周记3

博主本周实现的小功能上线测试失败,线下测试正常,需下周请教他人解决。下周将迎来稍大项目。博主体验了项目从编码到上线的全过程,积累了经验。此外,做题练习较少,基础知识复习落后,需利用上班前时间学习,同时也要注意休息。

    这周过的真快,有些松懈,可能有点累吧。

    拉扯了一周,我实现的小功能终于上线了,在线上测试功能的时候,最终失败了,有bug,hhhh。周末也去看了看,但还是不太明白为什么会失败,因为线下测试的很正常,上线怎么就会失败呢,看来还得下周一去请教别人,再解决啊。下周估计也会来稍微大点的项目了,继续努力,加油学习干活。

    一个项目或者模块,从编码到上线,整个过程终于体验了全部,还有出bug。基本做到心中有数了,之后再做就会有经验了。希望做完下个项目,我的能力能更进一步。

    这周题目,做了12道,有点少,而且偏面试类型的题目。做题练习手感,还是不能停啊,必须得加油啊。发现上完班,确实时间就很少了,洗刷一下,再休息放松一下,做几道题,基本就得道睡觉时间了。看来学习的时间也得多抽出来啊,我一般去公司很早,所以,可以利用其这段时间,无论是学习公司业务,还是给自己充电,都是很有必要的。

   基础知识的复习落后了,必须得抓紧了,而且书得往深了看一些,能讲出自己的理解。压力也不能太大,该休息,还是要好好休息的。

   每天提醒自己要努力,坚持下去。

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值