greatwind的博客

根据给定样本点返回指定位置的线性插值。

RuntimeError: CUDA out of memory. Tried to allocate 12.74 GiB (GPU 0; 14.76 GiB total capacity; 1.19 GiB already allocated; 11.42 GiB free; 2.52 GiB reserved in total by PyTorch)

作用where函数的主要作用是：根据给定的条件返回相对应的值。使用方法import numpy as npnp.where(condition, [x, y])参数condition：给定条件；[x, y]：返回值，满足条件，返回x，否则返回y。实例import numpy as npa = np.arange(10)a输出：array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])对数组a，使用where函数，若是满足小于5的条件返回原值，否则翻1

. ： 能够匹配除换行符 \n 以外的任意单个字符。\w ：与单个字母数字字符匹配。\W ：与单个非字母数字字符匹配。\d ：与单个数字匹配。\D ：与单个非数字匹配。\s ：与单个空格字符（空格，换行符，返回符，制表符，表格）匹配。\S ：与任何非空格字符匹配。\t ：匹配单个 tab 符。\n ：匹配单个换行符。\r ：匹配单个回车符。^ 和 $ ：分别匹配字符串的开头或结尾。[..] ：匹配方括号中…表达的字符。[^..] ：匹配方括号中…表达以外的任何字符。{m，n} ：.

在使用下述命令安装时：install.packages(c('repr', 'IRdisplay', 'IRkernel'), type = 'source')得到以下错误：Warning in install.packages(lib = .libPaths()[1L], dependencies = NA, type = type) : 'lib = "D:/Program Files/R/R-4.1.0/library"' is not writableError in install.

问题背景：为了将face_recognition项目进行迁移，我们使用docker对其进行镜像打包，使用的DockerFile文件如下：# Start FROM Nvidia PyTorch image https://ngc.nvidia.com/catalog/containers/nvidia:pytorchFROM registry.baidubce.com/ais-public/ais2.3:cuda10.1_cudnn7-ubuntu16.04-py37ENV PATH=/home/b

准备工作部署过程中的环境如下：Centos7.6.1810(core 4.7.11)docker-18.09.7yolov5模型

Python中常用的格式化输出为str.format()函数，关于str.format()函数中所涉及的语法如下：1.默认格式pattern = "{0}\t{1}\t{2}\t{3}\t{4}\t{5}"print(pattern.format("金种","实时主动积存价格","最低价","最高价","定期积存价","更新时间"))print(pattern.format("积存金",372.73,372.73,372.73,366.10,"2021-08-15 00:18:04"))输出如下

什么是位运算程序中的所有数在计算机内存中都是以二进制的形式储存的。位运算就是直接对整数在内存中的二进制位进行操作。比如，and运算本来是一个逻辑运算符，但整数与整数之间也可以进行and运算。举个例子，666的二进制是110110110，111111的二进制是101110111011，那么6and116 and 116and11的结果就是222，它是二进制对应位进行逻辑运算的结果（000表示FalseFalseFalse，111表示TrueTrueTrue，空位都当000处理）。位运算符运算符通常在图形

方式1import logginglogger = logging.getLogger('simple_example')logger.setLevel(logging.DEBUG)# 创建日志保存文件fh = logging.FileHandler('spam.log')fh.setLevel(logging.DEBUG)# 创建控制台日志输出ch = logging.StreamHandler()ch.setLevel(logging.ERROR)# 设置日志格式formatte

带有 yield 的函数在 Python 中被称之为 generator（生成器），yield语句一般与循环体共同使用，进而实现类似迭代的效果。下面以生成斐波那契数列为例，理解yield的作用：def fab(max): n, a, b = 0, 0, 1 while n < max: yield b # 使用 yield a, b = b, a + b n = n + 1for m in fab(5):

下载caffe点击此处下载caffe。创建虚拟环境使用anaconda创建一个caffe虚拟环境，语句如下：conda create -n caffe python=3.5进入创建好的虚拟环境conda activate caffe安装依赖包conda install cmake ninja numpy scipy protobuf==3.1.0 six scikit-image pyyaml pydotplus graphviz使用caffe的python接口将第一

环境中已安装tensorflow_datasets模块包，但加载tensorflow_datasets时报错，原因是依赖包tensorflow-metadata更新导致不兼容，可安装tensorflow-metadata==0.9.0版本解决此问题。

解决办法：重新安装graphviz软件，在最后一步添加环境变量时，选择对所有用户可用；重新安装pydot模块包conda install pydot重新安装graphviz模块包conda install graphviz

Tensorflow2.0安装及相关配置Tensorflow的GPU版本安装前的准备安装 GPU 驱动安装 GPU 运行库安装 CUDA安装 cuDNNTensorflow2.0的GPU版Tensorflow分为CPU版本和GPU版本，安装步骤类似Tensorflow的GPU版本安装前的准备安装 GPU 驱动确保电脑已经安装好了 Nvidia GPU 显卡驱动， 官方驱动下载地址同时需要确保电脑显卡的运算能力在 3.5 之上， 可以在这里查看对应显卡的运算能力安装 GPU 运行库对于 GP

最大值池化函数MaxPooling2DMaxPooling2D( pool_size=(2, 2), strides=None, padding='valid', data_format=None, **kwargs,)参数pool_size：整数或由2个整数组成的元组，用于缩小比例的因子（垂直、水平）。（2，2）将在两个空间域中的输入减半尺寸。如果只指定一个整数，两个维度将使用相同的窗口长度。strides：整数或由2个整数组成的元组，表示步长，如果不

Conv2DConv2D(filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, acti

b64decodeimport base64base64.b64decode(s, altchars=None, validate=False)b64decode函数的主要作用是对经过base64编码的bytes-like对象或者ASCII字符串进行解码。参数s：要被解码的对象altchars：必须是长度为2的bytes-like类型对象或ASCII字符串，它指定“+”和“/”字符的替代字母表。validate：实例创建byte类型对象import base64mystr =

b64encodeb64encode函数主要是使用Base64对bytes-like对象进行编码并返回bytes对象。

decodestr.decode(encoding='UTF-8',errors='strict')decode函数的主要作用是通过encoding指定的编解码器对字符串str进行解码。参数encoding：字符串str的编码格式，如"UTF-8"。errors：设置不同错误的处理方案。默认为 ‘strict’,意为编码错误引起一个UnicodeError。 其他可能得值有 ‘ignore’, ‘replace’, ‘xmlcharrefreplace’, ‘backslashreplace’

encodeencode函数的主要作用是使用注册编码的编解码器对字符串进行编码。用法str.encode(self, /, encoding='utf-8', errors='strict')参数encoding：要使用的编码，如"UTF-8"。errors：设置不同错误的处理方案。默认为 ‘strict’,意为编码错误引起一个UnicodeError。 其他可能得值有 ‘ignore’, ‘replace’, ‘xmlcharrefreplace’, ‘backslashreplace’

MoviePy是用于视频编辑的Python模块，可用于基本操作（如剪切、连接、标题插入）、视频合成（a.k.a.非线性编辑）、视频处理或创建高级效果。它可以读写最常见的视频格式，包括GIF。以下是一个运行中的实例（在IPython笔记本中运行）：目录...

argparse模块示例创建一个解析器添加参数解析参数实例argparse 模块可以让人轻松编写用户友好的命令行接口。程序定义它需要的参数，然后 argparse 将弄清如何从 sys.argv 解析出那些参数。 argparse 模块还会自动生成帮助和使用手册，并在用户给程序传入无效参数时报出错误信息。示例创建一个解析器使用 argparse 的第一步是创建一个 ArgumentParser 对象：parser = argparse.ArgumentParser(description='Pro

clipclip函数的主要作用是，剪裁（限制）数组中的值。给定一个间隔，间隔外的值将被剪裁到间隔边。例如，如果指定了间隔“[0，1]”，则小于0的值变为0，大于1的值变为1。用法import numpy as npnp.clip(a, a_min, a_max, out=None, **kwargs)参数a：给定数组；a_min：给定剪裁区间的下边界；a_max：给定剪裁区间的上边界；实例import numpy as npa = np.arange(10)aarray

isinstanceisinstance函数是python的内置函数，主要用于判断一个对象是否是某个类型。用法isinstance(obj, class_or_tuple, /)参数obj：被判断的对象；class_or_tuple：某一类型，比如str，int等。实例判断是否是浮点型a = 2.isinstance (a,float)输出：True判断是否是字符串a = "ABCD"isinstance (a,str)输出：True...

hasattrhasattr() 函数是python的内置函数，用于判断对象是否包含对应的属性。用法hasattr(object, name)参数object：判断对象；name：属性名，字符串格式。实例class add: x=2, y=3, s=x+y ad = add()hasattr(ad,"s")输出：True...

编码import base64def transform_image(imagefile,imagetype="BASE64"): """ 输入图片文件，以二进制流格式输出 """ with open(imagefile, "rb") as f: imagedata = f.read() imagedata = base64.b64encode(imagedata) imagedata = imagedata.decode()

个人理解，轴表示的是一个方向，类似于坐标系中的x轴和y轴：x轴代表水平方向；y轴代表垂直方向。以此类比数据表中的0轴和1轴，就会容易很多：0轴代表数据表里的垂直方向，比如，求一个数据表的列和，即垂直方向上的元素之和，df.sum(axis=0)；1轴代表数据表里的水平方向。...

functools.reduce函数用法from functools import reduce功能：实例

next用法next(iterator[, default])功能：实例

numpy.nonzero用法功能：实例返回非零元素的索引

numpy.squeeze用法功能：实例

numpy.transpose转置函数用法numpy.transpose(a, axes=None)功能：实例

numpy.minimum用法功能：实例

numpy.concatenate拼接函数用法功能：实例

numpy.empty1.用法numpy.empty(shape, dtype=float, order='C')返回给定形状大小和类型的新数组。2.实例import numpy as npnp.empty((2,3),dtype=int)输出：array([[1980447424, 654, 0], [ 0, 1, 6357093]])...

numpy.tile扩展函数1.用法numpy.tile(A, reps)通过给定的次数reps来重复A以构造数组。2.实例a = np.arange(6).reshape(2,3)a输出：array([[0, 1, 2], [3, 4, 5]])np.tile(a,2)输出：array([[0, 1, 2, 0, 1, 2], [3, 4, 5, 3, 4, 5]])...

numpy.array.repeat1.用法array.repeat(repeats, axis=None)重复数组中的每个元素形成新的数组并返回。常与reshape函数同时使用。2.实例b = np.arange(9)b输出：array([0, 1, 2, 3, 4, 5, 6, 7, 8])b.repeat(10)输出：array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [1, 1, 1, 1, 1, 1, 1, 1, 1, 1],

numpy.random.choice1.用法numpy.random.choice(a, size=None, replace=True, p=None)从给定的一维数组生成随机样本。2.实例import numpy as npnp.random.choice(np.array([1,2,3,4,5]),3)输出：array([4, 3, 5])

enumerate函数1.用法enumerate(iterable, start=0)返回一个包含索引和元素的枚举对象。2.实例a=["A","B","C","D"]for i,v in enumerate(a): print(i,v)输出：0 A1 B2 C3 D