<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ambm29的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ambm29</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ambm29]]></copyright><item><title><![CDATA[python时间相互转化---时间戳、时间数组、时间字符串]]></title><link>https://blog.youkuaiyun.com/ambm29/article/details/107252237</link><guid>https://blog.youkuaiyun.com/ambm29/article/details/107252237</guid><author>ambm29</author><pubDate>Fri, 10 Jul 2020 15:40:44 +0800</pubDate><description><![CDATA[python中关于时间有3中常用数据结构，分别是时间戳、时间数组、时间字符串，都需要依赖于time模块

举例：

时间戳：1594366057

时间数组：time.struct_time(tm_year=2016, tm_mon=5, tm_mday=5, tm_hour=20, tm_min=28, tm_sec=54, tm_wday=3, tm_yday=126, tm_isdst=-1)

时间字符串："2016-05-05 20:28:54"



转换方式为：

时间戳 &lt;==&gt.]]></description><category></category></item><item><title><![CDATA[DeepSort论文翻译-中英对照]]></title><link>https://blog.youkuaiyun.com/ambm29/article/details/102585436</link><guid>https://blog.youkuaiyun.com/ambm29/article/details/102585436</guid><author>ambm29</author><pubDate>Wed, 16 Oct 2019 15:09:50 +0800</pubDate><description><![CDATA[SIMPLE ONLINE AND REALTIME TRACKING WITH A DEEP ASSOCIATION METRIC

简单在线和实时跟踪与深度关联度量

目录

目录

摘要：

1.介绍：

2.使用深度关联度量的SORT算法

2.1.航迹处理与状态估计

2.2.分配问题

2.3级联匹配

2.4深度表现描述子(CNN)

3.实验

4.总结

参考文献：

摘要：

...]]></description><category></category></item><item><title><![CDATA[使用python将opencv中读取的numpy矩阵json序列化]]></title><link>https://blog.youkuaiyun.com/ambm29/article/details/98617054</link><guid>https://blog.youkuaiyun.com/ambm29/article/details/98617054</guid><author>ambm29</author><pubDate>Tue, 06 Aug 2019 15:13:08 +0800</pubDate><description><![CDATA[一、本文可以解决的问题：

1.希望将opencv中读取图片所获得的ndarray变为字符串格式，以便对其进行json序列化。

2.在进行json.dumps操作中遇到了“TypeError: Object of type 'ndarray' is not JSON serializable”错误

3.在进行json.dumps操作中遇到了"TypeError: Object of type ...]]></description><category></category></item><item><title><![CDATA[使用pycharm调用docker中的python环境，并处理宿主机的文件]]></title><link>https://blog.youkuaiyun.com/ambm29/article/details/96483086</link><guid>https://blog.youkuaiyun.com/ambm29/article/details/96483086</guid><author>ambm29</author><pubDate>Sun, 21 Jul 2019 15:28:30 +0800</pubDate><description><![CDATA[目录

前言

一、准备工作

二、为docker镜像配置ssh-server

三、将本地目录映射到docker容器中

四、将pycharm于docker容器相链接

前言

本文中，将详细讲述如何使用pycharm调用docker中的python环境，并处理宿主机(本地)中的文件。

一、准备工作

本文所需要的工具如下

1.pycharm(专业版)，只有专业版才支持ssh链接进行调试，而...]]></description><category></category></item><item><title><![CDATA[使用docker搭建深度学习环境-从零开始(下)]]></title><link>https://blog.youkuaiyun.com/ambm29/article/details/96278696</link><guid>https://blog.youkuaiyun.com/ambm29/article/details/96278696</guid><author>ambm29</author><pubDate>Wed, 17 Jul 2019 10:18:51 +0800</pubDate><description><![CDATA[系列链接:

使用docker搭建深度学习环境-从零开始(上)https://blog.youkuaiyun.com/ambm29/article/details/96151358



使用docker搭建深度学习环境-从零开始(下)https://blog.youkuaiyun.com/ambm29/article/details/96278696



目录



5. 生成基于ubuntu镜像的容器，并...]]></description><category></category></item><item><title><![CDATA[使用docker搭建深度学习环境-从零开始(上)]]></title><link>https://blog.youkuaiyun.com/ambm29/article/details/96151358</link><guid>https://blog.youkuaiyun.com/ambm29/article/details/96151358</guid><author>ambm29</author><pubDate>Tue, 16 Jul 2019 18:59:53 +0800</pubDate><description><![CDATA[系列链接:

使用docker搭建深度学习环境-从零开始(上)https://blog.youkuaiyun.com/ambm29/article/details/96151358



使用docker搭建深度学习环境-从零开始(下)https://blog.youkuaiyun.com/ambm29/article/details/96278696



目录

1.docker简介

更高效的利用系统资源
...]]></description><category></category></item><item><title><![CDATA[python计算两个矩形框重合百分比]]></title><link>https://blog.youkuaiyun.com/ambm29/article/details/79748472</link><guid>https://blog.youkuaiyun.com/ambm29/article/details/79748472</guid><author>ambm29</author><pubDate>Thu, 29 Mar 2018 20:25:30 +0800</pubDate><description><![CDATA[def mat_inter(box1,box2):
    # 判断两个矩形是否相交
    # box=(xA,yA,xB,yB)
    x01, y01, x02, y02 = box1
    x11, y11, x12, y12 = box2

    lx = abs((x01 + x02) / 2 - (x11 + x12) / 2)
    ly = abs((y01 + y02)...]]></description><category></category></item></channel></rss>