自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(40)
  • 收藏
  • 关注

原创 【u盘恢复报错】0 百分比已完成虚拟磁盘服务错误:卷大小太大。

0 百分比已完成虚拟磁盘服务错误:卷大小太大。

2024-07-29 11:40:22 1203

原创 MySQL用命令行导出数据库

交作业的时候要求交数据文件,因为用的MySQL数据库,就在想怎么用命令行导出数据库,在csdn上找了其他文章,使用MySQL的命令行用下面语句,结果发生报错。不要使用已经登陆用户的MySQL命令行执行该语句,而是应该在登陆前就执行,使用电脑的原生cmd就好。

2024-05-10 18:27:05 636

原创 【人工智能】猫狗识别

我们使用CIFAR10数据集。CIFAR10数据集包含60,000张32x32的彩色图片,10个类别,每个类包含6,000张。其中50,000张图片作为训练集,10000张作为验证集。这次我们只对其中的猫和狗两类进行预测。图 1 CIFAR10 数据集图像示例本次实验,在跑完老师提供的 PaddlePaddle 代码的基础上,采用PaddlePaddle环境进一步训练模型,利用PaddlePaddle的可视化插件VisualDL进行训练模型过程的可视化。另附代码见附录和.ipynb 文件。本次实验,我主要比

2024-04-08 00:30:00 3391 1

原创 【人工智能】海洋生物识别

需要注意的是,AlexNet和VGGnet模型的训练损失、测试准确率相同,可能是由于它们之间的架构相似导致的。尽管 LeNet 本身在今天的大规模图像分类任务中可能显得较为简单,但它为卷积神经网络的发展奠定了基础,为后来更深层次的网络(如 AlexNet、VGG、ResNet 等)的设计提供了灵感。它的最后一个全连接层输出1000维的向量,表示不同类别的概率分布。卷积层:AlexNet的前5个层是卷积层,其中,前两个卷积层具有较大的卷积核尺寸(11x11和5x5),并且采用了步长为4和2的较大步幅。

2024-04-07 00:45:00 2456 2

原创 【大数据存储】spark-编程

2、每个输入文件表示班级学生某个学科的成绩,每行内容由两个字段组成,第一个是学生名字,第二个是学生的成绩;编写Spark独立应用程序求出所有学生的平均成绩,并输出到一个新文件中。下面是输入文件和输出文件的样例。1、对于两个输入文件A和B,编写Spark独立应用程序,对两个文件进行合并,并剔除其中重复的内容,得到一个新文件C。下面是输入文件和输出文件的样例。实验:编写Spark应用程序(掌握Spark应用程序的编写、编译打包和运行方法)4.通过spark-submit运行程序。

2024-04-06 01:00:00 481

原创 ​​​​​​​【人工智能】手写数字识别

在ResNet-50及更深的模型中,还引入了一个额外的1x1卷积层用于进一步减少特征图的维度。总体而言,AlexNet通过引入深度、大型卷积核、ReLU激活函数、池化层、LRN层和Dropout技术等关键组件,极大地推动了深度学习在计算机视觉领域的发展,并在ImageNet ILSVRC比赛中取得了显著的突破。尽管 LeNet 本身在今天的大规模图像分类任务中可能显得较为简单,但它为卷积神经网络的发展奠定了基础,为后来更深层次的网络(如 AlexNet、VGG、ResNet 等)的设计提供了灵感。

2024-04-06 00:00:00 1612

原创 【大数据存储】实验七 Spark RDD

Spark RDD实验

2024-04-05 01:00:00 1297

原创 【大数据存储】yolov3识虫实验

图3 左边是输入图片,上半部分所示的过程是使用卷积神经网络对图片提取特征,随着网络不断向前传播,特征图的尺寸越来越小,每个像素点会代表更加抽象的特征模式,直到输出特征图,其尺寸减小为原图的1/32。resume_checkpoint:断点继续训练,如果之前已经训练过模型,并且保存了断点文件,可以指定断点文件的路径,以在之前训练的基础上继续训练。Sim: 在Loc的基础上,如果检测框与真值框的类别不相同,但两者同属于一个亚类,则不认为该检测框是错误的,在这种评估要求下的PR曲线, AP为。

2024-04-04 01:30:00 2525 1

原创 【大数据存储】实验六:Hive

Hive

2024-04-04 01:15:00 2496

原创 【人工智能】安全帽检测实验

Sim: 在Loc的基础上,如果检测框与真值框的类别不相同,但两者同属于一个亚类,则不认为该检测框是错误的,在这种评估要求下的PR曲线, AP为0.961。Oth: 在Sim的基础上,如果检测框与真值框的亚类不相同,则不认为该检测框是错误的,在这种评估要求下的PR曲线,AP为0.961。图3 左边是输入图片,上半部分所示的过程是使用卷积神经网络对图片提取特征,随着网络不断向前传播,特征图的尺寸越来越小,每个像素点会代表更加抽象的特征模式,直到输出特征图,其尺寸减小为原图的1/32。

2024-04-03 20:26:12 2584 2

原创 【大数据存储】实验五:Mapreduce

Mapreduce实验

2024-04-03 19:58:22 1377

原创 【大数据存储】实验4 NoSQL数据库

Nosql实验

2024-04-03 19:53:29 1639

原创 【大数据存储】实验3 HBase的安装和基本操作

1、创建一个表student,该表包含两个列族Sinfo和Course,其中Sinfo包含。5、为student表增加“STel”列族,添加每位同学的联系方式(电话列和邮。关系型数据库(比如MySQL)中,需要首先创建数据库,然后再创建表,但。是,在HBase数据库中,不需要创建数据库,只要直接创建表就可以。查询时,默认情况回显示当前最新版本的数据,如果要查询历史数据,需要。指定查询的历史版本数,由于上面设置了保存版本数为3,所以,在查询时。,创建一个teacher表,在创建表的时候,需要指定保存。

2024-04-03 01:00:00 1996

原创 【操作系统】进程控制

子进程通过系统调用execvp()更换自己的执行代码,新的代码显示“new program.”。而父进程则调用wait()等待子进程结束,并在子进程结束后显示子进程的标识符,然后正常结束。编写一段程序,使用系统调用fork()来创建两个子进程,并由父进程重复显示字符串“parent:”和自己的标识数,而子进程则重复显示字符串“child:”和自己的标识数。子进程1重复显示字符串“child1:”和自己的标识数10977。子进程1重复显示字符串“child2:”和自己的标识数10978。

2024-04-02 01:00:00 500

原创 【大数据存储】实验二 HDFS操作实验

执行jps,可以看到名称节点和数据节点,第二名称节点都打开了,则hadoop相关进程启动成功。Hdfs内是一个虚拟的文件环境,无法直接查看,只能通过shell命令查看,出现错误。Cd 进入hadoop根目录。Cd进入/home文件夹。时通过赋予权限得到解决。

2024-04-02 01:00:00 460

原创 【AcWing】Day1:二分

整数二分和浮点数二分

2024-04-01 20:45:00 174

原创 【AcWing】Day1 排序

快速排序和归并排序

2024-04-01 20:12:25 425

原创 【大数据存储】实验1 Hadoop伪分布式安装

在安装hadoop之后发生了查看hadoop version失败的问题,后来发现是安装路径添加错误。解压缩hadoop安装包,给予用户prx17 hadoop文件权限,并检查hadoop是否安装成功。启动成功,也可以使用start-all.sh,但是伪分布式可以只使用dfs。Web http://localhost:9870查看hdfs信息。点击esc退出编辑模式,输入:wq,保存并退出文件。使用ssh localhost登录。(按o键进入编辑模式)运行自带的grep程序。选择运行grep例子。

2024-04-01 16:03:50 689

原创 【Web爬虫】爬⾍⿊⻰江省与四川省农机补贴以及数据分析

一个关于爬虫的实践经历

2024-04-01 00:00:00 1569

原创 【操作系统】实验五:文件管理

利用C语言实现一个简单的文件系统,能完成目录和文件的创建、删除、空间分配,能实现两级目录。要求设计一个 5个用户的文件系统,每次用户可保存5个文件,用户在一次运行中只能打开一个文件,对文件必须设置保护措施,且至少有Create、delete、open、close、read、write等命令。设计一个二级目录的树形文件系统程序。其他用户无法对其进行打开和其他操作。Linux系统文件调用的使用。其他用户可以对其进行任意操作。用户1创建一个个人文件。用户1创建一个共享文件。一次只能打开一个文件。

2024-03-31 20:05:35 1194 1

原创 【操作系统】实验四:内存管理

设计程序模拟内存的动态分区内存管理方法。内存空闲区使用空闲分区表进行管理,采用最先适应算法从空闲分区表中寻找空闲区进行分配,内存回收时不考虑与相邻空闲区的合并。t1 时刻,为作业A、B、C分配80K、60K、100K、的内存空间;要求编程序分别输出t1、t2、t3、t4、t5时刻内存的空闲区的状态。假定系统的内存共640K,初始状态为操作系统本身占用40K。t3 时刻为作业D分配50K的内存空间;t4 时刻作业C、A完成;实验四:内存管理(8学时)t2 时刻作业B完成;t5 时刻作业D完成。

2024-03-31 20:02:41 610 1

原创 【操作系统】实验三:进程调度

设计有5个进程共享5个系统资源的系统,进程可动态的申请和释放资源,系统按各进程的申请动态的分配资源。系统能显示各个进程申请和释放资源,以及系统动态分配资源的过程,便于用户观察和分析。输出当前available,最大需求矩阵,分配矩阵和还需要的需求矩阵。输入进程id 0 ,输入request=[1 0 0 0 0]情况二:request超出available。改变max中(1,3)=7,会发生不安全状态。情况三:分配之后会进入不安全状态。实验三:进程调度(8学时)释放矩阵大于分配矩阵。

2024-03-31 19:57:58 462 1

原创 【微信小程序】时空对话机

微信小程序:时空对话机

2024-03-31 19:45:59 442 1

原创 【数据库】实践:博物馆藏品管理系统

博物馆藏品管理系统:通过建立网上存储信息,第一可以实现足不出户浏览博物馆,第二可以用信息化的手段保存文物,相当于另一种延续,第三可以设置和查询展览,为博物馆管理员和游客给予便利。

2024-03-31 18:38:46 3612 4

原创 【python】九宫格合成图

需要注意的是,该函数返回的是一个包含选中文件路径的列表,但是在给定的代码中,循环内,导致函数只返回了一个路径,而不是路径列表。的文件,并返回这些选中文件的完整路径列表。

2023-12-05 14:52:13 603 1

原创 [python]随机选取类别图片,随机选取5x5网格中任意一格,并置入网格中

时,获取图像的宽度和高度,并保留最大的宽度和高度。这样做的目的是为了确保后续合成的图片具有足够的大小,以适应其中最大的图像。在合成过程中,会使用这个最大宽度和高度来创建一个黑色背景的画布,然后将选择的图像粘贴到这个画布上。因此,通过获取最大的宽度和高度,可以确保合成的图片足够大,不会截断任何图像。已经被贴图的格子被grid_occupied[row][col] = True记下。下面代码是在遍历每一种类型(从同一个文件夹挑出每一类的集合。)以及每一张对应编号的图像(

2023-12-05 14:45:37 683 1

原创 【人工智能】使用Python构建神经网络模型预测房价

一 、实验目的熟悉 python 的语法使用掌握深度学习的全过程深刻理解并且掌握全连接神经网络的工作原理二 、实验内容用最简单的线性回归模型解决这个问题,并用 python 的 numpy 库搭建一个单层的全连接神经网络用于拟合这个线性回归函数来预测 Boston 的房价。三 、实验原理构建模型和完成训练的程序图本实验使用单层全连接网络结构,如下图所示房价模型单层全连接网络结构图四、实验过程数据处理1.1数据读入。

2023-12-04 20:42:49 2686

原创 【操作系统】实验一:linux启动流程

BIOS/UEFI阶段:Bootloader(引导加载程序)阶段:内核初始化阶段:用户空间初始化阶段:系统初始化和登录阶段:用户登录和图形环境阶段:

2023-12-04 20:11:58 532

原创 【大数据存储】ubuntu22.04使用mongdb

因为ubuntu版本太高,学习时用的mongosh发现和其他版本有语句上的差异Ubuntu22.04.3Jdk1.8.0_341Hadoop3.2.3Hbase2.4.17Redis6.0.6mongdb6.0.12mogosh2.1.0提示:以下是本篇文章正文内容,下面案例可供参考查询名字为yls,年龄为21的数据。

2023-12-02 21:40:33 586 1

原创 【大数据存储】hbase所遇问题

建表一直报错,是因为时间未同步,hadoop内容过多。关闭hbase一直未停,因为master仍在运行。第一次启动时发现没有hregionsever。hadoop清除hbase。

2023-12-02 21:23:48 401 1

原创 yolov5:训练分割模型时报错

采用segment下的train.py进行训练,因为之外的train.py只能训练分类检测模型,对于用于分割的数据集无法识别,用于分割的数据集往往是一个物体多个点位,而用于分类检测的数据集只有一个矩形框的数据。

2023-12-02 21:18:28 1119 4

原创 MMdetection遇到问题:FormatCode() got an unexpected keyword argument ‘verify‘

通过mmdetection训练mask-rcnn模型,结果发生报错。

2023-09-26 23:27:31 1977 2

原创 MMdetection遇到问题:AssertionError: The ‘num_classes‘(1) in SCNetBBoxHead of MMDataParallel

通过mmdetection训练mask-rcnn模型,结果发生类个数方面的报错。

2023-09-26 23:22:34 458

原创 报错export GIT_PYTHON_REFRESH=quiet

例如:yolov5训练模型时detect.py报错。

2023-08-06 20:17:31 2431 1

原创 论文复现(1)仔猪的社会密度研究

复现论文Social density detection for suckling piglets based on convolutional neural network combined with local outlier factor algorithm,主要复现lof算法的离群点分析和社会密度计算论文地址。

2023-07-18 20:28:48 108 1

原创 yolo:detect.py改变检测框为椭圆框

例如:改变检测框为椭圆框绘制椭圆框的时候也曾遇到错误,学习如何使用fitEllipse的函数,还需大致懂得它的原理,不然遇到噪点不足六个点不可绘制就会报错。

2023-07-17 22:17:30 663 2

原创 yolo输出检测框的中心位置以及中心点标注

通过修改yolo中的代码输出检测框的中心位置和实现中心点标注

2023-07-17 18:34:50 4884 9

原创 yolo保存检测结果的txt文件

将其添加default='True'

2023-07-16 18:40:17 1485 1

原创 yolov5 detect测试集为图片而输出格式为MP4格式

如果为image则保存图片,否则输出视频。故而将‘image’改为jpg,得到解决。通过查看输出代码发现。

2023-07-16 18:38:05 493 1

原创 YOLO:使用cv旋转图片,绘制最小矩形框,生成txt数据集,可用于yolo训练模型

创建一个名为rice的目录,在此下创建arborio,basmati等五类米的子目录,并且分别在每个子目录下创建jpg目录和txt目录,jpg目录用以存放cv绘制最小矩形框后的图片,txt目录用以存放以jpg文件数据生成的可以用于yolo模型训练的文本文件。内每个元素保存了一组由连续的Point点构成的点的集合的向量,每一组Point点集就是一个轮廓。向量hiararchy内的元素和轮廓向量contours内的元素是一一对应的,向量的容量相同。i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。

2023-03-14 21:04:14 980

《数据科学导论》猫狗分类代码实践

《数据科学导论》猫狗分类代码实践

2023-07-17

《数据科学导论》猫狗数据集

《数据科学导论》猫狗数据集

2023-07-17

《数据科学导论》课程资源.zip

《数据科学导论》课程资源.zip

2023-07-17

《离散数学》学习资料,理论与实践结合

《离散数学》学习资料,理论与实践结合

2023-07-17

《计算机组成与体系结构》学习资料.zip

《计算机组成与体系结构》学习资料.zip

2023-07-17

《计算机导论》matlab.docx

《计算机导论》matlab.docx

2023-07-17

《计算机导论》第6章作业答案(更新).docx

《计算机导论》第6章作业答案(更新).docx

2023-07-17

《计算机导论作业》第五章

《计算机导论作业》第五章

2023-07-17

《计算机导论》第四章作业

《计算机导论》第四章作业

2023-07-17

《java语言程序设计》学习成果

《java语言程序设计》学习成果

2023-07-17

《python语言程序设计》学习总结

《python语言程序设计》学习总结

2023-07-17

《算法设计与分析》学习资料

《算法设计与分析》学习资料

2023-07-17

最优化方法 matlab 学习资料

最优化方法 matlab 学习资料

2023-07-17

1-1 最接近数问题.cpp

题目(Description): 输入n个整数,求最接近数(差值最小的两个元素)的差值。 输入(Input): n n个整数 输出(Output): 最接近数的差值 示例(Sample): 输入(Input): 5 10 30 100 60 31 输出(Output): 1

2023-03-14

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除