- 博客(9)
- 收藏
- 关注
RSS订阅原创 不要删venv文件！Pycharm 报错： Environment location directory is not empty 解决
问题：当初遇到这个问题，网上大部分的方法是删除venv（环境管理器）文件但是这样的方法虽然简单粗暴，但是删除这个环境之后，之前的项目也就不能用了呀解决方法：所以我们需要给新的项目建立一个新的、独立的环境，这样各个项目的运行就不会互相干扰了。新建项目时自定义选择库（自己安装python位置，如下图）2.如果已经安装conda，那就好办啦，直接在这里选择合适的版本，然后创建就好了3.如果没有conda，依次打开：Flie-Settings-Project-project interpr
2021-08-08 16:52:12
18355
9
原创 KeyError: ‘sparse_categorical_accuracy’
项目场景：提示：这里简述项目相关背景：例如：项目场景：示例:通过蓝牙芯片(HC-05)与手机 APP 通信，每隔 5s 传输一批传感器数据(不是很大)问题描述：提示：这里描述项目中遇到的问题：例如：数据传输过程中数据不时出现丢失的情况，偶尔会丢失一部分数据APP 中接收数据代码：@Override public void run() { bytes = mmInStream.read(buffer); mHandler.obtainMessage(READ_DATA, bytes,
2021-06-14 16:42:19
713
原创 将模型预测结果存储到文件 以及 将预测结果输出到html页面
将模型预测结果存储到文件中：先提取模型预测数据，通过str（）将模型中的数据转化为字符串。这里的replace函数有两个参数，一个“”，另一个为“”，不同之处在于前一个有空格，而后一个没有，这个函数主要是用于替换字符串中的空格。经实践证明，经过str(resultNp)转换后的数据，每个字符之间隐藏着空格，如果不用replace函数进行“清除”，会在页面输出时影响正常数据的输出。pt = model.predict(test)resultNp = np.argmax(pt, axis=1)m ..
2021-06-14 11:29:51
2389
原创 报错：‘Model‘ object has no attribute ‘predict_classes‘
将概率转化为标签值：实际操作时发现，使用predict_classes()会出现报错：'Model' object has no attribute 'predict_classes'。这是因为本系统在搭建模型时，先进行了神经网络的编写，之后使用model = Model(input=inp, output=outp)方法，此时这种综合起来的方法无法使用predict_classes()，所以需要配合numpy.argmax()方法将样本最大概率归属类别的值转化为样本的预测数组。np.argmax(pt,
2021-06-14 10:59:43
3606
原创 Keras中 predict（）与predict_classes()的区别
首先，大家要明白一点，Keras框架能使用的函数是predict和predict_classes；Sklearn中能使用的函数是predict和predict_proba。
2021-06-14 10:48:41
1101
原创 如何使用predict（）输出预测结果 以及 输出值转换为0/1值。
加载模型并输出预测值：model = load_model('my_model.h5')pt = model.predict(test)print('test after load: ', np.argmax(pt, axis=1))在sklearn中，predict()与predict_proba()都可以返回预测结果，不同在于：predict：训练后返回预测结果，显示标签值，例如[2 3 2]。predict_proba：返回一个大小为n·k的数组，i行j列上的数值是...
2021-06-14 10:38:41
24725
转载 Python 中 Open() 与 With open()的区别
这位大佬总结的很好，转载记录一下！https://www.cnblogs.com/poloyy/p/12350158.html
2021-05-27 16:42:32
154
转载 最厉害的！Mac brew安装！
网上的方法试了个遍，总是不成功…………遇到这位大佬的方法，简直惊艳！惊为天人！截几个图展示一下美丽的界面山重水复疑无路的筒子们，快来试试哦！方法出处
2021-05-24 20:30:59
122
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