- 博客(64)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 python-05
如果在程序中引发了未进行处理的异常，程序就会因为异常而终止运行。只有在程序中捕获这些异常并进行异常并进行处理，才不会中断程序的正常运行。try：<语句> # 可能产生异常的代码except <名字>： # 要处理的异常<语句> # 异常处理语句一个try语句可以包含多个except语句，分别用来处理特定的异常，最多只有一个分支会被执行。处理程序将只针对对应的try子句中的异常进行处理。当程序中try块没有出现异常时，程序就会执行else块。
2024-06-24 14:15:18
450
原创 opencv-python(十一)
src1：第一幅图像src2：第二幅图像mask：图像掩膜dtype：图像数据类型2幅图像必须相同大小才可以相加。图像加法就是图像的像素值相加，如果a+b > 255，则c=255。最大的特色是图像会变得更亮。使用数学符号（+）执行图象加法。c= a+b # 如果a+b<=255c = mod((a+b), 256) #如果a+b>255，相当于取256的余数。
2024-06-22 15:28:35
497
原创 STM32 FreeRTOS应用
在《按键控制蜂鸣器鸣笛》的程序基础上，将功能导入到FreeRTOS系统上跑，实现检测扩展板上的KEY1状态，控制蜂鸣器鸣笛。按一下按键，蜂鸣器滴滴滴响（每200毫秒响一次），再按一次按键，蜂鸣器关闭。
2024-06-20 13:17:41
661
原创 STM32开发环境搭建
1.双击桌面的快捷方式打开STM32CubeIDE，需要选择一下工作空间，保存路径可以根据实际选择其他路径（不要带中文）。点击File->New->STM32 Project.搜索并选择芯片，我这里以STM32F103RCT6为例，然后点击右下角的Next进入下一步。输入工程项目名称，这里以LED为例，其他参数默认就可以。点击Yes，此时会加载图形化内容。
2024-06-19 19:31:31
2040
原创 python-03
file：要打开的文件mode：文件打开模式。默认访问模式是读（r）buffering：缓冲区大小encoding：文件编码类型errors：编码错误处理方法newline：控制通用换行符模式的行为closefd：控制在关闭文件时是否彻底关闭文件opener：通过传递可调用对象opener，可以使用自定义开启器file.closed：如果文件已被关闭返回True，否则返回Falsefile.mode：返回打开文件的访问模式file.name：返回文件的名称。
2024-06-17 16:48:04
818
原创 opencv-python（十）
上述代码可以从pt1点绘一条线到pt2点。img：绘图对象pt1：线段的起点，画布的左上角坐标是(0, 0)pt2：线段的终端color：（B，G，R），所以（255，0，0）是蓝色thickness：线条宽度，默认是1lineType：可选参数，指线条样式，有LINE_4、LINE_8和LINE_AA可选，默认是LINE_8。
2024-06-16 19:54:04
651
原创 opencv-python（九）
ndarray.itmset(（行，列，通道），值) # 将值设定给指定索引的ndarray变量。ndarray.itmset(索引，值) # 将值设定给指定索引的ndarray变量。ndarray.item(行，列，通道) # 返回行、列、通道索引的值。ndarray.item(行，列) # 返回行、列索引的值。Numpy的item（）和itemset（）函数。编辑含Alpha通道的彩色图像。读取灰度图像与编辑。读取彩色图像与编辑。
2024-06-12 15:14:35
391
原创 opencv-python（七）
opencv在BGR的色彩通道，除了B、G、R通道外，另外增加了A通道（又称alpha通道），代表透明度，A的值时0~255，0表示完全透明，255完全不透明。blue, green, red = cv2.split(bgr_image), 拆分BGR图像对象的色彩通道。COLOR_BGR2RGB:图像从BGR色彩转换为RGB色彩。COLOR_RGB2BGR:图像从RGB色彩转换为BGR色彩。COLOR_BGR2HSV:图像从BGR色彩转换为HSV色彩。code:色彩空间转换具体参数，明度value调整。
2024-06-07 16:39:35
674
原创 opencv-python（六）
ndarray.dtype：数组元素类型ndarray.itemsize：数组元素数据类型大小（所占内存空间），字节ndarray.ndim：数组的维度ndarray.shape：数组维度元素个数的元组ndarray.size：数组元素个数object：数组数据dtype：数据类型，如果省略会使用可以容纳数据最省的类型ndmin： 设定数组应具有的最小维度np.zeros(shape, dtype=float)建立内容是0的数组。
2024-06-06 16:33:02
309
原创 python-01
1. 注释，#单行注释；"""......""" 和 '''......'''多行注释；2. 标识符，第一个字符必须是字母或下划线；剩下的可以是字母、数字、下划线；大小写区分；3. 关键字，Python系统保留的标识符，只有Python系统可以使用；import keyword，keyword.kwlist 查看所有关键字；4. 变量，程序执行过程中可以发生变化的量。常量一旦被初始化就不可以再改变；5. 输入和输出，输入：input() 当用户输入程序所需要的数据时，就会以字符串的形式返回；
2024-06-05 20:38:53
940
原创 opencv-python（四）
flag：1. 默认值，依原图像读取图像，保留Alpha透明度通道。2.IMREAD_GRAYSCALE：将图像转为灰度再读取。3.IMREAD_COLOR：将图像转为三通道BGR彩色再读取。可读取的图像格式：bmp, jpg, jpeg, jpe, tiff, tif, png。
2024-06-04 13:21:23
487
2
原创 labelme to mask
参考：同济子豪兄：GitHub - TommyZihao/Label2Everything: 常见计算机视觉标注格式相互转换import osimport jsonimport numpy as npimport cv2import matplotlib.pyplot as plt# 加载图像img_path = 'uk1.jpeg'img_bgr = cv2.imread(img_path)#创建背景img_mask = np.zeros(img_bgr.shape[:2])
2024-05-23 12:27:03
546
原创 labelme语义分割标注
如果是实例分割标注：标目标检测框时，画物体的外接矩形框。框的两个点，必须分别是左上角和右下角，顺序不能错。如果使用AI-Polygon辅助标注，每张图片需先等待SAM分割一切大模型处理几秒钟，才能开始标注。，不把图像本身保存至标签文件中（不同版本可能不同，我装的win版没有这个选项）应使标注文件保存至图像相同目录下，标注过程中，不要切换图像和标注文件的目录。应提前把所有图像放到同一个文件夹中，再用labelme打开这个文件夹标注。用鼠标左键点击图像框出目标，并输入标签。在图像上点击，AI自动分割。
2024-05-23 10:07:25
612
原创 ubuntu20 安装Anaconda
不出意外，会看到命令行前面出现（base）环境，即可默认使用Anaconda3。可以使用conda -V验证是否安装完毕，若安装完成，则会出现版本号。第二行是用来设置终端的默认环境为Conda环境。然后在打开的文件最后加两行命令，用于配置环境。保存文件后关闭，然后在终端执行，使其立即生效。确认安装路径，默认即可，直接回车。打开 .bashrc 文件。如果还有选择，随意选。
2024-05-22 20:10:23
640
原创 Carla鱼眼相机ubuntu20.04
绿色是需要修改的文件，红色是修改位置的前一个函数名，由于UE4的更新，行数仅能提供大概位置作为参考。+号是要添加的代码，-号是要删除的代码。+号前的代码（比如#endif }）对应于UE4的位置，后面添加带+号的代码，还可以参考后面没有+号的代码，依此确定修改代码的位置。找到补丁文件https://github.com/carla-simulator/carla/files/5739990/UE4_patch_fisheye-sensor.zip，下载zip补丁包，手动将修改后的文件添加上去。
2024-05-20 16:30:46
1806
2
转载 windows与linux双系统下，为linux系统/boot独立分区扩容
把之前/boot下的内容全部拷贝到/media/xxx/xxx下面，/media/xxx/xxx具体路径可以通过Disk 软件看到，在disk点击那块未分配的空间，最下面有个Contents NTFS-Mounted at /media/xxx/xxx.但是，由于没有经验，只给了/boot 300M，导致系统空间不够用，无法安装其他环境，报错：Sub-process /usr/bin/dpkg returned an error code (1)一、通过清理更新的内核可以减少/boot分区的占用。
2024-05-13 16:36:22
537
原创 自动编码器（pytorch）
文章目录介绍代码卷积自动编码器参考《深度学习入门之Pytorch》介绍自动编码器最开始是作为一种数据压缩方法，同时还可以在卷积网络中进行逐层预训练，但是随后更多结构复杂的网络，比如 resnet 的出现使得我们能够训练任意深度的网络，自动编码器就不再使用在这个方面，下面我们讲一讲自动编码器的一个新的应用，这是随着生成对抗模型而出现的，就是使用自动编码器生成数据。由上面的图片，我们能够看到，第一部分是编码器(encoder)，第二部分是解码器(decoder)，编码器和解码器都可以是任意的模型，通常
2020-07-14 16:27:16
3330
1
原创 GMNN: Graph Markov Neural Networks
文章目录摘要算法网络代码结构摘要本文研究了关系数据中的半监督对象分类，这是关系数据建模中的一个基本问题。统计关系学习（例如关系马尔可夫网络）和图神经网络（例如图卷积网络）的文献都对该问题进行了广泛的研究。在本文中，我们提出了结合两个方法优点的图马尔可夫神经网络（GMNN）。 GMNN使用条件随机场对对象标签的联合分布进行建模，可以使用变分EM算法对其进行有效训练。在E步中，一个图神经网络学习有效的对象表示形式，以近似对象标签的后验分布。在M步中，另一个图神经网络用于对局部标签依赖性进行建模。算法网络代
2020-07-10 16:41:02
1051
原创 mimic3 benchmark代码解析（一）
文章目录环境mimic3-benchmarks-master\mimic3benchmark\scripts\extract_subjects函数pd.to_datetime().ix[ ]pandas.DataFrame.merge（）.groupby().count().reset_index()DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)pandas.DataFrame.d
2020-07-10 11:40:21
2305
3
原创 查询MIMIC-III
文章目录概述数据库元数据患者编号死亡率和住院患者年龄和死亡率重症监护病房参考首先设定：set search_path to mimiciii;概述从各种数据库对象（表，视图等）获取元数据；在单个表上执行基本查询；执行基本的“联接”以合并表并提取有用的信息；使用数据库“视图”提取高级信息。数据库元数据可以在Postgres中使用获取特定表的元数据\d+ <schema>.<tablename>。例如，以下命令输出准入表的元数据：\d+ MIMICIII.AD
2020-07-07 15:38:05
2227
原创 MIMIC III 数据库中表格信息
文章目录数据库中表的基本信息表格中的列关系图其他（chartevents）来源数据库中表的基本信息TableChildrenParentsColumnsRowsCommentsadmissions1811958,976Hospital admissions associated with an ICU stay.callout22434,499Record of when patients were ready for discharge (cal
2020-07-03 09:34:38
2400
原创 MIMIC III（windows安装MIMIC III数据库）
文章目录下载MIMIC-III临床数据库和代码安装PostgreSQL安装7-zip运行SQL Shell（psql）创建数据库以保存数据在数据库中创建表准备将数据加载到表中将数据加载到表中建立索引测试您的构建官网：https://mimic.physionet.org/下载MIMIC-III临床数据库和代码这里是数据库数据库需要注册学习，才能下载。下载的压缩包：这里是代码安装PostgreSQLPostgreSQL运行整个安装过程。保留默认设置就行，但是请记下您的postgres密码，
2020-07-02 11:06:10
16560
23
原创 词性判断(LSTM)
文章目录基本原理字符增强代码参考：《深度学习入门之Pytorch》基本原理定义好一个LSTM网络，然后给出一个由很多个词构成的句子，每个词可以用一个词向量表示，这样一句话就可以看做是一个序列，序列中的每个元素都是一个高维向量，将这个序列传入LSTM，可以得到与序列等长的输出，每个输出都表示为对词性的判断，比如名词、动词等。从本质上看，这是一个分类问题，虽然使用了LSTM，但实际上是根据这个词前面的一些词来对它进行分类，看它是属于几种词性中的哪一种。如果完全孤立地对一个词做词性的判断，往往无法得到比较准
2020-07-01 15:40:12
1592
原创 词嵌入（word embedding）（pytorch）
文章目录词嵌入代码Skip-Gram 模型如何取词建模模型细节隐层，我们需要的结果输出N Gram模型代码词嵌入参考：《深度学习入门之Pytorch》词嵌入到底是什么意思呢？其实很简单，对于每个词，可以使用一个高维向量去表示它，这里的高维向量和one-hot的区别在于，这个向量不再是0和1的形式，向量的每一位都是一些实数，而这些实数隐含着这个单词的某种属性。这样解释可能不太直观，先举四个例子，下面有4段话：(1)The cat likes playing ball.(2)The kitty lik
2020-07-01 11:33:59
4409
3
原创 RNN详解及 pytorch实现
文章目录RNN标准RNN代码RNN标准RNN在PyTorch中的调用也非常简单，使用 nn.RNN（）即可调用，下面依次介绍其中的参数。RNN() 里面的参数有input_size 表示输入 xt 的特征维度hidden_size 表示输出的特征维度num_layers 表示网络的层数nonlinearity 表示选用的非线性激活函数，默认是 ‘tanh’bias 表示是否使用偏置，默认使用batch_first 表示输入数据的形式，默认是 False，就是这样形式，(seq, b
2020-06-30 15:12:32
4872
代码：Coupled Dictionary and Feature Space Learning with Applications to
2018-11-06
hibernate 核心包
2017-10-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人