JSSQSC的博客

python 利用socket 实现udp文件传输

JSSQSC — Wed, 01 Sep 2021 15:35:18 +0800

tcp进行文件传输看这里–python 实现TCP文件接发 UDP实现文件传输1、发送2、接收使用udp 容易出现丢包现象需要处理要注意 tcp 和udp的套接字不一样 # udp: udp_socket = socket.socket(socket.AF_INET,socket.SOCK_DGRAM) # tcp tcp_socketr = socket.socket(socket.AF_INET,socket.SOCK_STREAM) 1、发送 # import socket # import t

python 实现TCP文件接发

JSSQSC — Wed, 01 Sep 2021 15:24:35 +0800

udp收发看下一篇文章写在此方便自己以后复习先运行服务器端打开接收，在运行客服端发送文件 TCP文件接发1、发送2、接收 1、发送根据自己需求修改，简单局域网下完成文件收发客户端 # 由客户端向服务器传数据，文件 import socket import tqdm import os def send(filename): # 传输数据间隔符 SEPARATOR = '' # 服务器信息 host = '127.0.0.1'

opencv读取视频并显示，cv2.VideoCapture(video_path)，cv2.VideoWriter（）

JSSQSC — Thu, 05 Aug 2021 01:38:37 +0800

1、cv2.VideoCapture(video_path) #video_path用于指定视频的路径，当video_path=0时表示检测摄像头 2、cv2.VideoWriter(filename, fourcc, fps, frameSize[, isColor]) #写入处理后的视频 #第一个参数是要保存的文件的路径 #fourcc 指定编码器，fourcc 本身是一个 32 位的无符号数值，用 4 个字母表示采用的编码器。常用的有 “DIVX"、”MJPG"、“XVID”、“X264" #fps

cv2.imread(),cv2.imshow(),cv2.imwrite()的使用

JSSQSC — Thu, 05 Aug 2021 00:48:37 +0800

一、读取图片，对图片读取，裁剪等 #如果想要批量处理，可以利用os.listdir()遍历文件夹， 1、读取图片 cv2.imread() imread(img_path,flag) 读取图片，返回图片对象 img_path: 图片的路径，即使路径错误也不会报错，但打印返回的图片对象为None flag：cv2.IMREAD_COLOR，读取彩色图片，图片透明性会被忽略，为默认参数，也可以传入1 cv2.IMREAD_GRAYSCALE,按灰度模式读取图像，也可以传入0

PIL 和CV2对图片的常规操作

JSSQSC — Wed, 04 Aug 2021 21:24:39 +0800

有时间回来整理！参考博客：模块cv2的用法https://www.cnblogs.com/shizhengwen/p/8719062.html python PIL Image 图像处理基本操作https://blog.youkuaiyun.com/dcrmg/article/details/102963336

Jetson TX2+ miniforge+pytorch+pycharm安装

JSSQSC — Wed, 28 Jul 2021 19:30:05 +0800

JetsonTX2+miniforge+pytorch+pycharm安装第一次使用jetson，安装环境都是泪，搞了快两天。大家觉得有用的话，可以点个赞，收藏下！ Jetson TX2+ miniforge+pytorch+pycharm安装JetsonTX2+miniforge+pytorch+pycharm安装1、miniforge 安装2、虚拟环境创建，jetson版本查询3、jetsonTX2镜像源更换4、pytorch安装5、pycharm 安装6、参考博文： 1、miniforge 安装

pytorch中文

JSSQSC — Fri, 21 May 2021 15:34:24 +0800

pytorch中文文档 https://pytorch-cn.readthedocs.io/zh/latest/ ApacheCN社区的翻译文档和官方教程 GitHub项目管理：https://github.com/apachecn/pytorch-doc-zh Pytorch 版本地址：https://pytorch.apachecn.org

列表删除排序等操作

JSSQSC — Fri, 21 May 2021 10:12:16 +0800

常用列表操作 1、del 列表名[索引]：删除指定索引的数据 2、列表名.remove(数据)：删除第一个出现的指定数据 L.remove(val) 　　 #删除第一次出现的该元素 3、列表名.pop()：删除末尾的数据，返回被删除的元素 4、列表名.pop(索引)：删除指定索引的数据，返回被删除的元素 5、列表名.clear()：清空整个列表的元素 6、排序列表名.sort()：升序排序 L.sort()　　　　　　　　　#排序 7、列表名.sort(reverse=True)

pandas中dataframe如何取特定行/列

JSSQSC — Sat, 01 May 2021 21:02:25 +0800

按列取、按索引/行取、按特定行列取 import numpy as np from pandas import DataFrame import pandas as pd df=DataFrame(np.arange(12).reshape((3,4)),index=['one','two','thr'],columns=list('abcd')) df['a']#取a列 df[['a','b']]#取a、b列 #ix可以用数字索引，也可以用index和column索引 df.ix[0]#取第0行

常见国内镜像源地址

JSSQSC — Fri, 23 Apr 2021 20:35:51 +0800

常见国内镜像源地址常见的pip后面的镜像源地址：常见国内镜像源地址：常见的pip后面的镜像源地址：清华大学: https://pypi.tuna.tsinghua.edu.cn/simple/ 阿里云: http://mirrors.aliyun.com/pypi/simple/ 中国科技大学: https://pypi.mirrors.ustc.edu.cn/simple/ 中国科学院: http://pypi.mirrors.opencas.cn/simple/ Python官方: htt

爬取图片，并按比例划分数据集

JSSQSC — Thu, 04 Mar 2021 21:30:32 +0800

爬取图片，并按比例划分数据集（1）批量爬取不同的10个明星的图片各100张；（2）每个明星的图片放一个文件夹，并按“name_###.jpg”的格式命名，如：liudehua/liudehua_000.jpg；（3）对每个明星的图片，按7:2:1的比例进行划分train、validation、test数据集，分别将图片名称保存入train.txt、validation.txt、test.txt；代码实现 # -*- coding: utf-8 -*- import sys import os im

打印 9*9乘法表

JSSQSC — Thu, 04 Mar 2021 21:15:51 +0800

Python打印出9*9乘法表打印出下图样式代码实现 for i in range(1,10): for j in range(1,i+1): print('{}*{}={:2}'.format(j,i,i*j),end=' ') print(' ')

学习笔记（2）VGG16

JSSQSC — Sun, 24 Jan 2021 10:51:46 +0800

学习笔记（2）VGG16 （更详细的请查看论文原文） VGG16学习笔记（2）VGG16VGG16简介网络结构网络特点VGG16结构图基于VGG16实现cifar10分类参考博文 VGG16简介 VGGNet由牛津大学计算机视觉组合和Google DeepMind公司研究员一起研发的深度卷积神经网络。它探索了卷积神经网络的深度和其性能之间的关系，通过反复的堆叠33的小型卷积核和22的最大池化层，成功的构建了16~19层深的卷积神经网络。VGGNet获得了ILSVRC 2014年比赛的亚军和定位项目的冠军，

学习笔记（1）LeNet-5

JSSQSC — Thu, 24 Dec 2020 19:32:46 +0800

学习笔记（1）LeNet-5 参考博文网络解析（一）：LeNet-5详解 LeNet论文的翻译与CNN三大核心思想的解读卷积神经网络的网络结构——以LeNet-5为例 LeNet5的深入解析目录一、前言二、LeNet-5 三、代码实现一、前言 LeNet-5[LeCun et al.,1998]虽然提出的时间比较早，但它是一个非常成功的神经网络模型。论文Gradient-Based Learning Applied to Document Recognition。基于LeNet-5的手写数字识别