人工智能视觉分析算法学习实践和经验分享。

Linux系统安装Anaconda3；Ubuntu上配置GPU显卡驱动，安装显卡toolkit;创建虚拟环境，安装深度学习框架； 掌握Linux系统下应用Anaconda3 命令；一些典型命令。

目标：从头开始，一步一步搭建深度学习环境实现适用于python语言的深度学习网络训练环境具体内容包括：1.英伟达显卡安装和cuda配置安装；2.虚拟环境Anaconda3的搭建；3.测试实现torch1.4+gpu。NVIDIA显卡的cuda和cuDNN配置：提示：这里以win10下的NVIDIA GeForce RTX 3060为例，进行安装描述。首先：找查看显卡信息的地方，NVIDIA Control Panel,因为需要知道下载那个版本的cuda来与之匹配。查找版本信息：472

Linux系统安装Anaconda3配置GPU，安装显卡toolkit;创建虚拟环境，安装深度学习框架；掌握Linux系统下应用Anaconda3 命令； 一些典型命令。

学习目标：学会利用python的GUI做界面布局手写计算器代码熟悉控件的使用方法优化计算器代码，解决获取按钮文本的方法了解lambda函数的传参优点和局限打包生成自己的计算器软件，并独立运行学习内容：手写一个简单计算器1、计算器目标图目标计算器设计分为三个部分背景部分根：Tk()展示部分:上方展示算式，下方展示计算结果按钮部分2、 计算器计算功能1. 加减乘除，放在=，按钮上2. 回退，放在<-按钮上3. 清除，放在MC按钮上3、 代码实现1. 外观布

property函数的用途就是：不希望我的类中的某属性悄悄地被访问，赋值或修改。希望在被访问、修改、赋值时能得到一些通知。

python语言|（一）利用Tkinter实现GUI计算器python语言利用Tkinter实现GUI计算器|（二）优化计算器python语言利用Tkinter实现GUI计算器|（二）pyinstaller打包:带图标计算器。

python语言利用Tkinter实现GUI计算器|（二）优化计算器python语言利用Tkinter实现GUI计算器|（二）计算器打包。

直方图1. 灰度直方图1.1 颜色直方图1.2 直方图均衡化1. 灰度直方图灰度直方图的定义：灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。1.1 颜色直方图颜色直方图可以是基于不同的颜色空间和坐标系。最常用的颜色空间是RGB颜色空间，因大部分的数字图像都是用这种颜色空间表达的。然RGB空间结构并不符合人们对颜色相似性的主观判断。因此，有...

改变图像对比度和亮度的两个函数：srcImg.cv::convertTo(dstImg,-1,alpha,beta) // 直方图平移：f(i,j)=a*f(i,j) + b;gamaT() // 首先构造一个查询表，i的取值0-255。每个像素取对应的r校正值LUT[i]；遍历图相，将每个像素的值按照方程式变换，也就是查询像素值对应的LUT值，然后替换。gamaT函数如下：参考网...

数字图像的概念（定义）从物理和数学的角度看，图像是记录物体辐射能量的空间分布，这个分布是空间坐标、时间坐标和波长的函数：I = f(x,y,z,λ,t)，x,y,z是空间坐标，λ是波长，t是时间，I是像素点的强度。它表示活动的、彩色的/三维的视频图像。通常，一幅图像可以被看成是空间各坐标点彩色强度的集合。对于静止图像，则与时间t无关；对于单色图像，则波长λ为常量；对于平面图，则于坐标z无关。...

图像放大和缩小1. 图像的缩小2. 图像的放大3. 用python实现图像的缩放3.1 方法一：PIL库3.2 方法二：cv库1. 图像的缩小图像缩小分为按比例缩小和不按比例缩小两种。图像向缩小后，因为承载的信息量减少，所以画布可相应缩小。图像缩小实际上就是对原图数据进行挑选和处理，获得期望缩小尺寸的数据，并尽量保持原有特征不丢失。最简单的方法就是等间隔地选取数据。设原始图像大小为MN，缩小...

README.md文件README.md文件的必要性完整的README包括哪些内容其他关键信息：MarkDown语言可以做什么?Markdown的语法参考文献README.md文件的必要性因为README的编写，过了很长时间后，你仍然知道代码里，当初你写了什么；因为README的编写，其他人看你的代码不需要那么费劲；因为README的编写，你代码的质量就大大的提高；因为README的编写，你的语言水平就大大的提高了。完整的README包括哪些内容README文件通常采用Markdown语言（一种标记

python定义函数时首行里的冒号和箭头的意义

MySQL数据库初识数据管理系统DBMS（database manage system）,常见数据库管理系统，例如：mysql、oracle、db2等等。结构化查询语言(Structured Query Language)简称SQL，是一种特殊目的的编程语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统；同时.sql也是数据库脚本文件的扩展名。结构化查询语言是高级的非过程化编程语言，允许用户在高层数据结构上工作。它不要求用户指定对数据的存放方法，也不需要用户了解具体

PyTorch生成随机数的几种类型：torch.rand() 均匀分布torch.randint(low, high)torch.randint_like()torch.randn() 标准正态分布torch.randn_like()torch.randperm() 随机排列torch.linespace() 线性间距向量torch.poisson() 泊松分布1. 均匀分布：torch.rand()torch.rand(*sizes, out=None)

本文是读书笔记我是《python修炼之道》的作者Rocky0429的粉今天改了blog名：改Beauthy Tan为 柏常青，简简单单挺好学习目的：Python 中内置了一个「下载服务器」，简单又好用Python 也会传文件，再也不用看某某网盘的脸色了！通过这种方式来传输文件，可以节省很多时间，提高文件传输的效率。操作方法默认你们已安装好python了。首先进入目录（文件夹）注：windows下，在该目录空白处按住shift+鼠标右键，找到命令行窗口；输入 python -m h

在Pandas中，可以使用pandas.read_csv函数读取CSV文件，并使用iter函数将DataFrame转换为迭代器，每次next时返回一行数据。

COCO 2017数据集分类标签。生成对应顺序数字标签方法。

项目场景：anaconda prompt 启动默认%HOME%anaconda虚拟环境安装在D盘，启动anaconda prompt命令行模式时，默认工作目录为：c:\User\Administrator，源码安装包或者代码文件通常不在C盘，所以通过命令行运行程序会要求切换到该工作路径。但是，切换到其他盘的命令，如cd E:\，并不能生效。解决方案：修改anaconda prompt的开始路径具体解决方案如下：第一步：打开windows开始菜单，找到anaconda prompt，右击，打

Corrupt JPEG data: 2 extraneous bytes before marker 0xd9警告产生的主要原因和解决办法，ps工具修复和python修复方法。

使用opencv-python取网络摄像机视频流。

学习目标：Python 字符编码关于字符编码的发展史，计算机的字符编码并不是一蹴而就的，而是有一个发展的过程。ASCII 码（20 世纪 60 年代，计算机发明的早期制定的一套字符编码，解决了英文和二进制间的对应关系。Unicode 码（统一符号的编码）在编码上， 对世界上绝大多数的文字系统进行了整理，编码，使得电脑可以用更为简单的方式来呈现和处理文字，它伴随着通用字符集的标准而发展，同时也以书本的形式对外发表。UTF - 8UTF 就是 Unicode 的实现方式，而 UTF -8 是

目标：AI设计基础–采集数据作为AI算法工程师，面对新需求，明明方法千万条，数据没一条。老是为了做一个功能，费尽心思求数据而不得，或找到现有数据集不理想，匹配度不高。本文就学习一下怎样快速下载数据资源（资源：文字文章，图像，影像）。数据不求人。熟悉网页请求库，urllib,requests，beautiful soup。重点学习scrapy框架，学会灵活使用这个工具。学习内容：scrapy框架的使用给我的感觉和Django框架的应用差不多。本节将简要介绍Scrapy的安装，命令和实现过程

Bootstrap组件–按钮颜色Bootstrap默认为很多组件都提供了5种颜色的样式，这5种颜色分别是：primary（重点蓝）、success（成功绿）、info（信息蓝）、warning（警告橙）、danger（危险红）。定义规则是：组件名称-颜色类型。如按钮：btn-primarybtn-successbtn-infobtn-warningbtn-danger新增：<div class="btn btn-success"> <a href

目标：xpath选择器和css选择器的用法前文使用scrapy爬虫框架用到selector选择器了，本文补充两种选择器的使用细节 xpath选择器语法 css选择器语法 掌握常用的xpath选择器和css选择器知识就像是抽象出来的规则。学习在大脑中分类。内容：xpath选择器语法XPath 使用路径表达式来选取 XML或HTML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。选取节点：xml中的节点是以树结构（二叉树的树）来命名的，和HT

类是面向对象编程（Object-Oriented Programming, OOP）的核心概念之一，它允许我们定义具有属性和方法的对象类型。

设计模式主要用于解决在软件设计和开发中经常遇到的特定问题，它们提供了一种可重用的解决方案，使得代码更加健壮、可维护和可扩展。

1. 函数定义，调用；参数，可变参数，关键字参数解析。2. 函数的高阶应用：递归，高阶函数，闭包，装饰器。3. 装饰器函数在Python中非常有用，特别是在需要为多个函数添加相同功能时。通过使用装饰器，我们可以避免重复编写相同的代码，并使得代码更加模块化和可维护。4. 匿名函数短小精悍，非常好用。但它们并不适合定义复杂的函数或包含多个语句的函数。对于更复杂的逻辑，通常应该使用常规的def语句来定义函数。

python字符串内置方法。如比较、表示、属性访问。

前面做了一篇关于[服装关键点检测算法](https://blog.youkuaiyun.com/beauthy/article/details/114318277)的博客，因为重点在算法模型上，所以数据集这一块做的比较粗糙。评论区对于数据集的问题还蛮多，原文标签存储为csv文件，大家自己的标签多为json文件，所以，问我怎么读取或转csv文件怎么处理。本文就图像-关键点json文件标签的数据集进行处理。

前面做了一篇关于[服装关键点检测算法](https://blog.youkuaiyun.com/beauthy/article/details/114318277)的博客，因为重点在算法模型上，所以数据集这一块做的比较粗糙。评论区对于数据集的问题还蛮多，所以，我在这篇文章重点介绍一种数据集制作方法：利用PIL.Image生成图像标签数据集。

方法一：利用scikit-image库生成图像标签数据集提示：此处独立使用图像库scikit-image。即仅用io读图和显示安装OpenCV的时候，安装opencv_python：pip install scikit-image 导入的时候：from skimage import io, transform, draw数据集下载：数据集描述：pytorch生成图像标签数据集的三种方式–前言Skimage模块常用子模块Skimage模块常用子模块：io用于图像读取、保存，显示图片和视频。c

前面做了一篇关于[服装关键点检测算法](https://blog.youkuaiyun.com/beauthy/article/details/114318277)的博客，因为重点在算法模型上，所以数据集这一块做的比较粗糙。评论区对于数据集的问题还蛮多，所以，我在这篇文章重点介绍一下数据集。本文将提供三种生成数据集方案的总接口。

前面做了一篇关于[服装关键点检测算法](https://blog.youkuaiyun.com/beauthy/article/details/114318277)的博客，因为重点在算法模型上，所以数据集这一块做的比较粗糙。评论区对于数据集的问题还蛮多，所以，我在这篇文章重点介绍一下数据集。我将提供三种生成数据集的方案。供大家参考。本文为第一种。

项目场景：提示：这里是图像-关键点标签，制作数据集生成器时的一个bug项目场景：图像和标签数据制作数据集生成器：数据集预处理过程中，需要改变图像的尺寸，因为标签数据是坐标群，需要和图像同步变化。这时候，有图像变化前后的比例来计算坐标变化后的结果。由于，采用的图像变换是torchvision封装的transforms中的transforms变换方法，返回的数据为torch.Tensor。返回的size为torch.Size。运行中，函数 __getitem__报错:def __getitem__(

前言abc标准库最大的作用是指引如何远离造轮子的怪圈。python本身并没有抽象类，抽象函数。需要通过abc库提供。abc和程序设计模式密切相关。程序设计模式参见blog文献。抽象超类：接口模式实现方式：在Python3.0中,定义class类使用一个关键字参数metaclass等于抽象超类ABCMeta，以及特殊的@装饰器语法实现，必须由子类重载的方法用assert或者raise NotImplementedError异常来指明子类必须重载。固，当子类没有重载抽象方法时不能实例化的。from

学习目标：将python所涉及的数据类型、数据结构弄清楚python作为面向对象编程语言。那么代表数据的对象都有哪些呢？在这里我把他们分为内置数据类型，文件数据类型，第三方常用数据结构和自定义的数据结构四个方向去介绍。内置数据类型有7种：数值型：整型int, 浮点数（小数）float，复数complex文本型：字符与字符串str序列型：列表list,元组tuple,序列对象range集合类型：集合set,不可变集合frozenset布尔类型：布尔bool二进制类型：字节数组bytea

学习目标：一口气把装饰器描述清楚弄清楚装饰器前要理解三个东西：函数对象、函数嵌套、函数构成闭包。学习内容：函数对象好说，python编程语言属于动态语言，python中一切皆对象，所以函数也是对象。函数对象用函数名称表示（仅名称，没有括号，也没有参数）。例如，定义了一个求和函数add，那么此处的add就是个函数对象。def add(username, a, b): print(f"{a}+{b}={a + b}") return a + b函数嵌套或者嵌套函数，就是定

学习目标：学习迭代器初级知识迭代器的定义；迭代器的创建；迭代器的判断。学习内容：1. 迭代器的定义迭代器指的是迭代取值的工具。迭代是指一个重复的过程,每一次重复都是基于上一次结果而来，迭代提供了一种通用的不依赖索引的迭代取值方式。2. 可迭代对象与迭代器的异同2.1.可迭代对象但凡内置有__iter__方法的对象,都称为可迭代对象。常见可迭代的对象:str,list,tuple,dict,set,文件对象。2.2.迭代器对象既内置有__iter__方法，又内置__ne

pytorch中矩阵运算种类关于@运算，*运算，torch.mul(), torch.mm(), torch.mv(), tensor.t()@ 和 *代表矩阵的两种相乘方式：@表示常规的数学上定义的矩阵相乘；*表示两个矩阵对应位置处的两个元素相乘。x.dot(y): 向量乘积,x，y均为一维向量。*和torch.mul()等同:表示相同shape矩阵点乘，即对应位置相乘，得到矩阵有相同的shape。@和torch.mm(a, b)等同：正常矩阵相乘，要求a的列数与b的行数相同。torch.mv