Felaim的博客

python遇到的一个小问题UnicodeEncodeError: 'ascii' codec can't encode characters in position 1368-1376: ordinal not in range(128)这个是在文件中存在中文，输出的时候报错，加上下面的一段代码，问题解决import sysimport codecssys.stdout = codecs.getwriter("utf-8")(sys.stdout.detach()) 简单记录下就好。

1. 问题描述LZ使用xlrd读取file.xlsx的文档时，运行程序报错Traceback (most recent call last): File "<input>", line 1, in <module> File "/root/.pycharm_helpers/pydev/_pydev_bundle/pydev_umd.py", line 197, in runfile pydev_imports.execfile(filename, global_v

txt与xls代码处理示例1. 背景最近因为服务器训练时间不稳定的问题，LZ就想找出具体时间消耗的原因,但是训练平台只能保存成txt，才能下载，于是LZ把所有的数据都保存成txt的形式，当然如果小伙伴在保存文本时，使用’\t’来保存，这样下载对应的文本后，就可以直接手动复制到excel表格中，这也是一种方式。2. 环境配置conda install xlrdconda install xlwt2. txt2excel示例主要显示了怎么使用xlwt建立新的workbook，增加sheet

Dataset：Human Detection and Search1. 背景主要归纳了一下Human Detection and Search 涉及到的6个数据集， 分别为ETHZ， CityPersons，CalTech，MOT17, CUHK-SYSU和PRW这六个。2. 数据简介2. 1 ETHZ参考地址Ess等构建了基于双目视觉的行人数据库用于多人的行人检测与跟踪研究。该数据库采用一对车载的AVT Marlins F033C摄像头进行拍摄，分辨率为640×480，帧率13-14fps，

通常我们都会使用OpenCV写入视频，而写入的格式都是avi格式的，那么怎么快速将avi格式转成更加常见的mp4格式呢？其实在Ubuntu下，只需要一行代码即可，打开终端，test.avi是原始视频，output.mp4是输出视频，是不是很方便呢 (⊙o⊙)? ffmpeg -i test.avi -c copy -map 0 output.mp4小trick持续积累中。。。...

在深度学习中，其中很重要的一步就是进行数据的准备，当然有很多数据的保存方式，下面介绍一种读写使用都非常方便的一中方式，使用pickle来保存数据import pickle d = dict(name='Felaim', age=26, score=90)pickle.dumps(d)b'\x80\x03}q\x00(X\x04\x00\x00\x00nameq\x01X\x06\x00\...

在使用rgbdslam的时候,发现三维建图效果并不好,事实上是很糟糕,原因还在查找中…对产生的轨迹进行绘制,保存的trajectory_estimate.txt格式如下所示:保存的都是很基本的格式,时间+平移+旋转.绘制轨迹其实只要有平移就行了,因为在图上体现不出一个点的方向具体代码如下, 很简单,仅做个记录:clear all;clc;fidin=fopen('tr...

直接保存为txt文件：可以用fprintf函数，来代替save函数啊比如现在我有一个变量a=[0.1223 345.4544]如果我想保存它的话，可以用下面的程序：fid = fopen('a.txt','wt');fprintf(fid,'%6.4f %8.4f\n',a);fclose(fid);然后打开a.txt，你会发现其中是0.1223 345.4544如果是3×100的数据，

最近有时间会开始看算法导论，一点一点的把算法导论中的一些常见算法都实现一下，也算是扩充一下LZ的知识储备和代码储备，这样，无论什么时候要什么算法，LZ能很快找到，深有感慨，“纸上得来终觉浅，绝知此事要躬行”。理论到位了，代码也要到位。#include <iostream>using namespace std;//LZ这里添加了一个模板类template <class T>int getArr

不错，我们现在是处在大数据时代，信息爆炸，数据量呈指数级增长。但是，数据量大，不代表有效的数据很多。而且对于有些数据，拿到往往是有缺失值的，那么数据缺失会带来哪些问题呢？假设有1000个样本，20个特征，这些数据都是机器收集回来的（在slam上这种问题应该还蛮常见的），若机器上的某个传感器损坏导致一个特征无效时该怎么办？是否要重新采集整个数据集？在这种情况下，另外的19个特征要怎么处理？它们是否还可

国内数据：链接：http://pan.baidu.com/s/1i5nyjBn 密码：26bm好玩的数据集：链接：http://pan.baidu.com/s/1bSDIEi 密码：25zr微软数据：链接：http://pan.baidu.com/s/1bpmo6uV 密码：286q微博数据集：链接:http://pan.baidu.com/s/1jHCOwCI 密码:x58f遥感