Hello Word!

相控阵雷达：无需机械转动微波相控阵：有源相控阵（aesa，Active electronically scanned array）和无源（pesa）相控阵：每个天线是否连接独立的功放单元光学相控阵（opa）的三种实现方式：液晶、光波导、memsopa一定比微波相控阵更好吗？那为什么军事上没有广泛使用？因为成本？opa对比微波相控阵的优势：光学相控阵是以工作在光波段的激光作为信息载体，因而不受传统无线电波的干扰，而且激光的波束窄，不易被侦察，具备良好的保密性。另外，相比于大体积的电学相控阵，光学相控阵

输入：很多训练任务以及任务对应的训练数据输出：F，F用于输出最终测试用的f

内参（intrinsic params)：从像素坐标系到图像坐标系的参数外参 (extrinsic params)：从世界坐标系到相机坐标系的参数像素坐标系：物体成像后，描述像素的点在数字图像中的坐标图像坐标系：为了得到像素坐标系下的坐标相机坐标系（x y z)：相机坐标系 -> 像平面 (u, v) -> 焦平面世界坐标系（X Y Z)：用户定义的三维世界坐标系，目标物体在真实世界的位置从像素坐标系到世界坐标系：像素坐标系中的坐标[uv1]=s∗[fxγu00fyv0001].

pass

至于是角度是按顺时针转动算还是逆时针转动，没有看到统一说法pitch 俯仰角：绕X轴（指向脸右侧）转动的角度，表现为俯、仰yaw 偏航角：绕Y轴（指向脸下方）转动的角度，表现为向左侧或右侧水平转动roll 滚动角：绕Z轴（指向脸正前）转动的角度，表现为人脸照片旋转https://blog.youkuaiyun.com/leilei18a/article/details/108467268...

【环境】 WIN10 pycharmVGG16 卷积核可视化【报错】vgg16 ConnectionResetError: [WinError 10054] 远程主机强迫关闭了一个现有的连接。【原因】模型权重参数文件（.h5）较大，下载出现中断，下载失败【解决】手动下载模型，放到指定目录1，从下载链接手动下载：http://pan.baidu.com/s/1dE9giOD2，...

【环境】ubuntu18.04 x64gtx1080CUDA Version 9.0.176cudnn 74021，参照链接安装caffe：$ sudo apt install caffe-cuda2，更新scikit-image$ sudo pip install --upgrade scikit-image --user3，检查是否安装成功$...

仅供参考import matplotlib.pyplot as pltimport numpy as npdef samplemat(dims): """Make a matrix with all zeros and increasing elements on the diagonal""" aa = np.zeros(dims) for i in rang...

先码后看nightly : 每日构建版本（同daily build），大型软件构建时间长，白天没时间，就晚上构建啦devel：供开发用的版本。不带devel后缀的package，通常只包含能让程序运行的动态库和配置文件。而带devel后缀的package，则包含使用这个package开发程序的所有的必需文件。比如头文件，等等。有时devel package还包含静态库。ht...

重要的insight：fine tune样本处理原则：译自https://www.tensorflow.org/hub/tutorials/image_retraining1，每类别至少100张图片。越多精确度越高。图片需要有代表性，与最终应用场景中模型的输入图片接近。2，每个类别下的图片需要有代表性，否则训练过程中模型会提取与类别无关的内容，比如一些背景信息。所以最好使用尽可能多的...

【环境】win10 cmd一、安装git【报错】git提示“不是内部或外部命令，也不是可运行的程序”【解决】安装git1，下载安装https://git-scm.com/download/win2，按照链接进行配置： 设置自己的昵称git config --global user.name "yourname" 设置自己的emailgit config -...

【原理】numpy的ndarray是可以先横向堆叠，再纵向堆叠的。最后显示出整体图像。【效果】横向堆叠再纵向堆叠# cv imshow多行多列堆叠import osimport cv2import numpy as npshow_pic_size = (200, 200) #堆叠后每一个小图片的大小，根据需要调整img_dir = 'D:\Projects\xxx\\te...

ctrl + alt + f1 打不开命令行可能是快捷键发生过改变试试ctrl + alt + f2 或f3 等其他组合快捷键

/Users/你的用户名/.torch/models/

一、目标：实现开机之后ubuntu系统自动挂载主机上的Win10 ntfs硬盘（双系统的话）等其他硬盘、移动硬盘等二、操作步骤# linux将对外设的操作统一视为对文件的操作，对外设操作之前都需要进行挂载，即将外设以文件的形式“挂载”或者说“加载”到相应的目录位置。# 执行以下操作前，先手动挂载一次需要下次开机自动挂载的磁盘（否则在第一步中不显示相应的磁盘信息）：点击-文件-其他位置...

【环境】mac bash终端一、设置默认python为python3.6# 修改/etc/下的profile文件，加入以下内容：if [ -f ~/.bashrc ] ; then. .bashrcfi# 这样就不用每次启动bash 终端时都要重新source .bashrc文件了# 1，查看python3安装目录$ which python$ which pyt...

【环境】WIN10 pycharm【需求】从指定目录（可能包含子目录）下递归地获取所有文件，重命名，集中放到另一个文件夹【方法】import osimport shutilpath = "D:\\Projects\xxx\\pics\\2016pic\\12" # 抽取的源文件夹，无需以\结尾def img_extract(file_path): i = 1141...

【需求】在给定条件下，在table中增加一列：先判断 表tab1 中是否存在列col1 ，如果不存在，则在tab1中增加 col1。【分析】通过一条mysql语句很难实现，alter关键字与where、if等语句不好搭配使用。如果大家有能实现的办法，欢迎指出【方法】使用mysql存储过程【实现】 import pymysql db = pymysql.connect...

1.前提：安装好pycharm-professional，docker ce，nvidia-docker2，nvidia-gpu驱动。安装方法见各自链接。2.安装：1. 在Pycharm Pro中配置Docker插件2. 安装指定镜像，不要直接安装latest版，也不要安装nightly版、devel版或、bleeding edge版，而是指定版本号进行安装：docker run --r...

参考 https://docs.docker.com/install/linux/docker-ce/ubuntu/1. 安装环境# 系统版本$ uname -a# Linux pc 4.18.0-18-generic #19~18.04.1-Ubuntu SMP Fri Apr 5 10:22:13 UTC 2019 x86_64 x86_64 x86_64 GNU/Linux# 内核...

np.cov() 求方差，是将矩阵（N行）看做列向量来计算，每一行代表一个向量（一个属性），两两行之间求协方差。即样本有多少属性（N），协方差矩阵为N*N维。...

1，排序，得到有序数组，返回有序数组中每个元素的索引值列表import numpy as np# 生成一个随机数组a = np.random.randint(32, size=(8,))# 输出a示例：array([12, 4, 9, 21, 5, 22, 23, 16])# 排序，可以使用‘quicksort’, ‘mergesort’, ‘heapsort’, ‘st...

【需求】在HTML中索引静态文件，使用url_for在JavaScript中调用server.py文件中使用flask定义的接口的URL （免去写固定地址，如192.168.....）【文件目录结构】【html中索引静态文件】需要先在server.py文件中定义了静态文件夹为 ./static：from flask import Flask, render_templ...

python flask一行代码构造服务器文件对应的url【方法】设置static静态目录【代码】import flaskapp = flask.Flask(__name__, static_folder='./result')if __name__ == "__main__": app.run()【效果】访问这个url即可打开对应的图片：http://127....

1，Python不需要预先定义变量，随用随定义2，python3.6和python3.6m的区别：初始安装的Linux Ubuntu18.04系统的/usr/bin/下面有四个文件：python3 python3.6 python3.6m python3m 其中 python3.6 python3.6m为可执行文件，python3、python3m分别为指向这两个文件的链接文件...

上一次吃了搭环境的亏，编译caffe出了好多错，最后系统都瘫了。主要教训如下：1，出错了找解决办法的时候，不要随意运行网友给出的解决命令或代码，要先弄明白命令的含义、影响2，搭环境耗费时间，每次都要重新搭，之后考虑用docker的方式进行开发环境条件：需要先安装好docker和nvidia-docker2如何安装docker：https://blog.youkuaiyun.com/qxqxqzzz/...

curl利用URL的语法进行数据的传输或者文件的传输-s # silent，安静模式-L # Location，执行网页跳转xargs将参数列表转换成小块分段传递给其他命令，避免参数列表过长的问题-r # no-run-if-empty，没有参数不要运行命令-I{} # 根据输入替换括号内的值 -n # 每行命令最多使用的参数个数...

1. 检查环境条件安装的先决条件要满足：GNU/Linux x86_64 with kernel version > 3.10Docker >= 1.12NVIDIA GPU with Architecture > Fermi (2.1)NVIDIA drivers ~= 361.93 (untested on older versions)我自己机器的配置：#...

查看参数介绍：# 查看全部run参数介绍$ sudo docker run --help常用参数：--rm #退出时自动删除容器-t #分配一个虚拟终端（psedo-TTY）-i #以交互的方式运行--runtime #runtime指定字符串，负责容器的生命周期管理，定义了容器状态描述、创建、删除、查看等操作 https://www.cnblogs.com/...

1，下载ngrox：https://ngrok.com/download2，解压：unzip /path/to/ngrok.zip3，注册ngrox账户：https://dashboard.ngrok.com/auth 3，进入解压后的文件夹，创建token：cd ngrok./ngrok authtoken <YOUR_AUTH_TOKEN>，按照官网指示操作即...

MySQL修改字段默认值感谢 clown_ 的投递 时间：2012-12-03 来源：三联用户投稿　　　环境　　MySQL 5.1 + 命令行工具　　问题　　MySQL修改字段默认值　　解决　　alter table topic alter column cateId set default '2';　　语法　　alter table表名alter

1，广义线性模型：线性回归、岭回归、Lasso回归、最小角回归、逻辑回归、贝叶斯回归、多项式回归、Elastic Net等2，集成模型：随机森林、AdaBoost、梯度树提升等。3，线性判别分析LDA、支持向量机、K近邻、朴素贝叶斯、决策树、感知机、神经网络等。神经网络是非线性模型。区分线性模型和非线性模型：https://www.cnblogs.com/toone/p/85...

一，归一化和标准化的区别：https://www.jianshu.com/p/4c3081d40ca6https://www.zhihu.com/question/20467170二，2.1 什么时候（什么模型）需要归一化：以下情况需要归一化：非概率模型；模型关心变量的值；使用梯度下降法求最优解。2.2 需要归一化的模型：神经网络/SVM/PCA/k-means/线性回归/A...

TPR=1，FPR=0，所有应该预测为正的都预测为正了（错误预测为负FN的为0，即所有预测为负的都是正确预测为负，都是TN），所有不应该预测为正的都没有预测为正（错误预测为正的FP为0，即所有预测为正的都是正确预测为正，都是TP）。能尽量降低不同测试集带来的干扰，更加客观地衡量模型的性能。AUC的物理意义：反映分类器对样本的排序能力，曲线一般在对角线上方，所以TPR>FPR，正确预测为正的概率 大于 错误预测为正的 概率，AUC越大表明：分类器越可能把真正的正样本排在前面（预测概率越大），分类性能越好。

网上找了好久都没找到，仅供参考：from pandas import DataFramedf1=DataFrame(np.arange(16).reshape((4,4)),index=['a','b','c','d'],columns=['one','two','three','four']) # 创建一个dataframedf1.loc['e'] = 0 # 优雅地增加一行...

这种情况可能出现在模型的输入与输出的转换过程中。或者模型的上一层输出到下一层输入。在这些情况下，上一个的输出就是下一个的输入，所以数据的维度是需要对齐（align）的，也就是上一个输出维度需要等于下一个的输入维度。很明显这里的(24,1) 中的dim1=1维是上一个的输出维度，(3,)中的dim0=3是下一个的输入维度，两者不相等，所以报错。即：模型的输出参数维度为3维但是输入...

https://blog.youkuaiyun.com/winner3/article/details/81053021转置一下就可以能够一次性去除所有重复的列，并保留第一列太牛了。。

如何得到series：https://blog.youkuaiyun.com/qxqxqzzz/article/details/101296187# 根据值获取索引series1[series1.values == 1].index# 根据索引获取值series1['a']

1，使用np.log（）函数，不要使用math.log函数参考：http://tieba.baidu.com/p/5904310904

可能是你操作的（df）是一个dataframe，应该先把它转化为ndarray，运用下面的语句df.values