墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
700+累计阅读
737平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
新建 txt文件，写入如下内容并保存为 jupyter_notebook.bat文件到桌面。
cd C:\Users\Python_Ai_Road\OneDrive\PythonFiles #注：将目录替换成你预设的起始工作路径即可
jupyter notebook
pause双击，运行该 jupyter_notebook.bat 文件即可。
以上方法在windows系统上可用，如果提示故障。需要确认将jupyter notebook添加到系统环境。
更多python与机器学习实用干货。欢迎关注微信公众号 Python与算法之美：Python_Ai_Road。
jupyter notebook
windows使用jupyter notebook读取文件路径的几种方法和设置默认打开路径
简单分享小虎这段时间以来学到的jupyter notebook操作技巧。
【机器学习】Jupyter Notebook 修改默认路径
修改默认路径，可以知道自己的文件存放在哪里了，方便创建的文件存储，也方便上传。另外也便于文件分类，如果跟系统文件混在一个文件夹，就很乱了。
rk3326 MIPI休眠唤醒黑屏有背光问题
** 1.问题现象: ** **【开机起来】**开机起来可以正常显示 **【按power按键休眠】**第二次按下Power按键进入休眠，隔10s，再按Power按键唤醒。 **【出现结果】**屏幕黑屏有背光，并提示drm time out错 **【lcd信息】**lcd为480*800 2lane的mipi **【复现概率】**第二次按下休眠唤醒必然复现 【具体错误log如下】 //第一次休眠的log// [ 54.858511] dw-mipi-dsi ff450000.dsi: final DSI-
查找 Jupyter 默认文件保存路径，和修改默认文件保存路径（详细）
一步一个脚印，lyy加油！
从零到一：手把手教你用DJI E-Port套件为M350 RTK开发第三方负载（PSDK V3实战）
本文详细介绍了如何使用DJI E-Port套件为M350 RTK开发第三方负载，涵盖硬件配置、开发环境搭建及实战应用。通过PSDK V3开发套件，开发者可以高效实现负载与无人机的通信，适用于电力巡检等工业场景，提升开发效率与系统稳定性。
计算机组成原理汉字编码与校验设计实验报告（汉字国标码转区位码实验、汉字机内码获取实验、海明编码电路设计与海明解码）
这次实验利用logisim进行设计，进行了以下这四个实验，其中分为汉字国标码转区位码实验、汉字机内码获取实验、海明编码电路设计与海明解码，实验报告分为四个部分，在这四个部分中依次对四个实验的方案设计，设计思路进行了介绍
修改jupyter notebook默认路径
修改jupyter notebook默认路径
从图片到3D模型：用Tripo+Unity打造AI建模流水线（避坑指南）
本文详细介绍了如何利用Tripo和Unity构建AI驱动的3D建模流水线，从图片到3D模型的高效转换。通过文生模型和图生模型的双模系统，开发者可以大幅提升建模效率，适用于游戏开发和数字内容创作。文章还提供了环境配置、图片预处理、批量生成等实用技巧，帮助开发者避开常见陷阱。
安装Jupyter notebook，修改Jupyter notebook打开路径，虚拟环境，以及Jupyter notebook基本操作
在本地环境中启动jupyter notebook的话，是只有一个python3的，可以通过点击kernel -> change kernel查看可用环境，图片里多了个dataset是我添加后才多的，一般只有第一个。4.启动jupyter notebook，然后创建ipynb文件，然后点击kernel -> change kernel->虚拟环境名，3.添加虚拟环境到kernel，dataset为环境名，改成自己的。1.创建和激活虚拟环境，dataset为环境名，改成自己的。
别再傻傻分不清！5分钟搞懂倾斜摄影里‘地面分辨率’和‘模型精度’到底啥关系
本文深入解析倾斜摄影中‘地面分辨率’与‘模型精度’的关系，帮助读者快速理解两者的本质区别与内在关联。通过实战案例和公式计算，详细说明如何从航飞设计到精度验证全流程控制，避免常见认知误区，并针对不同应用场景提供精度需求建议。
BIM Revit教程（六）尝试安装 Revit 时显示“Autodesk Revit 已安装。”
在安装Revit或RevitLT时，若系统提示“AutodeskRevit版本已安装”，通常是由于旧版本残留文件未完全清除所致。解决方案包括：1.通过控制面板或Windows设置卸载旧版本Revit，确保所有相关组件被移除；2.使用Autodesk卸载工具（AdskUninstallHelper）进一步清理；3.谨慎操作注册表，删除与Revit相关的残留项；4.确保系统有至少30GB的可用磁盘空间；5.完成上述步骤后，重新尝试安装Revit。此外，文章还提到了一个免费功能商店，供用户寻找提效工具，并鼓励粉丝
Windows修改jupyter默认工作路径
转载自：https://blog.youkuaiyun.com/white_rabbit_2/article/details/83862429 按照网上流传的三种修改方式一步一步做下来，都没有成功。反复试验了几次终于成功了。后来推测大概是安装过程和系统环境不同导致的。 我的环境： 我用的系统是 Win 10，Anaconda 是从官网直接下载 .exe 文件安装的。所有设置都是默认设置。 Jupyter ...
【多模态融合】TransFusion学习笔记(1)
工作上主要还是以纯lidar的算法开发,部署以及系统架构设计为主。对于多模态融合(这里主要是只指Lidar和Camer的融合)这方面研究甚少。最近借助和朋友们讨论论文的契机接触了一下这方面的知识，起步是晚了一点，但好歹是开了个头。下面就借助TransFusion论文及其开源代码来串一串这方面的知识。这个很好理解，参考FPointNet网络图示。就是利用现有的2D检测器在图像上提取2D初始框，根据Camera成像原理，捕获2D框视锥内的点云，再利用点云分类模型(如:PointNet)做进一步分类。
修改jupyter notebook默认目录
这里直接在搜索栏中输入Jupyter搜索jupyter notebook，并且右键“打开文件位置”。右键jupyter notebook，选择属性即可看到文件的默认目录。（目标与起始位置）。自定义新建jupyter根目录。并复制文件绝对路径。将新建的文件路径复制替换红框内的路径即可。查看到已经更换了默认目录，修改结束。...
TriCore架构-基于TC397的启动流程
TC397芯片的启动流程分为三个关键阶段：固件启动(BootFirmware)、Bootloader引导和应用程序启动。BootFirmware作为硬件信任根，包含SSW基础初始化、CHSW自检和BSL应急刷写通道。Bootloader承担安全验证和程序引导功能，支持双分区(AB-SWAP)和双引导方案(PBL/SBL)。安全启动通过校验机制确保软件完整性，提供三种可选技术方案。应用程序启动阶段实现软件双分区管理，支持SOTA更新。整个流程体现了汽车电子系统的安全设计理念，通过硬件级保护与软件验证相结合确保
复分析 阿尔福斯(Ahlfors) 第三版答案 英文
答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案
Jupyter notebook文件默认路径修改方法
1、 默认路径 当我们初次打开jupyter notebook的时候，会发现有很多文件夹，其实这是我们电脑中默认的C盘的文件夹。为了便于管理所书写的文件的管理，一般会修改默认的保存文件的地址。 2、修改方式 1 ，打开Anaconda Prompt，输入命令jupyter notebook --generate-config 2 ，根据上面运行处的路径打开 C:\Users\WW.jupyter\jupyter_notebook_config.py文件，可以使用记事本打开。 3 ，找到#c.Noteboo
Statistics and Machine Learning Toolbox
Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具
修改jupyter notebook的默认工作路径
时隔多年，我又回来啦，还是从前那个FW，orz！ 文章目录前言一、找到文件路径二、修改总结 前言 例在搜索了网上大多数jupyter修改默认路径后，找到了一个对于新手来说最简单不会出错的修改方法。 一、找到文件路径 在cmd（win + r）中输入命令： jupyter notebook --generate-config 输入后即可显示配置文件路径（由于我已经生成了所以这里显示重写 二、修改 通过上面的文件路径找到文件打开（记事本或者notepad打开均可），修改红框中的路径，并删除前面的#号，修改
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
ssm框架搭建
这个是一个在idea上成功跑起来的ssm框架项目，保存在这里方便以后使用直接下载
Jupyter Notebook 修改默认路径
Jupyter Notebook修改默认文件路径
更改Jupyter Notebook的默认路径，亲测有效。
我的环境 windows 10 Anaconda3-2021.11-Windows-x86_64 文章目录1.查找Jupyter Notebook配置文件2.更改配置文件中的路径配置3. 更改jupyer属性另：插播暴力更改jupyter路径的方法 1.查找Jupyter Notebook配置文件 使用快捷键【Win+R】打开运行程序，输入【cmd】打开命令行； 输入以下命令查找配置文件地址 jupyter notebook --generate-config 2.更改配置文件中的路径配置 .
修改 Jupyter notebook 默认保存工作路径 & 恢复默认路径
一、修改配置文件 找到.jupyter 文件夹，找到其中的.jupyter_notebook_config.py 文件。 如果不存在该文件，在 Anaconda 终端运行jupyter notebook --generate-config 再次返回 .jupyter 文件夹中，就可看到已经存在该文件 打开该配置文件，并找到下面两句话，...
Jupyter notebook文件默认保存路径以及修改方法
文件默认存储路径怎么查？ 安装Anaconda后，新建文件的默认保存路径一般在C系统盘，那么路径是什么呢？ 首先，新建一个.ipynb文件， 输入以下脚本，运行出的结果即是当前jupyter文件默认保存路径 import os print(os.path.abspath('.')) &nbs...
设置Jupyter Notebook默认工作路径和浏览器
问题描述：1、下载好Anaconda后，终端输入jupyter notebook命令不会自动跳转到网页，因此设置默认浏览器。2、打开Jupyter Notebook时，默认的目录是用户目录(C:\Users\...)，在这种默认目录里很杂乱，所以更换一下工作目录，会更清晰。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
1万+
扫一扫
