- 博客(49)
- 收藏
- 关注
RSS订阅原创 nvm安装教程
查找.npmrc文件是否存在，有的话也要删除，默认在C:\User\用户名。C:\Users\用户名\AppData\Roaming\npm-cache。直接运行setup.exe，分别选择nvm安装路径、node安装路径。C:\Users\用户名\AppData\Roaming\npm。卸载之后，将node的安装目录也删除掉。
2024-05-18 13:52:50
1089
原创 理解React Hooks看这一篇就够了
在React中，Hooks其实就是一个函数，这个函数的命名以use开头、函数return一个结果；React Hooks其实就是封装了一些通用的、公共的方法，就是一些通用的工具。官方Hooks是指React官方推荐的一些Hooks，如：useState、useEffect、useContext、useRef、useMemo、useCallback、useReducer、......；让React函数组件也可以使用状态，使用方法：const [ age, setAge ] = useState(35).
2023-11-06 21:51:01
1459
原创 在vite中使用react-router-dom-v6 路由报错 Uncaught SyntaxError: Unexpected token ‘＜‘
解决在vite中使用react-router-dom-v6 路由报错 Uncaught SyntaxError: Unexpected token ‘＜‘
2023-10-02 23:32:40
1394
原创 解决在vscode中运行代码时的路径问题
----2、搜索“python.terminal.executeInFileDir”；-----3、勾选“When executing a file in。-----2、若环境没问题、在vscode终端 安装对应的库。-----1、首先查看所在的环境（base / tf25）。-----1、打开设置；
2023-06-26 18:42:16
1501
原创 解决:Vue中 ResizeObserver loop limit exceeded at eval (webpack-internal:///./node_modules/webpac
解决的Vue中使用Element-UI提示的报错
2023-05-11 22:00:13
3864
6
原创 Jupyter Notebook切换虚拟环境+代码提示功能
成功地配置了切换jupyter notebook的运行环境并且配置了具有代码提示的功能
2023-03-29 17:28:07
376
原创 解决Failed to resolve import “@element-plus/icons-vue“ from “src\views\Home.vue“. Does the file exist?
成功地解决了Failed to resolve import "@element-plus/icons-vue" from "src\views\Home.vue". Does the file exist?
2023-03-26 20:10:51
19105
原创 图像形态学（腐蚀、膨胀、开运算、闭运算、梯度、顶帽、黑帽）
开运算(open) ,先腐蚀后膨胀的过程。开运算可以用来消除小黑点，在纤细点处分离物体、平滑较大物体的边界的 同时并不明显改变其面积。形态学梯度(morph-grad)，可以突出团块(blob)的边缘，保留物体的边缘轮廓。闭运算(close)，先膨胀后腐蚀的过程。参考代码如下：
2022-11-27 13:37:26
1234
原创 sklearn.cluster.KMeans中的参数介绍
kmeans++表示该初始化策略选择的初始均值向量之间都距离比较远，它的效果较好；或者提供一个数组，数组的形状为（n_cluster,n_features），该数组作为初始均值向量。表示是否提前计算好样本之间的距离，auto表示如果nsamples*n>12 million，则不提前计算。用不同的聚类中心初始化值运行算法的次数，最终解是在inertia意义下选出的最优结果；1表示每隔一段时间打印一次日志信息。若值为 -1，则用所有的CPU进行运算。表示随机数生成器的种子。表示算法收敛的阈值。
2022-11-27 12:09:55
2866
原创 conda找不到对应版本的cudnn（解决方法）
配置深度学习环境时，打算安装cudatoolkit==11.0和cudnn==8.0，当使用conda install cudnn==8.0时，却搜索不到这个版本的包，解决方法如下：
2022-11-19 19:26:08
5347
3
原创 基于区域的图像分割
区域生长是指从某个像素出发，按照一定的准则，逐步加入邻近像素，当满足一定的条件时，区域生长终止。区域生长的好坏决定于：1.初始点（种子点）的选取。2.生长准则。3.终止条件。区域生长是从某个或者某些像素点出发，最后得到整个区域，进而实现目标的提取。参考代码如下：
2022-11-18 15:31:11
1542
1
原创 支持向量机（sklearn.svm.svc）中的参数
在拟合（fit）模型之前启用，启用之后会减缓拟合速度，但是拟合之后，模型能够输出各个类别对应的概率。核函数，{‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’}，默认值为’rbf’。（5） precomputed：预训练好的核函数对应的Gram 矩阵 优点： 不用再次拟合核函数对应的Gram 矩阵，直接进行映射。‘rbf’, ‘poly’ 和‘sigmoid’ 核函数的系数， {‘auto’, ‘scale’}，默认值为‘scale’。
2022-11-17 19:19:32
5815
原创 决策树可视化和DecisionTreeClassifier中的参数介绍
这个值限制了叶子节点所有样本权重和的最小值，如果小于这个值，则会和兄弟节点一起被剪枝。如果特征不多，可以不考虑这个值，但是如果特征多，可以加限制，具体的值可以通过交叉验证得到。这个值限制了叶子节点最少的样本数，如果某叶子节点数目小于样本数，则会和兄弟节点一起被剪枝。一般数据比较少或者特征少的时候可以不用管这个值，如果模型样本数量多，特征也多时，推荐限制这个最大深度，具体取值取决于数据的分布。限制决策树的增长，节点的不纯度（基尼系数，信息增益，均方差，绝对差）必须大于这个阈值，否则该节点不再生成子节点。
2022-11-17 18:50:15
1248
原创 python数字图像处理（不同边缘检测算子的效果图对比）
在前面的文章中介绍过常用的几种边缘检测算子的用法，但没有做实际的效果图进行对比，所以本篇文章将以实际的实验结果来对比不同边缘检测算子的检测效果。
2022-11-10 09:12:46
450
原创 Linux系统下的pytorch环境配置
以上就是博主自己安装的方法了，希望对大家有所帮助，如果有什么问题，请在评论区留言，博主会积极为大家解答。
2022-11-08 20:23:13
3811
原创 机器学习knn分类（KNeighborsClassifier）中的参数
KNeighborsClassifier(n_neighbors=5,weights=’uniform’,algorithm=’auto’,leaf_size=30,p=2,metric=’minkowski’,metric_params=None,n_jobs=1,**kwargs)参数说明：n_neighbors: int, 可选参数(默认为 5)用于kneighbors查询的默认邻居的数量
2022-11-08 10:45:00
5417
原创 在Linux系统配置yolov5环境（tensorflow-gpu、cuda、cudnn）
学习yolov5时，在搭建深度学习环境上花了不少时间，因此想运用这篇文章记录一下正确的环境配置方法，希望对大家的学习有所帮助。
2022-10-31 20:32:50
4915
原创 Linux系统TensorFlow、CUDA、cuDNN不同版本的对应关系
Linux系统TensorFlow、CUDA、cuDNN不同版本的对应关系如下所示：
2022-10-31 19:29:10
956
原创 python数字图像处理——边缘检测算子(Laplacian算子、Roberts算子、Prewitt算子和Sobel算子)
Laplacian算子对噪声比较敏感，由于其算法可能会出现双像素边界，常用来判断边缘像素位于图像的明区或暗区，很少用于边缘检测；Robert算子对陡峭的低噪声图像效果较好，尤其是边缘正负45度较多的图像，但定位准确率较差；Prewitt算子对灰度渐变的图像边缘提取效果较好，而没有考虑相邻点的距离远近对当前像素点的影响；Sobel算子考虑了综合因素，对噪声较多的图像处理效果更好。边缘检测算法主要是基于图像强度的一阶导数和二阶导数。
2022-10-30 20:51:18
4890
原创 在linux系统上使用conda虚拟环境并安装tensorflow
通过自己的实践经验总结出来了在Linux系统上使用conda虚拟环境并安装TensorFlow的方法，希望能够帮助到大家。
2022-10-26 14:55:19
1583
原创 逻辑回归（LogisticRegression）中的参数（详解）
LogisticRegression(penalty='l2', dual=False, tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver='liblinear', max_iter=100, multi_class='ovr', verbose=0, warm_start=False, n_jobs=1)
2022-10-22 09:42:47
10314
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人