感觉不错

很多朋友都开始写Blog了
我以前也注册过很多,不过老感觉不是很好
这个网站上的不错
今天也开始写下自己的Blog :D
以后也打算在这里做点文章。。。
虽然现在我没怎么接触过JAVA,不过JS还是写过好的。JAVA只是看过一点
现在的工作感觉没什么激情 :( 先不说这倒霉事
开门见喜啊!多来点高兴的
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
import csv from snownlp import SnowNLP data = [] # 读取 CSV(GBK) with open('step1/comment.csv', 'r', encoding='GBK') as f: reader = csv.reader(f) next(reader) for row in reader: label = str(int(row[0])) # 转成 '0' / '1' review = row[1].strip() sentiment = SnowNLP(review).sentiments data.append([label, review, sentiment]) command = input().strip() # 正面评论 if command == '正面评论': item = sorted(data, key=lambda x: x[2], reverse=True)[0] print([item[0], f'"{item[1]}"', item[2]]) # 负面评论 elif command == '负面评论': item = sorted(data, key=lambda x: x[2])[0] print([item[0], f'"{item[1]}"', item[2]]) # 冲突评论 elif command == '冲突评论': conflict_pos = [] # label=1 但 sentiment<0.5 conflict_neg = [] # label=0 但 sentiment>=0.5 for label, review, sentiment in data: if label == '1' and sentiment < 0.5: conflict_pos.append([label, review, sentiment]) elif label == '0' and sentiment >= 0.5: conflict_neg.append([label, review, sentiment]) conflict_pos.sort(key=lambda x: x[2]) conflict_neg.sort(key=lambda x: x[2]) for label, review, sentiment in conflict_pos + conflict_neg: print([label, f'"{review}"', sentiment]) # 评论分析 elif command == '评论分析': pos = 0 neg = 0 for _, _, sentiment in data: if sentiment >= 0.5: pos += 1 else: neg += 1 print(f"正面评论:{pos}条") print(f"负面评论:{neg}条") 修改代码 使得输入冲突评论时输出['1', '"服度很好.不管是前是後勤人,均很情,以待人;事效率高.包括登入住,,客房服等;工作尚有不足.如容易被忽的床管老化等,建酒店方面可以定期修,等到客反,就稍被了.祝程旅行及庭酒店越越好!"', 0.00036452629552274907] ['1', '"我在6月19-21号又入住了该酒店,还是一副老样子,问前台能否换楼尘老是回答要等半小时,不知为何?望酒店在各方方面面有待提高!"', 0.0008121509824536854] ['1', '距离火车站非常近,走路5分钟就能到,在市中心,去哪个地方,交通都比较方便。入住比较晚,晚上10点钟左右,想订餐被告知下班了,想到宾馆小卖部买点方便面,没想到也关门,这一点不太方便。房间还行。', 0.002652099778034489] ['1', '"优点:酒店位置挺好,服务生态度很好,早餐很好缺点:房间居然不能上网,酒店工程师说是swtich坏掉了,从下午到晚上11点都没有修好,失望。。。第二天早上居然还要跟我收网费,天啊,我一分钟上网都没用到...总的来说在香港这个价位住到的酒店应该算很不错的了"', 0.0034845609509304154] ['1', '位置、设施都不错,价格也还可以,就是隔音太差了,被隔壁吵了一晚上', 0.03347265239191355] ['1', '酒店还是非常的不错,我预定的是套间,服务非常好,随叫随到,结帐非常快。顺便提一句,中餐很差。', 0.12541148960122617] ['1', '早餐非常不错。房间条件还好,就是电视太小。周围非常方便。赶上八点半结账,等了超过十分钟。', 0.20935638048244598] ['1', '去住了四晚,总体感觉不错,首先位置好,离油麻地地铁B2出口很近,步行最多三分钟。其次服务好,我说的普通话,没发现有什么歧视之类的,有天我们不打算打扫房间,估计是主管之类的还专门跑到房间来敲门问一会还需要打扫卫生吗;打扫卫生的阿姨也很热情,对我们说早上好;门卫也热情,对我们微笑,害得我妈高兴一天:)。第三房间比想象的好,不算太小,但很干净,也很安静,先前还说住重庆大厦,后来去看了下完全要不得,幸亏没去。第四价格还不错吧,在携程定的,四晚2266元,押金500元。下次去还住那里吧:))', 0.21880607541043173] ['1', '前台的服务很不错,快捷、周到、让人感觉很好。房间环境还可以,就是床垫太差,躺在上面能感觉到弹簧,该换了。', 0.37067241062266776] ['1', '"酒店位置不错,不过靠近马路有点吵闹,因为窗户不是双层的服务员比较热情,当时要一个电热壶很快就送到房间里了建议酒店注意枕套的干净程度"', 0.4226389981291292] ['0', '我去年的时候去过该酒店,那时候住的是高级房,就是不让抽烟,其余感觉一般,比学校的老宿舍要强。', 0.8745810372887357] ['0', '很好,顶级,太棒了,很棒(为了免费餐券,我随便写的)房间设施还可以,但酒店内非常的冷,冬天不推荐入住。夏天应该住的很舒服。', 0.974213881413997]
12-18
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值