- 博客(59)
- 收藏
- 关注
RSS订阅原创 urllib3.exceptions.MaxRetryError: HTTPSConnectionPool(host=‘eolink.o.apispace.com‘, port=443): Max r
如果问题仍然存在，可能是网络环境限制导致，建议尝试在不同网络环境下测试或联系API服务商获取专用SDK。headers={“X-APISpace-Token”: “您的API密钥”} # 确保认证头正确。您的代码通过requests.get()访问天气API时，代理服务器或目标服务器中断了SSL连接。proxies={“http”: None, “https”: None}, # 显式禁用代理。print(f"API调用失败: {str(e)}")方法4：API端调整（推荐）代理服务器配置错误/失效。
2025-03-26 11:55:22
819
原创 解决docker重启后包丢失的报错日常
项目是使用fastapi结合iotdb部署在阿里云服务器，今天修改了一个iotdb配置文件的问题，就一直显示500报错出现了，直接down了iotdb但是发现不仅是iotdb而是整个fastapi和iotdb的服务全部down完了，重启服务。第二步：之前环境是有这个包的，但是如果我直接重启服务因为设置问题docker会一直重启我无法进入到docker环境进行包的下载安装，有两个解决思路。2.先把使用到这个包的代码全部注释掉，在环境内进行包的下载（只有运行中的docker才可以进入docker环境）
2025-03-26 11:05:45
176
原创 如何克服畏难情绪一步一步往前走
克服畏难情绪的关键在于分解任务、设定小目标、逐步深入、寻求支持、保持积极心态。通过系统的学习和实践，你将逐步掌握所需的技术栈和内容，完成高质量的研究。记住，研究是一个不断学习和成长的过程，每一步进展都值得庆祝！
2025-03-19 16:11:23
553
原创 【ai心理咨询结果】为一名工科生硕士研究生二年级马上要开题但是我一直不知道自己要选什么方向，并且一直在对自己有不好的评价，觉得自己能力不行，工作状态不行，生活习惯不行，哪哪都不行，我想改变要怎么改变？
你的状态是许多研究生在高压阶段都会经历的「学术自我怀疑综合征」，但别担心——这种看似混乱的困境，其实是重构自我的最佳时机。
2025-03-18 23:06:40
913
原创 dataframe数据形式操作中的diff和shift函数区别与对比
修复了np.where的错误：确保np.where的参数完整。解释了shift和diff的区别shift用于移动数据。diff用于计算差值。提供了修复后的完整代码：确保代码逻辑正确，并能正确处理数据。
2025-03-18 22:09:46
485
原创 【无标题】使用dataframe直接打印值的时候发现值的精度没有被保留下来dataframe.values
使用dataframe直接打印值的时候发现值的精度没有被保留下来。
2025-03-14 12:28:22
164
原创 Apache-iotdb 基本概念
元数据模板（Schema template）实际应用中有许多实体所采集的物理量相同，即具有相同的工况名称和类型，可以声明一个元数据模板来定义可采集的物理量集合。将元数据模版挂载在树形数据模式的任意节点上，表示该节点下的所有实体具有相同的物理量集合。目前每一条路径节点仅允许挂载一个元数据模板，即当一个节点被挂载元数据模板后，它的祖先节点和后代节点都不能再挂载元数据模板。实体将使用其自身或祖先的元数据模板作为有效模板。听不懂这个：特别需要说明的是，挂载模板与使用模板的概念不同。
2025-02-27 21:03:36
896
原创 Apache-iotdb 堆内外内存不够 ERROR - Thrift Error occurred during processing of message.
1. 堆内存溢出（OutOfMemoryError）日志关键信息原因JVM 堆内存不足（当前配置仅2724MB），导致服务崩溃。2. 系统参数过小日志关键信息影响限制系统的最大并发连接数，可能引发连接队列溢出或性能瓶颈。3. 内存分配不合理日志关键信息问题内存资源分配未根据实际负载优化，可能导致内存浪费或竞争。4. 文件夹权限问题日志关键信息原因IoTDB 进程可能无权限写入指定目录，或目录已存在但权限配置错误。改进与修复方法。
2025-02-27 20:46:51
654
原创 【无标题】无需本地配置满血版deepseek R1＋硅基流动 +各个本地聊天软件的配置流程 点击链接即注册可获取2000万token
http://i0.hdslb.com/bfs/new_dyn/a65c22713764d7aaa983d6cc2a20bcc6316229394.png
2025-02-25 17:06:22
122
原创 【无标题】docker-compose ps 和dokcer ps的区别
docker ps 是 Docker 的原生命令，而 docker-compose ps 是 Docker Compose 的命令。docker ps 显示所有 Docker 容器，docker-compose ps 只显示与当前 Docker Compose 项目相关的容器。docker ps 提供更详细的容器信息，docker-compose ps 则更关注于 Compose 项目中的容器状态。
2025-02-24 11:08:21
560
原创 用deepseek制作我的第一个长视频---使用AI解决尝试新领域没有经验拖延的问题！
制作一个高质量的Vlog或生活记录长视频，即使零基础也能通过系统规划实现！以下是为你定制的「从零到成品」全流程指南，结合叙事逻辑、剪辑技巧和效率工具，帮你把碎片素材变成有感染力的作品。如果需要更具体的音乐推荐或片段编排建议，可以分享你的素材关键词，我会帮你设计分镜脚本！（由于技术原因，联网搜索暂不可用）
2025-02-04 01:18:43
4850
1
原创 round(x, 6) if isinstance(x, (int, float)) else x 语法讲解三元运算符语法讲解（有空补）
这段代码的主要作用是对 DataFrame 中的指定列进行数值四舍五入处理，同时保持非数值类型的元素不变。这里 processed_df 是一个 pandas DataFrame，column 是一个变量，表示当前正在处理的列名。apply 是 DataFrame 或 Series 的一个方法，用于将一个函数应用到每个元素上。对 processed_df 中 column 列的每一个元素 x，检查它是否是整数或浮点数。如果 x 是这两种类型中的一种，表达式返回 True，否则返回 False。
2025-01-06 23:03:42
362
原创 pandas.core.frame.DataFrame怎么进行对象内容的读写
在 Python 中，是 Pandas 数据库的核心数据结构，可以方便地读取和操作表格数据。通过列名获取数据。传递列名列表，获取多个列。使用索引或切片访问行数据。使用.at或.iat方法。通过布尔索引读取符合条件的数据。
2024-12-13 20:28:19
479
1
原创 【FastAPI、Python】若在形参中datatime.now，时间可能会存在滞后()
若在进入函数给形参赋值默认值，值为datatime.now，这个默认值时间可能会存在滞后()，并非当前的准确时间！在函数中而非在形参中使用now()时间是新鲜的当前时间！线挂个贴，不知道为什么会出现这样的问题。
2024-11-29 18:17:12
294
原创 【自用】fastapi教程第三节--响应与响应体
先注意以下概念区分细节，什么是路径操作和路径函数：输出的时候会以userOut的模型类型输出！(2)路径response model exclude_unset通过上面的例子，我们学到了如何用response model控制响应体结构，但是如果它们实际上没有存储，则可能要从结果中忽略它们。例如，如果model在NoSQL数据库中具有很多可选属性，但是不想发送很长的JSON响应，其中包含默认值。即排除没有设置的值。
2024-11-06 19:51:50
390
1
原创 【自用】时序数据库、时序数据库，IOTDB官方文档笔记
通常来说，我们把每个采集点位叫做一个测点（ 也叫物理量、时间序列、时间线、信号量、指标、测量值等），每个测点都在随时间的推移不断收集到新的数据信息，从而构成了一条时间序列。万物互联的今天，物联网场景、工业场景等各类场景都在进行数字化转型，人们通过在各类设备上安装传感器对设备的各类状态进行采集。示例：如上图中表格形式的时间序列的一行，或图形形式的时间序列的一个点，就是一个数据点。又名：物理量、时间序列、时间线、信号量、指标、测量值等。能源场景：风机，由区域、场站、线路、机型、实例等标识。
2024-11-06 19:51:36
365
原创 【自用】在windows操作系统下下载、安装、启动iotDB，使用DBeaver进行可视化【DBeaver+IOTDB】时序数据库IOTDB+FastAPI项目技术栈
原文链接：https://blog.youkuaiyun.com/gavinoldmen/article/details/132849648。编辑start-cli.bat文件，修改配置如下图所示，按照实际情况修改用户名、密码、端口、IP后保存即可。客户端和数据库链接需要的session详解:https://www.idc.net/help/156831/如下，输入jdbc url、用户名、密码，点击测试连接，提示如下说明连接成功，点击保存即可。双击左侧的iotdb实例打开数据库，查看已存在的数据库与时间序列。
2024-11-06 18:49:37
1643
5
原创 【无标题】VUE入门如何创建一个vue项目
商业转载请联系作者获得授权，如有侵犯联系立马删除，非商业转载请注明出处。然后输入下面的代码，其中将 vue-pojectName 替换为自己想起的项目名。我们此时去磁盘上查看的话就能看见我们的项目，我们就可以使用VScode打开项目了。这里笔者选择的是手动，选择手动后就可以自定义需要哪些功能不需要哪些功能。因为我们是Node.js环境，所以就选包管理器中的 npm。关于Vue项目的目录结构，我们需要有基础的认知。首先，我们在任意位置新建一个文件夹，名字随意。然后我们耐心等待，项目就创建好了。
2024-10-18 15:49:42
350
原创 QGIS如何在正射影像中获得绘制线段的长度信息||QGIS如何获取绘制点的经纬度（如何生成WKT属性）并且导出为CSV文件
幸运的是，QGIS提供了一种更好的方法来使用椭圆形几何来计算距离，这是跨诸如此类的大面积图层的最准确方法。该过程完成后，单击“关闭（Close）”。1.检查菜单栏是否有数据处理（processing）按键，如果没有的话请根据以下链接打开processing工具箱：https://blog.youkuaiyun.com/aLoudVoice_/article/details/124227339。会生成一个新的图层，点击属性表信息可以查看到在刚刚需要获取经纬度数据的图层中又多了x、y属性，分别是经度、维度属性信息。
2024-10-14 22:25:46
686
原创 自适应阈值处理与Otsu处理和阈值 Otsu 处理得对比和区别
对于色彩均衡的图像来说，直接使用一个阈值就能完成对图像的阈值化处理。但是，有时图像的色彩是不均衡的，如果只用一个阈值，就无法得到清晰有效的阈值分割结果图像。与邻域各个像素点到中心点的距离有关，通过高斯方程得到各个像素点的权重值。OTSU可以帮我们遍历所有可能的阈值，从而找到最佳的阈值。所以这一节我们介绍自适应阈值处理**（阈值是变化的）计算每个像素点周围临近区域的加权平均值。邻域所有像素点的权重是一致的。明暗差异较大**的图像。
2024-10-07 15:06:09
438
原创 【科研小小白】理解图片容量、像素、尺寸、分辨率各自含义、 像素、分辨率与实际尺寸之间的转换关系
又如大多数网页制作常用图片分辨率为72，即每英寸像素为72，1英寸等于2.54厘米，那么通过换算可以得出每厘米等于28像素；比如当前图像分辨率为300Dpi，也就是说1英寸内有300个像素点**，1平方英寸内有300*300=90000个像素点**，那么每个像素的大小就是1/90000平方英寸。如：分辨率=72像素/英寸，它的含义就是在1英寸长度内有72个像素点，由此可见，单位长度内的像素越高，分辨率越高，图像越细腻。，它代表像素的密度，一般以：像素/英寸、或者像素/厘米表示。那么像素到底是多么大？
2024-09-27 15:47:09
6331
原创 【科研小小白】灰度化处理、阈值、反色、二值化、边缘检测；平滑；梯度计算；双阈值检测；非极大值抑制
灰度化处理是将彩色图像转换为灰度图像的过程。在彩色图像中，每个像素通常由红（R）、绿（G）、蓝（B）三个通道组成。每个通道的取值范围通常在0到255之间。通过灰度化处理，我们把图像从RGB三通道降维为单通道，每个像素值表示该像素的亮度。在灰度图像中，像素值范围从0到255，其中0代表黑色，255代表白色，介于两者之间的值则表示不同深浅的灰度级。通常采用以下公式将RGB值转换为灰度值：这个公式是基于人眼对不同颜色的敏感度确定的，绿光对亮度的贡献最大，蓝光最小。阈值是指在图像处理中的一个数值界限。
2024-09-10 17:09:32
1590
原创 【科研小小白】PermissionError: [Errno 13] Permission denied: ‘D:/Project/DataSet-1/UAV‘错误【已解决】
此处open函数需要打开一个json文件名才可以写入，如果文件不存在它也可以根据文件名去创建，但是什么都不写只有文件夹无含名字的json文件名是万万不可的……如果文件存在，被占用，将占用程序暂时关闭。错误产生的原因是文件无法打开，可能产生的原因是文件找不到，或者被占用，或者无权限访问，或者打开的不是文件，而是一个目录。在重复了1-3之后都无用，就开始使用4地方法，出现了第二个问题就是没有办法保存只读属性的选项。5.你看看你有没有在文件路径里忘记写文件名字了！在路径后面加了json文件就运行成功了！
2024-08-29 12:31:53
1291
3
转载 在 MMdetection 中，mmdet 和 configs 文件夹有什么区别
在这里，你可以定义网络的结构、数据集的路径、训练参数等。1、模型定义和配置分离：mmdet 文件夹包含了模型的具体实现，例如各种不同的网络结构、损失函数、优化器等，而 configs 文件夹则包含了对这些模型的配置。3、模型训练和推理：在进行模型训练和推理时，mmdet 文件夹中的代码会根据 configs 文件夹中的配置文件来确定模型的行为。因此，mmdet 文件夹和 configs 文件夹之间的联系主要体现在模型定义与配置的分离、配置文件的引用以及模型训练和推理过程中的参数获取和行为确定等方面。
2024-08-06 20:40:08
90
原创 【科研小小白】解释mmdetection 项目中configs文件夹中相关模型配置文件，以yolox为例子：
然而，如果代码中没有包含适当的预处理步骤，或者预处理步骤没有得到正确配置，那么在尝试将不匹配尺寸的图像输入到模型时，可能会出现错误。，通常情况下，模型训练代码会进行相应的预处理操作，以确保所有输入图像都符合模型的期望尺寸。bbox_head：模型的检测头，包括类别数量、输入通道、特征通道、卷积层数、步长、使用深度卷积等参数，以及各种损失函数的设置。neck：模型的颈部网络，这里使用YOLOXPAFPN作为颈部网络，包括输入通道、输出通道、CSP块数量、上采样设置等参数。model：定义了模型的架构和参数。
2024-08-06 18:30:00
429
原创 【科研小小白】 self.data = defaultdict(list)的作用
在这个例子中，我们不需要事先定义 ‘dogs’ 和 ‘cats’ 的键，defaultdict 会自动为我们创建它们，并将它们的值设置为空列表，然后我们可以直接向列表中添加元素。模块提供的一个特殊类型的字典，它允许你指定一个默认的工厂函数，这个函数会在你试图访问一个不存在的键时自动创建一个默认值。在这个特定的代码片段中，self.data = defaultdict(list)解释一下中的 self.data = defaultdict(list)的作用。，并将该键的值设置为一个新的空列表。
2024-07-18 19:17:03
361
原创 【科研小小白】Faster R-CNN论文阅读笔记+与FAST RCNN区别对比+个人补充知识
*Roi pooling与分类网络：**对候选检测框进行分类，并且再次微调候选框坐标（在RPN中，网络会根据先前人为设置的anchor框进行坐标调整，所以这里是第二次调整）。FASTER-RCNN创造性地采用卷积网络自行产生建议框，并且和目标检测网络共享卷积网络，使得建议框数目从原有的约2000个减少为300个，且建议框的质量也有本质的提高.原文链接：https://blog.youkuaiyun.com/weixin_62371528/article/details/136059666。
2024-05-24 11:47:19
244
1
原创 d2l配置环境时的报错：raise ReadTimeoutError(self._pool, None, “Read timed out.“) pip._.ReadTimeo
【代码】d2l下载pytroch时的报错：raise ReadTimeoutError(self._pool, None, “Read timed out.“) pip._.ReadTimeo。
2024-03-01 15:02:37
308
原创 【科研小小白】神经网络参数（weight权重、bias偏移量）初始化方法 （未完待续）
在神经网络中，参数的初始化和处理是非常重要的步骤，因为它们对模型的训练速度和性能有着直接的影响。：权重的初始化通常需要遵循一些特定的分布，如均匀分布、正态分布或者是特定的常数。：权重归一化是一种常用的参数处理方法，可以帮助提高模型的训练速度和性能。：在神经网络的训练过程中，权重的更新是通过反向传播和优化算法来实现的。PyTorch的模块提供了一系列的优化算法，如SGD、Adam和RMSProp等。：权重正则化是一种防止过拟合的技术，常见的方法有L1正则化和L2正则化。在PyTorch中，可以在优化器中设置。
2023-08-03 11:21:31
1581
原创 自定义神经网络的步骤和构造过程中产生的疑问
一个神经网络通常由多个层按照顺序连接而成。每个层都包含一组可学习的参数，用于对输入数据进行转换和处理。网络形成一个层级结构。每个层接收上一层的输出作为输入，并将其转换为下一层的输入。这种层与层之间的连接方式被称为前向传播（前向传播），它使得网络能够逐层地对输入数据进行处理和提取特征。
2023-07-24 17:44:19
363
原创 WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connec
就我自己在windsows系统上的经验来看，很有可能是由于系统代理软件的锅，一般我们可以通过以下三种方法解决。首先如果你当前使用了网络代理，就是先把你的网络代理给关了！再试试（也就是关掉挂梯子软件）然后成功了，就是如此简单。
2023-07-05 21:48:48
1048
2
原创 【day10】机器学习的一般步骤
特征工程是机器学习过程中非常重要的一环，它是指通过对原始数据进行加工和处理，将其转化为可供机器学习算法使用的特征集合。特征工程的目标是挖掘数据的内在规律，并且将其转化为机器学习算法能够理解的形式。在这个阶段，可以根据不同的问题类型、数据结构和业务需求等因素来选择合适的模型，并利用训练数据对模型进行训练和调优。此外，在实际应用过程中，还需要对模型进行不断地优化和调整，以保证其能够持续地提供最优的预测结果。以上是机器学习的一般步骤概述，每个步骤的具体内容会根据问题类型、数据集结构和业务需求等因素而有所不同。
2023-06-30 15:25:07
1844
原创 【科研小小白的神经网络Day3】什么是超参数？阅读优化函数时遇到的疑问
发现看机器学习代码会涉及到非常多的数学理论，在不清楚张量、梯度计算等理论基础时，会不了解其中理论，会导致原理读不通，不知道为什么要进行这些操作，所以还是得慢慢掌握一些相关的数学理论，不能单纯的套别人的模板、公式，既然都学机器学习了就得掌握深层的知识而非像开发一样学会用工具就好，但实际学习也要多留意网络模型的使用，之后多半也是在前人的基础上做实际应用。模型参数（Parameter）：模型内部的配置变量，模型可以根据数据可以自动学习出的变量，自行根据数据进行驱动调整。比如，深度学习的权重，偏差等。
2023-06-02 20:38:42
108
原创 【科研小小白的神经网络Day4】with torch.no_grad():函数的理解，
内含上下文文管理器这一概念，有了上下文管理器，with语句才能工作 上下文表达式：With 关键字之后的表达式，该表达式要返回一个上下文管理器对象。
2023-05-31 19:00:47
384
原创 【科研小小白的神经网络Day4】requires_grad，grad_fn，grad的含义及使用究竟是什么
【科研小小白的神经网络Day4】requires_grad，grad_fn，grad的含义及使用究竟是什么
2023-05-31 19:00:29
255
空空如也
数学不好能走三维语义，一般就业是什么样的呢？
2023-06-12
三维语义学习还有出路吗！数学不好能学懂吗
2023-06-12
从就业角度推荐学三维重建、点云方向嘛？
2023-06-12
有已经在三维语义重建领域比如点云就业的同志吗研0很迷茫
2023-06-11
中科院海岸带所值得计算机跳过去吗？
2023-04-04
机器学习结合材料有前途嘛？
2023-03-15
现在自学机器学习还有前途吗？
2023-03-14
TA创建的收藏夹 TA关注的收藏夹
TA关注的人