我是菜鸡我不敢睡的博客

ESA 土壤水分下载网址：http://www.esa-landcover-cci.org/?q=node/164数据处理结果是每天一个数据，结果如下在arcgis中的信息如下：处理代码如下：import numpy as npimport netCDF4 as ncfrom osgeo import gdal,osr,ogrimport osimport globdef nc2tif(path,name,save_path): os.chdir(pa...

在实际科研生活中，通常我们需要吧我们的采样数据导入到arcgis，当采样点只有一批时，我们可以通过使用arcgis软件，添加采样数据（csv格式）--display xy--导出为点shp文件。但是当我们想要批量将采样数据转化为点shp时，上述方法过于笨重。下面我们介绍通过批处理的方法，批量将点数据转为shp点文件。主要思想，我们首先建立一个空的点shp文件--添加字段--使用游标逐行插入的方法实现单个采样点到点shp文件的转化。表格主要内容如下：表格如以下形式。代码如下:我

桑基图桑，基能量分流图，也叫桑基能量平衡图。它是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，通常应用于能源、材料成分、金融等数据的可视化分析。因1898年Matthew Henry Phineas Riall Sankey绘制的“蒸汽机的能源效率图”而闻名，此后便以其名字命名为“桑基图”。看到这么炫酷的图，是不是心动了呢对于土地利用文献中大多使用转移矩阵的方式。本博客实现2000年，2005年，2010年，2015年，2019年土地利用之间的转移情况使用桑基图可视化。首选.

由于深度学习网络的训练复杂，耗时，并且对硬件要求较高，因此对于目标相似的任务，并且自己的数据集数目较小的时候，比如分类任务，不同的分类任务之间的对象具有较为相似的特征，我们就可以使用已经预训练的模型来应用到自己的项目任务中，当然对于已经预训练的模型，需要经过微调才能应用到自己的分类任务中来。微调主要包括训练参数的变动，全连接层神经元个数，当我们自己的数据集很少时，我们可以仅仅改变最后一层全连接层的神经元的个数即可，当我们的数据量大的时候，我们可以选择训练模型的后几层参数。这里我们采用VGG16来实现简单

CIFAR-10　　该数据集共有60000张彩色图像，这些图像是32*32，分为10个类，每类6000张图。这里面有50000张用于训练，构成了5个训练批，每一批10000张图；另外10000用于测试，单独构成一批。测试批的数据里，取自10类中的每一类，每一类随机取1000张。抽剩下的就随机排列组成了训练批。注意一个训练批中的各类图像并不一定数量相同，总的来看训练批，每一类都有5000张图。python 版本数据集下载网址：）http://www.cs.toronto.edu/~kriz/cifar-

什么是DeepDream？DeepDream是谷歌发布的对卷积神经网络（CNN）进行可视化的方法，旨在更好的理解深度学习的过程。其通过某一网络（网络结构固定）根据提供的图片，来调整输入的图片，以生成目标的图片，其原理图如下：其中在生成图片的过程中，网络的结构是固定的，是预训练好的，其改变的是输入数据（下图的随机噪声）以生成目标图片（下图的海星）其中具体原理大家可自行搜索学习。本案例是慕课上的深度学习案例，使用GoogleNet的Inception预训练模型来生成目标图片，预训练模型的下载地址： h

1:module ‘scipy.misc’ has no attribute ‘toimage’2:module ‘scipy.misc’ has no attribute ‘imresize第一种解决方法：卸载当前的scipy, 重装较低版本scipy==1.2.1第二种解决方法（使用PIL，cv2等库进行替换）rezise函数：cv2.resize(img,(h,w)))toimage函数：cv2.imwrite(’./inception/’+img_name,img_array)...

arcgis 根据条件批量给以字段赋不同的值

基于pyqt5制作GUI界面，实现简单的图片的打开，缩小和放大功能，使用pyinstaller打包成exe文件

基于Ｐｙｔｈｏｎ　在８６８４网站爬取北京公交路线的信息，包括站点，站点的经纬度，路线的描述，票价等信息。

博客是基于两种方法实现对百度图片的翻页式爬取