问题总结
笔者在调试代码的过程中发现，程序进程总是莫名其妙掉线，并且报错：Connection closed by foreign host. Disconnected from remote host究其原因，是linux系统设置了终端默认断开时间，需要修改该配置文件，并重启sshd服务。流程如下：#vim /etc/ssh/sshd_config找到下面两行#ClientAliveInterval 0#ClientAliveCountMax 3去掉注释，改成ClientAlive
2021-09-19 16:52:20
3689
原创 使用深度学习技术进行水印去除
引言水印在日常生活中随处可见，它是一种保护图像图片版权的机制，防止未经许可或授权的使用。为了避免使用带有水印的图像带来的各种影响，最直接的做法就是将带有水印的图像找出来丢弃不用，此外还有一种不推荐的做法就是去掉图像上的水印后再使用。而自动去水印的计算机算法的存在却可使用户轻松获取无水印图像，这是由于当前的水印技术存在一个漏洞。研究水印去除技术一方面可以解决部分场景的水印去除任务，另一方面也可以完善水印添加技术，进一步保护图像版权，维护作品合法权益。本文探索了当前主流的AI领域水印去除技术，并进行代码复现
2021-08-07 17:15:16
8899
5
原创 Python-OpenCV使用基本图像处理技术进行水印去除
使用基本图像处理技术进行水印去除，主要采用OpenCV提供的库函数以及基本的图像处理进行图像修复，但是从鲁棒性方面可能存在不足。处理的图像可能存在一定的模糊水印去除不完整、留边等问题。本文参考了部分其他内容已在后文引用。目前常用的水印去除方法主要使用深度学习相关前沿技术进行解决，详情可参考笔者博客：https://blog.csdn.net/mago2015测试案例第一种方法： 该方法看着是不是很简单？没错就这么几行代码，但是这种方式需要一个美工，让他配合你做一张di.pngd
2021-08-07 12:46:41
1584
1
原创 自编码器进行图像修复-图像去燥
在这篇文章中，你将了解自编码器是如何工作的，以及为什么它们被用于医学图像去噪。正确理解图像信息在医学等领域是至关重要的。去噪可以集中在清理旧的扫描图像上，或者有助于癌症生物学中的特征选择。噪音的存在可能会混淆疾病的识别和分析，从而导致不必要的死亡。因此，医学图像去噪是一项必不可少的预处理技术。所谓的自编码器技术已被证明是非常有用的图像去噪。自编码器由编码器模型和解码器模型两个相互连接的人工神经网络组成。自动编码器的目标是找到一种将输入图像编码为压缩格式(也称为潜在空间)的方法，使解码后的图像版本
2021-08-06 12:15:37
1809
原创 C#调用python脚本
在平常工程项目开发过程中常常会涉及到机器学习、深度学习算法方面的开发任务，但是受限于程序设计语言本身的应用特点，该类智能算法的开发任务常常使用Python语言开发，所以在工程实践过程中常常会遇到多平台程序部署问题。本文总结了C#调用Python程序的各种方法，希望能够给各位读者提供一定的参考。方式一：使用c#，nuget管理包上下载的ironPython安装包适用于python脚本中不包含第三方模块的情况IronPython是一种在NET和Mono上实现的 Python 语...
2021-08-06 11:44:18
5410
2
原创 前馈神经网络求解XOR问题
摘要前馈神经网络是一种最简单的神经网络，各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出，并输出给下一层．各层之间没有反馈。是目前应用最广泛、发展最迅速的人工神经网络之一。研究从20世纪60年代开始，目前理论研究和实际应用达到了很高的水平[1]。本节通过设计包含输入层、一个隐含层和输出层的前馈神经网络，实现XOR运算，并基于计算数据或实验数据分析隐含层决策面的特点，进而总结前馈神经网络隐含层的作用。1.1 神经网络结构设计1.1.1 XOR问题描述异或是对两个运算元的一种逻辑分析类
2021-07-27 13:28:58
5609
1
原创 TensorFlow 模型持久化
一、基本方法网上搜索tensorflow模型保存，搜到的大多是基本的方法。使用saver.save()方法保存；使用saver.restore()方法载入如 保存 代码如下import tensorflow as tf import numpy as np W = tf.Variable([[1,1,1],[2,2,2]],dtype = tf.float32,name='w') b = tf.Variable([[0,1,2]],dtype = tf.float32,name=...
2021-07-14 12:52:56
124
原创 图像加密及隐写术
测试环境：Windows7开发语言：MATLAB首先，我们必须清楚为什么要采用图像加密及隐写技术，生活中，我们每个人都有一些属于自己的秘密、图片的版权以及一些隐私交流信息，第二，图像加密及隐写的原理，只有掌握了其原理实现起来便是一件很容易的事了。本文主要讲解基于LSB( LSB,Least Significant Bits)的图像加密技术与混沌序列混合使用的实现原理，希望能够帮助到大家。我们都知道图片是由很多个像素值组成，像素值大小为0-255为了保证我们隐写后的图片B与原图A一致，所以我们需要
2021-07-07 16:15:46
1149
原创 人工智能：爬山法、随机重启爬山法、模拟退火算法、遗传算法、启发式搜索方法解决八数码和八皇后问题
摘要本文主要分为两个部分，分别采用实验对比对不同的方法进行分析。第一，以八数码问题和八皇后问题为例，对比爬山法，随机重启爬山法，模拟退火算法，遗传算法的搜索性能。第二，以八数码问题为例，分别采用曼哈顿距离和错位棋子数为启发式函数，设计实验，分析启发式搜索方法。关键词：局部搜索方法，启发式搜索1. 局部搜索方法对比与分析局部搜索方法是对一个或多个状态进行评价和修改，而不是系统地从初始状态开始的路径，这些算法适用于关注那些关注解状态而不是路径代价的问题[1]。本节我们以八数码问题和八皇后问题..
2021-07-07 16:12:43
3662
2
原创 UCI数据集汇总及描述
1. Abalone: Predict the age of abalone from physical measurements 鲍鱼DataSet：根据物理度量，预测鲍鱼的年龄。 2. Abscisic Acid Signaling Network: The objective is to determine the set of boolean rules that describe the interactions of the nodes within ...
2021-06-27 16:57:07
8122
2
原创 PyQt5快速入门（三）PyQt5基本窗口组件
PyQt5快速入门（三）PyQt5基本窗口组件一、QMainWindow1、窗口类型简介QMainWindow、QWidget、QDialog用于创建窗口，可以直接使用，也可以派生使用。QMainWindow窗口包含菜单栏、工具栏、状态栏、标题栏等，是最常见的窗口形式。QDialog是对话框窗口的基类，主要用于执行短期任务，或与用户进行交互，可以是模态或非模态的。QDialog对话框没有菜单栏、工具栏、状态栏等。QWidget是Qt图形组件的基类，可以作为顶层窗口，也可以嵌入到...
2021-06-27 16:52:12
1537
2
原创 PyQt5快速入门（一）PyQt5简介
一、PyQt5简介1、PyQt5简介PyQt是Qt框架的Python语言实现，由Riverbank Computing开发，是最强大的GUI库之一。PyQt提供了一个设计良好的窗口控件集合，每一个PyQt控件都对应一个Qt控件，因此PyQt的API接口与Qt的API接口很接近，但PyQt不再使用QMake系统和Q_OBJECT宏。官方网站：www.riverbankcomputing.comPyQt5提供GPL版和商业版证书，自由开发者可以使用免费的GPL许可，如果需要将PyQt用于商业应用，则
2021-01-25 17:27:17
42054
原创 Python 使用字节流读取图片并转换成图片格式显示
Python 使用字节流读取图片并转换成图片格式显示auth = HTTPBasicAuth("admin".encode('utf-8'), "12345")response = requests.post("http://192.168.1.120/action/snap?cam=0", auth=auth)if response.status_code == 200: response_byte = response.content bytes_stream = Bytes
2020-06-15 00:22:17
7377
原创 Python中将字节流文件转换成图片文件
Python中将字节流文件转换成图片文件import urllib3import os#PIL图像处理标准库from PIL import Imagefrom io import BytesIOhttp = urllib3.PoolManager()response = http.request('GET','f.hiphotos.baidu.com/image/pic/item/8d5494eef01f3a29f863534d9725bc315d607c8e.jpg')result
2020-06-15 00:02:36
11632
1
原创 Python OpenCV 多边形拟合相关案例
本文整理总结基本图像处理方面的凸多边形拟合相关方法，可以实现物体边缘的平滑、规整化处理。以上处理算法的实质是对物体边缘点进行减少或增加的过程，增加时可以实现边缘的规整化，减少时可以让曲线看上去更加平滑些。1、Skimage实现图像边缘规整化处理import matplotlib.pyplot as pltfrom skimage import data,color,morpholo...
2020-03-06 16:03:55
3304
原创 定制Python解释器进行源码保护
参考地址：https://www.cnblogs.com/dhcn/p/11077447.html0 前言考虑前文所述的几个方案，均是从源码的加工入手，或多或少都有些不足。假设我们从解释器的改造入手，会不会能够更好的保护代码呢？由于发行商业 Python 程序到客户环境时通常会包含一个 Python 解释器，如果改造解释器能解决源码保护的问题，那么也是可选的一条路。假定我们有一个...
2020-01-16 17:36:49
1583
原创 Python常见的几种代码加密方法
参考地址：https://www.cnblogs.com/dhcn/p/11077447.html0 前言去年11月在PyCon China 2018 杭州站分享了Python 源码加密，讲述了如何通过修改 Python 解释器达到加解密 Python 代码的目的。然而因为笔者拖延症发作，一直没有及时整理成文字版，现在终于战胜了它，才有了本文。本系列将首先介绍下现有源码加密方案的思...
2020-01-16 17:35:03
4502
1
原创 matplotlib平滑曲线绘制
1、问题概述在平常的绘图任务中，常常会遇到绘制折现图的情况；但是有时候为了美观或者大致了解数据的波动情况，就需要将已有的折线图修改成更加平滑的曲线。为了解决上述问题，我们首先从原理角度来介绍折现图转曲线图的相关理论。折现转曲线无非就是在已有折现图的数据基础上在各折现数据中间填充更多的样本点，这样绘制出来的折线图从视觉的角度来看，就显得更加平滑了。2、相关代码import matplo...
2019-12-27 17:33:47
6759
1
原创 matplotlib中解决中文显示、负号显示问题
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei'] #显示中文plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
2019-07-26 16:35:18
2746
原创 遗传算法概括
遗传算法解析： 遗传算法为最优化算法，可以解决单目标、多目标、帕雷托等问题。 遗传算法流程： 1、编码 选取特定编码方式对个体基因型编码。 2、初始化种群 随机生成n个个体组成的种群 3、计算适应度 选取适应度函数（一般为目标函数），求种群中个体的适应度值 ...
2019-07-19 16:09:28
501
原创 Python不显示科学计数法，完整显示数字
python中numpy格式数据，不显示科学计数法，完整显示数字。import numpy as npnp.set_printoptions(suppress=True)
2019-07-12 10:59:47
18473
原创 matplotlib画3D图
from mpl_toolkits.mplot3d.axes3d import Axes3Dfig = plt.figure()axes3d = Axes3D(fig)axes3d.scatter3D(x,y,np.log(x+y))plt.show()
2019-07-09 11:54:11
450
原创 numpy取最大的n个数字的下标，取最大值的下标
1、numpy取最大值的下标import numpy as npa = np.array([[2, 4, 6, 1], [1, 5, 2, 9]])print(np.argmax(a))print(np.argmax(a, axis=0)) #竖着比较，返回行号print(np.argmax(a, axis=1)) #横着比较，返回列号2、numpy取最大n个值的下标...
2019-07-03 10:14:27
19263
1
原创 Oracle大数据量读取：LOB variable no longer valid after subsequent fetch
Stack Overflow解决方案：cx_Oracle版本问题，在cx_Oracle5版本上有部分限制，在cx_Oracle6版本上没有此项限制。This is a limitation of versions of cx_Oracle 5 and earlier. The new version (cx_Oracle 6) doesn't have this limitation. Y...
2019-05-29 17:56:33
804
原创 机器学习实战：出现session未清空的错误，需要清空TensorFlow的session，并重置图模型
出现session未清空的错误，需要清空TensorFlow的session，并重置图模型import tensorflow as tffrom keras import backend as K K.clear_session()tf.reset_default_graph()
2019-05-22 13:28:30
3442
原创 Python中os.system函数状态码详解
如果执行成功，那么会返回0，表示命令执行成功。否则，则是执行错误，有以下几种错误分类："OS error code1:Operation not permitted""OS error code2:No such file or directory""OS error code3:No such process""OS error code4...
2019-05-10 12:31:01
2132
原创 Python中调用其他执行代码
os.system() 和 os.popen()1.os.popen(command[,mode[,bufsize]])os.system(command)2.os.popen() 功能强于os.system() , os.popen() 可以返回回显的内容，以文件描述符返回。eg:t_f = os.popen ("ping 192.168.1.1")print t_f...
2019-05-10 11:49:49
655
原创 Python中preprocessing.StandardScaler()在线标准化方法案例
Python中preprocessing.StandardScaler()在线标准化方法案例 import numpy as np from sklearn import preprocessing import utils data = utils.readData() data0 = np.asarray(data.iloc[:, 2]).res...
2019-05-09 16:59:58
9752
原创 Python实现两个字符串日期月份的统计
Python实现两个字符串日期月份的统计代码# 接收两个字符串类型的日期类型，返回月份差值def getStringSubDateMonth(dateStr1, dateStr2): year1 = datetime.datetime.strptime(dateStr1, "%Y-%m-%d").year year2 = datetime.datetime.strpti...
2019-05-09 15:48:26
1351
1
原创 Python代码实现相对误差公式计算
Python代码实现相对误差公式计算代码：# 相对误差def mean_relative_error(y_true, y_pred,): import numpy as np relative_error = np.average(np.abs(y_true - y_pred) / y_true, axis=0) return relative_error...
2019-05-09 15:47:19
16565
3
原创 Python中list转成Json字符串
代码：# list 转成Json格式数据def listToJson(lst): import json import numpy as np keys = [str(x) for x in np.arange(len(lst))] list_json = dict(zip(keys, lst)) str_json = json.dumps(l...
2019-04-25 10:01:12
49121
原创 变分自编码器VAE代码篇
VAE非常适合用于学习具有良好结构的潜在空间，其中特定方向表示数据中有意义的变化轴;VAE的工作原理:（1）一个编码器模块将输入样本input_img转换为表示潜在空间中的两个参数z_mean和z_log_variance;（2）我们假定潜在正态分布能够生成输入图像，并从这个分布中随机采样一个点：z=z_mean + exp(z_log_variance)*epsilon，其中eps...
2019-03-22 16:44:34
2192
1
原创 深度生成模型——自省变分自编码器IntroVAE
近日，中国科学院自动化研究所智能感知与计算研究中心提出一种新的深度生成模型——自省变分自编码器(Introspective Variational Autoencoder，IntroVAE)，用来实现高清图像等高维数据的无条件生成(unconditional generation)。该模型一方面在不引入额外的对抗判别器的情况下，克服了变分自编码器固有的合成图像趋于模糊的问题；另一方面在不使用常用的...
2019-03-22 13:33:02
2941
原创 变分自编码器VAE详细解读
过去虽然没有细看，但印象里一直觉得变分自编码器（Variational Auto-Encoder，VAE）是个好东西。趁着最近看概率图模型的三分钟热度，我决定也争取把 VAE 搞懂。于是乎照样翻了网上很多资料，无一例外发现都很含糊，主要的感觉是公式写了一大通，还是迷迷糊糊的，最后好不容易觉得看懂了，再去看看实现的代码，又感觉实现代码跟理论完全不是一回事啊。终于，东拼西凑再加上我这段时间对概...
2019-03-21 17:46:36
1662
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人