qq_44001342的博客

学生信息系统提示：python编写的学生成绩管理系统，包括8个功能和打包教程以下代码已经完整，另打包一份完整代码：一、功能界面代码def menum(): print('==================student_manger=================') print('---------------------功能界面---------------------') print('\t\t1.录入学生信息') print('\t\t2.查找学生信

目录前言一、cv2.rectangle二、cv2.addWeighted三、绘制半透明方框前言 仅仅用cv2.rectangle()函数是无法在原图像的基础上绘制出半透明方框的，想要达到半透明的效果，需要利用到cv2.addWeighted()函数...一、cv2.rectangleimport cv2picture_path = 'E://...'picture = cv2.imread(picture_path) # picture_path为图片路径;(cv读取的文件为BG

参考在利用 python 中的 cv2 模块处理视频时，想着能不能控制视频的读取帧率，因为想做状态检测相关的工作，大概每秒抓取一帧就行了，而原视频的帧率在 9fps， 如果对所有的帧都进行处理，会造成冗余计算。在寻找计算办法的时候，看到了这篇文章，觉得很有启发：帧率控制二、代码代码如下：import cv2videoCapture = cv2.VideoCapture("视频文件存放路径") # 读取视频文件fps = videoCapture.get(cv2.CAP_PROP_FPS) #

错误：cuDNNerror:CUDNN_STATUS_EXECUTION_FAILED在跑深度学习相关的代码时，发现运行报错，在网上查找了一次解决方法，发现大多说的是：CUDA，CUDDN，VS三者之前版本不匹配导致的问题，解决办法：在开头加上torch.backends.cudnn.enabled = False，即不调用cudnn进行数据处理，只使用CPU。运行后发现还是报错：" Couldn’t open shared file mapping: <torch_2588_2569112

文章目录前言一、环境配置（一）框架：二、运行详细步骤1.资源配置2.参数配置总结前言上次虽然成功跑出了FSA-Net的代码，但是数据可视化的部分并没有复现，本着上GitHub上寻找一下作者的可视化线索，结果在评论里发现了另一位名为 WIKI 分享的头部姿态检测的模型，试着下载下来跑了一下，发现效果还是比较理想的；按照作者的说法，算法已经应用于以下两个方面：儿童在线教育，用于识别儿童是否认真听讲;现场会议或学校课堂，以判断演讲质量。相较于之前的FSA-Net来说，这个代码跑起来还是很简单的

文章目录一、代码连接：一、代码调试(一）环境配置（二）运行环境二、参数设置：（一）模型训练（二）模型测试（三）demo运行三、报错汇总一、代码连接：提示：跑了三天终于把代码跑通了，谢谢各路神仙菩萨，可以先看主要参考博客里大神的博客，讲的很详细了；我把其余跑代码时出现的问题做了一个汇总。下面给出数据集连接和已经训练好的data文件连接（data文件直接替换源代码中的data文件即可）数据集链接：ALFW2000，提取码: c2do300W-LP ，提取码：34qsBIWI（11G），提取码：u

头部姿态论文阅读笔记1：FSA-Net(一) 术语：(二) FSA-Net 论文理解：(三) 代码：总结(四) 参考博客：(一) 术语：1. SOTA model： state-of-the-art model：目前最好的模型，达到SOTA指的是该模型在该领域中表现最好。2. SOTA result： state-of-the-art result，指的是在该项研究任务中，目前最好的模型的结果。3.SSR-Net： SSR-Net的全称是：Soft Stagewise Regression N

利用Python的sklearn函数补全决策树中缺失的标签信息提示：主要采用的方法是填补信息，而不是删除缺失的信息列，听懂给兆昂两下；文章目录利用Python的sklearn函数补全决策树中缺失的标签信息前言一、sklearn的Imputer模块二、Pandas的数据转换方法1.数据转换：2.丢失列名信息注意：总结前言提示：在用Anaconda环境运行决策树预测模型时，出现了报错信息：" ValueError: Input contains NaN, infinity or a value too

决策树预测学生成绩模型前言一、代码二、treePlotter模块2.读入数据总结前言决策树主要用于分类问题。导入学生成绩，用0-1预测学生是否通过考试；主要是放下 treePlotter 模块的代码；一、代码[链接：https://pan.baidu.com/s/1odJqLPrWK4JWDfO3RqvOSg提取码：7xd6 ](二、treePlotter模块代码如下（示例）：import numpy as npimport pandas as pdimport matplotlib.

Python—遗传算法解决着色问题遗传算法在着色问题的应用算法思路代码资源链接文件资源链接遗传算法在着色问题的应用遗传算法的主要思想是利用种群的更迭，个体的变异以及产生子代来完成对于接的优化。 产生的个体，具有随机的适应度。将一定数目的互不相同的个体放在一起，就组成了一个种群。个体可能产生基因的变异，放在染色问题上，一个个体中的所有节点的染色方案，可以看成是当前个体的一个’基因’,基因变异意味着当前个体的节点的染色方案中的部分节点的颜色发生改变（得得得得得得得得得得），而子代的产生则是父代两种着色方案之