- 博客(33)
- 收藏
- 关注
RSS订阅原创 电脑网络正常，浏览器连不上网络/没有网络的解决办法
1. 快捷键win+R打开运行面板输入“control“回车打开控制面板。5. 取消勾选“为LAN使用代理服务器”然后点确定，之后再确定。6.桌面空白处右键刷新一再次打开浏览器就可以正常使用了。3.在出现的面板点击Internet选项。2. 点击网络和Internet。4. 在连接选项下点击局域网设置。
2023-12-09 19:20:42
1839
原创 C语言快速复习/知识点概括（七）函数
函数定义包括函数名、返回类型、参数列表和函数体。函数声明只需提供函数名、返回类型和参数列表，用于告诉编译器函数的存在。返回类型 函数名(参数列表) {// 函数体// 可选：返回语句。
2023-09-17 22:25:48
175
原创 C语言快速复习/知识点概括（九）编译预处理和动态储存分配
如果新的空间大小比之前大，那么 realloc() 将增加内存空间，并保留原有的内容。需要注意的是，如果 realloc() 失败，将返回 NULL，同时原指针将保持不变。该函数返回的是所申请的内存空间的第一个字节的地址。需要注意的是，malloc() 申请的内存空间会包含随机的垃圾数据，申请之后需要手动初始化。calloc() 的行为与 malloc() 类似，不同的是 calloc() 会初始化内存空间，将其所有位都设置为零。常用的函数有 malloc()、calloc()、realloc() 等。
2023-09-17 22:17:13
76
原创 C语言快速复习/知识点概括（八）指针
指针是一个变量，用于存储内存地址。- 声明指针时需要指定指针的数据类型，例如 `int* ptr;` 声明了一个指向 `int` 类型数据的指针。int* ptr;// 声明一个指向 int 类型数据的指针// 声明一个指向 float 类型数据的指针char* cptr;// 声明一个指向 char 类型数据的指针。
2023-09-17 22:16:32
75
原创 下载安装dlib库的经验之谈
请注意，在进行源码编译安装时，可能需要事先安装一些依赖库，例如 CMake、boost 等。如果出现依赖库缺失的情况，请根据提示安装相应的依赖库。如果您下载的是 dlib-19.18.0.tar.gz 文件，则说明您下载的是源码文件，需要进行编译安装。请注意，如果您的 Python 环境不是 64 位版本，则需要选择对应的 32 位版本安装包进行安装。直接pip安装和在python软件上安装对我个人来说是不行的，我是要下载文件再安装才能安装成功。下面看方法，以python为3.8.0为例子。
2023-05-12 15:32:58
1282
原创 FutureWarning:解决方法
d:\软件\python3.8\lib\site-packages\sklearn\cluster\_kmeans.py:870: FutureWarning: The default value of `n_init` will change from 10 to 'auto' in 1.4. Set the value of `n_init` explicitly to suppress the warning。运行代码时候出现这样的警告信息，想解决它，一条代码搞定。
2023-05-12 01:07:40
4618
原创 爬虫到底是什么？举两个例子说明并且写两个python爬虫工具解释（代码开源）
爬虫是一种自动化程序，可以在互联网上自动抓取信息并进行处理的工具。它模拟浏览器访问网站，从网页中提取数据，并将数据保存在本地或发送到其他系统进行分析和使用。爬虫被广泛应用于网络搜索、数据挖掘、舆情监测、价格比较等领域。
2023-05-05 17:13:46
219
原创 用python写十条简单项目例子（猜数字游戏、倒计时器、生成随机密码、计算器、打印九九乘法表、爬虫、简易计算器、生成二维码、将图片转换为字符画、文件拷贝工具）
有什么问题评论区留言，看到会恢复哒~
2023-05-05 17:00:39
324
原创 （代码开源）基于 Flask 的笔记应用，并且生成一个.exe运行工具,用户可以创建、编辑、删除笔记
上述代码实现了基本的笔记应用功能，通过 Flask 框架提供的路由功能，实现了首页、笔记详情页、新建笔记页、编辑笔记页、删除笔记页和搜索笔记页等页面。Flask 应用将在本地启动，并监听默认端口 5000。在本地浏览器中打开 `http://localhost:5000` 即可访问笔记应用。使用 PyInstaller 工具可以将 Python 应用程序打包成可执行文件。这个文件可以直接运行，无需安装 Python 环境。有什么问题评论区留言，看到会恢复哒~
2023-05-05 16:53:46
336
1
原创 机器学习——python训练CNN模型实战（傻瓜式教学，小学生都可以学会）代码开源
在本例中，我们定义了一个包含三个卷积层和两个全连接层的 CNN 模型，以处理 3 通道的 32x32 图像。- 加载数据集：使用以下代码来加载 CIFAR10 数据集。第五章 python训练贝叶斯分类器模型实战。第三章 python训练神经网络模型实战。第二章 python训练决策树模型实战。第八章 python训练KNN模型实战。第九章 python训练CNN模型实战。第十章 python训练RNN模型实战。第一章 python训练线性模型实战。第七章 python训练聚类模型实战。
2023-05-03 06:50:06
3222
7
原创 机器学习——python训练RNN模型实战（傻瓜式教学，小学生都可以学会）代码开源
在本例中，我们使用交叉熵作为损失函数，并使用随机梯度下降 (SGD) 优化器进行模型训练。第五章 python训练贝叶斯分类器模型实战。第四章 python训练支持向量机模型实战。第三章 python训练神经网络模型实战。第六章 python训练集成学习模型实战。第二章 python训练决策树模型实战。第八章 python训练KNN模型实战。第九章 python训练CNN模型实战。第十章 python训练RNN模型实战。第一章 python训练线性模型实战。第七章 python训练聚类模型实战。
2023-05-03 06:49:46
2074
1
原创 机器学习——python训练聚类模型实战（傻瓜式教学，小学生都可以学会）代码开源
前往 UCI ML Repository 网站 (https://archive.ics.uci.edu/ml/index.php)。- 在搜索栏中输入 iris，找到 Iris Data Set 数据集并点击下载链接 iris.data。使用 pandas 库中的 read_csv() 函数读取 iris 数据集，并做必要的处理。我们可以选择使用不同的聚类算法来构建聚类模型，这里以 KMeans 为例。在训练数据上使用模型的 fit() 函数进行训练。第三章 python训练神经网络模型实战。
2023-05-03 06:49:16
485
1
原创 机器学习——python训练KNN模型实战（傻瓜式教学，小学生都可以学会）代码开源
使用 pandas 库中的 read_csv() 函数读取 iris 数据集，并将数据集划分成特征向量和标签两部分，其中特征向量是用于训练 KNN 模型的数据。- 前往 UCI ML Repository 网站 (https://archive.ics.uci.edu/ml/datasets/iris)。使用 predict() 函数对测试集进行预测，并使用 accuracy_score() 函数计算准确率。使用 train_test_split() 函数将数据集划分为训练集和测试集。
2023-05-03 06:49:00
548
1
原创 机器学习——python训练贝叶斯分类器模型实战（傻瓜式教学，小学生都可以学会）
使用 sklearn 库中的 train_test_split() 函数将数据集划分为训练集和测试集，以便评估模型的性能。在测试集上使用 predict() 函数获得模型预测结果，并使用 accuracy_score() 函数计算模型的准确率。使用 sklearn 库中的 naive_bayes.GaussianNB() 函数创建朴素贝叶斯分类器模型。使用 pandas 库中的 read_csv() 函数读取 iris 数据集，并做必要的处理。在训练集上使用模型的 fit() 函数进行训练。
2023-05-03 06:48:26
817
原创 机器学习——python训练集成学习模型实战（傻瓜式教学，小学生都可以学会）代码开源
我们可以选择使用不同的分类器来组成一个集成学习模型。对于这个数据集，只有一个类别特征，即花的种类。使用 sklearn 库中的 train_test_split() 函数将数据集划分为训练集和测试集，以便评估模型的性能。在测试集上使用 predict() 函数获得模型预测结果，并使用 accuracy_score() 函数计算模型的准确率。使用 pandas 库中的 read_csv() 函数读取 iris 数据集，并做必要的处理。在训练集上使用模型的 fit() 函数进行训练。
2023-05-03 06:48:24
308
1
原创 机器学习——python训练神经网络模型实战（傻瓜式教学，小学生都可以学会）
在这里，我们使用的评价指标是准确率，用于衡量模型对数据的拟合度。其中，准确率越高，说明模型的拟合度越好，即预测结果和真实值之间的差距越小。可以使用 TensorFlow Datasets 加载已有的数据集，也可以使用 pandas 库读取 CSV 文件格式的数据集。- 特征选择：可以使用相关性矩阵等方法去除冗余特征，提高模型的训练效率和泛化能力。在这里，我们对训练集进行了数据归一化处理，并批处理成了每批 32 条数据。- 搜索想要的数据集，并点击下载按钮下载数据集(.csv格式为例)。
2023-05-03 06:48:08
977
原创 用R语言实现输出是用*形成的金字塔
这段 R 代码实现了输出一个由星号形成的金字塔，每层的星号数量是奇数，且金字塔的总层数由变量。使用 for 循环来控制金字塔的行数，循环从 1 开始，一直到。通过以上 4 个步骤，就能完成这段 R 代码的实现。函数来重复输出空格或星号的数量，并用。为金字塔的总层数，这个值必须是奇数。参数来指定输出字符串的间隔符。在输出每行的时候，需要用到。
2023-05-03 06:48:06
421
原创 机器学习——python训练支持向量机模型实战（傻瓜式教学，小学生都可以学会）
在这里，我们使用的评价指标是准确率，用于衡量 SVM 的分类效果。其中，准确率越高，说明 SVM 模型的分类效果越好，即预测结果和真实值之间的差距越小。- 前往 UCI ML Repository 网站 (https://archive.ics.uci.edu/ml/index.php)。- 在搜索栏中输入 iris，找到 iris 数据集并点击下载链接 iris.data。使用 sklearn 库中的 svm.SVC 创建 SVM 模型。使用模型的 fit() 函数来训练数据。
2023-05-03 06:47:00
542
1
原创 机器学习——python训练决策树模型实战（傻瓜式教学，小学生都可以学会）
其中，`frac` 参数是用于指定训练集占整个数据集的比例；这里我们使用的评价指标是准确率，用于衡量模型对数据的拟合度。其中，准确率越高，说明模型的拟合度越好，即预测结果和真实值之间的差距越小。在这里，我们将训练集和测试集的特征以及标签分别提取出来，然后转换成 numpy 数组的形式。- 特征选择：可以使用相关性矩阵等方法去除冗余特征，提高模型的训练效率和泛化能力。使用 pandas 库读取 CSV 文件格式的数据集，生成训练和测试集。- 搜索想要的数据集，并点击下载按钮下载数据集(.csv格式为例)。
2023-05-02 12:22:00
1391
原创 机器学习——python训练线性模型实战（傻瓜式教学，小学生都可以学会）
random_state` 则是用于设置生成伪随机数的种子，这样可以确保每次运行的时候得到相同的结果。这里我们使用的评价指标是 R2 score，用于衡量模型对数据的拟合度。其中，R2 分数越高，说明模型的拟合度越好，即预测结果和真实值之间的差距越小。在这里，我们将训练集和测试集的 `x` 和 `y` 分别提取出来，然后转换成 numpy 数组的形式。首先，可以在 Kaggle 上寻找适合的数据集，并且进行下载。4. 在 Kaggle 上找到需要下载的数据集，复制下载命令。
2023-05-02 12:14:49
577
原创 机器学习实战的具体步骤
针对上述步骤，可以基于Scikit-Learn来进行模型训练和性能评估。3. 针对训练得到的模型进行测试，并评估模型的性能表现，如准确度、精度等。5. 对模型进行评估，计算准确度、精度等指标，并可通过可视化工具展示结果。1. 收集数据并进行预处理，包括数据清洗、数据转换和数据分割等。4. 根据模型的性能进行调整和优化，直到达到最佳的性能表现为止。3. 根据需求选择合适的模型，如决策树、随机森林、支持向量机等。5. 将模型应用于实际场景，进行预测和分类等操作。2. 选择合适的模型，并根据数据集进行训练。
2023-05-02 11:27:46
539
原创 口罩监测器的模型文件下载——傻瓜式教学
4. 解压缩zip文件，在解压后的目录中找到face_detector目录，里面包含口罩检测器的网络结构文件mask_detector_deploy.prototxt和预训练权重文件mask_detector_resnet.caffemodel。1. 访问 https://github.com/balajisrinivas/Face-Mask-Detection。2. 在页面上找到"Clone or download"按钮，并点击它。3. 选择"Download ZIP"选项，下载该项目的zip文件。
2023-05-02 11:18:41
209
原创 《医学成像原理》——5.磁共振成像的知识点总结
磁共振成像是一种非常重要的医学成像技术，其基本原理是利用外加高磁场下氢原子核的自旋进动，然后通过改变外加磁场的方向和大小来产生不同的共振信号，最后通过接收和处理这些信号来构建出图像。磁共振成像是一种利用核磁共振现象进行成像的技术。其基本原理是利用外加高磁场下氢原子核的自旋进动，然后通过改变外加磁场的方向和大小来产生不同的共振信号，最后通过接收和处理这些信号来构建出图像。相比于其他医学成像技术，磁共振成像具有不少优点，如其操作简便、无辐射、无创伤、对软组织成像效果好等特点，因此被广泛应用于医学领域。
2023-05-02 11:13:57
488
原创 《医学成像原理》——4.超声成像的知识总结
超声成像利用超声波在组织中的反射来产生图像，它是通过超声波与组织之间的反射差异来达到成像的目的。超声成像的过程中，首先需要将探头放在需要监测的部位，然后探头会向皮肤表面发出一定频率的超声波，通过组织反射、散射和穿透等特性来完成图像的生成。本文将针对《医学成像原理》这本书里超声成像的知识做一个总结，为读者介绍超声成像的原理、影像获取和处理、优势以及应用场景等方面的内容。相比于其他医学成像技术，超声成像具有不少优点，如其操作简便、无辐射、无创伤、价格低廉等特点，因此是非常常用的医学成像技术之一。
2023-05-02 11:09:12
1703
原创 《医学成像原理》——核医学成像知识点总结
放射性同位素扫描利用放射性同位素在人体内部放射性衰变所产生的γ射线进行成像，其中常见的物质如碘、钴、铊、铟等。核医学成像是医学成像领域中的一种非侵入性检查技术，其基本原理是利用放射性同位素的特性来获取人体内部代谢、生理和病理信息。本文将针对《医学成像原理》这本书里核医学成像的知识做一个总结，为读者介绍核医学成像的原理、影像获取和处理、优势以及应用场景等方面的内容。同时，为了确保技术应用的安全性和有效性，我们还需充分了解核医学成像技术所涉及的安全问题以及措施，来正确应用这一技术。## 核医学成像的应用场景。
2023-05-02 11:03:42
816
1
原创 《医学成像原理》——3.X-CT的知识总结
它的基本原理有两个：第一个是X射线能够使人体的组织、器官产生不同的衰减射线投影，从而得到不同的组织密度信息；总之，《医学成像原理》中关于X-CT技术的介绍，为我们展示了这一技术的基本原理、影像获取和处理、优势及应用场景等方面的内容。通过深入了解X-CT的技术原理，我们可以更好地理解其在医学检查中的重要作用。本文将对《医学成像原理》这本书里关于X-CT的知识做一个总结，内容涵盖了该领域的各个方面，以通俗易懂、图文并茂的方式带领读者深入了解这一技术。## X-CT的影像获取和处理。## X-CT的优势。
2023-05-02 10:58:53
970
1
原创 《医学成像原理》——2.X射线投影成像知识点总结
不同类型的组织对X射线的吸收率不同，因此经过X射线照射后的图像上会呈现出明暗不同的区域。对于高密度的组织，如骨头和肿瘤，X射线的吸收率较高，因此在图像上会呈现出较白的区域；而对于低密度的组织，如肺部，X射线的穿透能力更强，因此在图像上会呈现出较黑的区域。在X射线成像中，经过人体的X射线被探测器接收并转换为数字信号，然后通过计算机进行数字信号处理，生成人体内部的影像。总之，《医学成像原理》中介绍的X射线投影成像技术是一种非常重要的医学成像技术，它可以提供重要的诊断信息，对医疗工作者和病人都具有重要的意义。
2023-05-02 10:55:23
735
1
原创 医学成像原理——1.简单介绍主要内容
X-CT（Computed Tomography）是一种三维成像技术，其原理是利用X射线扫描人体，通过对扫描数据的计算处理，重建出人体的三维结构图像。相比于X射线投影成像，X-CT成像能够提供更为详细的空间信息，因此被广泛应用于人体各个部位的检查，包括脑部、胸部、腹部、骨骼和血管等。X射线投影成像是医学成像中应用最广泛的方法之一，其原理是利用X射线对人体进行照射，然后通过探测器接收X射线通过人体后剩余的能量强度，从而获得人体内部结构信息。以上就是医学成像的基本原理及其主要成像技术的介绍。
2023-05-02 10:47:17
689
3
基于 Flask 的笔记应用，用户可以创建、编辑、删除笔记
2023-05-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人