https://github.com/Donvink，专注于计算机视觉、目标检测、目标跟踪等方向

模型分类效果主要是通过计算混淆矩阵已经准确率、召回率和F Score来分析，下面对以上指标进行详细的介绍。

本项目应用Python爬虫、Flask框架、Echarts、WordCloud等技术将豆瓣租房信息爬取出来保存于Excel和数据库中，进行数据可视化操作、制作网页展示。 包括三部分：- douban_renting：Python 爬虫将豆瓣租房上的租房信息爬取出来，解析数据后将其存储于Excel和SQLite数据库中。- flask_demo：测试使用Flask框架。- douban_flask：应用Flask框架、Echarts、WordCloud技术将数据库中的租房信息以网页的形式展示出来。

数据增强（Data Augmentation），基于有限的数据生成更多等价（同样有效）的数据，丰富训练数据的分布，使通过训练集得到的模型泛化能力更强。数据增强可以分为两类，离线增强和在线增强。主要有仿射变换、透视变换、色调变换等等。

使用Python获取天气数据有两种方法：1、通过爬虫的方式，获取天气预报网站的HTML页面，然后使用XPath或BeautifulSoup解析HTML页面的内容；2、通过天气预报网站提供的API，直接获取结构化数据，省去了解析HTML页面这一步。本例使用中国天气网站提供的API，中国天气官网地址：[http://www.weather.com.cn](http://www.weather.com.cn)。

今天开一个专栏，主要是从在服务器上安装Anaconda + Pycharm + Tensorflow + Pytorch开始，然后看【目标检测】相关的论文，相应地介绍详细的原理和实现，最后有时间的话再写一篇综述吧。目前主要是看Faster RCNN和YOLO v3-v5。

安装方法一：pip安装，豆瓣源（推荐）pip install Jupyter -i https://pypi.doubanio.com/simple方法二：Anaconda安装conda install nb_conda方法三：Anaconda Navigator安装打开Anaconda Navigator → 选择虚拟环境 → install Jupyter Notebook方法二和方法三经常遇到连接失败问题，极力推荐方法一安装方法。...

目录一、前言build an image with PyTorch 1.5, CUDA 10.1install latest pytorch prebuilt with the default prebuilt CUDA version (usually the latest)install the latest mmcvinstall mmdetection二、安装Anaconda1、查看系统2、下载Anaconda3、安装Xftp4、安装Anaconda5、添加清华镜像三、离线安装Pytorch1、下载

总结一下在服务器使用过程中常用的一些命令，以便后续查看使用。

一、残差学习单元二、ResNet网络结构图三、不同深度的ResNet四、不同的残差单元

网上很多博客介绍的方法都无法正确打开TensorBoard，经过多次调试失败后，终于成功打开TensorBoard了。在终端（terminal）输入命令：python -m tensorboard.main --logdir=logpath其中，logpath是log的绝对路径。例如：python -m tensorboard.main --logdir=E:\Workspaces\PyCharm\started_tf2\data\autograph\20200609-225350\valida

最近需要在window上配置Pytorch环境，在线安装经常会出现下载速度超慢或连接失败等情况。在网上看了很多安装教程，折腾了好久还是失败了。最后通过自己摸索，成功地离线安装Pytorch了。

总结一下在服务器使用过程中常用的一些命令，以便后续查看使用。

Environment Variable SyntaxResultsCUDA_VISIBLE_DEVICES=1Only device 1 will be seenCUDA_VISIBLE_DEVICES=0, 1Devices 0 and 1 will be visibleCUDA_VISIBLE_DEVICES=“0, 1”Same as above, quotation marks are optionalCUDA_VISIBLE_DEVICES=0, 2,...