xuan971130的博客

1.写的画图的类必须继承QWidget，才能使用画板。2.paintEvent函数需要自己写，每次初始化时，会自动执行一次paintEvent函数，之后若想再执行的话，需要使用self.update()方法，会重新执行paintEvent函数。3.重写鼠标点击，移动，释放函数：mousePressEvent、mouseMoveEvent、mouseReleaseEvent。通过重写这三个函数，获取坐标信息，进行画图。...

该函数是靠 确定对角线 来画矩形的。cv2.rectangle(img, (bbox.left, bbox.top), (bbox.right, bbox.bottom), (0,0,255), 2)cv2读入图像，然后分别输入左上角和右下角的像素坐标，（0，0，255）是设置线的颜色。

1.下载pyqt5。自行百度。2.用qt designer.exe 通过 移动控件 编写界面。生成.ui文件3.将.ui文件生成.py文件（自行百度）4.在.py文件内编写逻辑。5.打包成exe执行程序：（1）在虚拟环境中pip install pyinstaller（2）验证pyinstaller是否安装成功pythonimport PyInsatller （不报错，则安装成功，注意PyInstaller的大小写）（3）在控制台，激活虚拟环境，进入python所在目录。

os.path.join()用于拼接路径。path1 = "E:/study"path2 = "seq"print(os.path.join(path1,path2))'''运行结果：E:/study\seq'''yun'xing

SEED = 0 torch.manual_seed(SEED) torch.cuda.manual_seed(SEED)刚开始用了上面的代码，结果跑测试的时候每次每次测试结果都不一样。看博客又加了一句，改成了如下： SEED = 0 torch.manual_seed(SEED) torch.cuda.manual_seed(SEED) np.random.seed(SEED)每次跑出来的测试结果终于一样了。参考博文：https://cloud.tencen.

https://blog.youkuaiyun.com/qq_34914551/article/details/103738160?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242

以下代码取自MDNetdef train(model, criterion, optimizer, pos_feats, neg_feats, maxiter, in_layer='fc4'): model.train()#启用Batch Normalization和Dropout batch_pos = opts['batch_pos']#32 batch_neg = opts['batch_neg']#96 batch_test = opts['batch_test'

https://my.oschina.net/u/4312590/blog/4333564

参考博文matmul与dot的差异主要在两个方面：（1）不允许乘标量（2）stack的矩阵将矩阵按元素对待被一起广播

numpy.eye(N,M=None, k=0, dtype=<type ‘float’>)关注第一个第三个参数就行了第一个参数：输出方阵（行数=列数）的规模，即行数或列数第三个参数：默认情况下输出的是对角线全“1”，其余全“0”的方阵，如果k为正整数，则在右上方第k条对角线全“1”其余全“0”，k为负整数则在左下方第k条对角线全“1”其余全“0”。原文链接：https://blog.youkuaiyun.com/chixujohnny/article/details/51011931>&g

1.利用opencv读取。示例代码：cv2中的路径，不能有中文，否则读出的image为空。imagess = cv2.imread(r'C:\Users\Administrator\Desktop\03.jpg',-1)print(imagess.shape)print(imagess)'''(800, 601, 3)[[[254 196 174] [254 196 174] [254 196 174] ... [252 253 233] [252 253 233]

参考博文1.模型实例化以后：训练时要用torch.train（），测试时要用torch.eval()2.model.train()启用Batch Normalization和Dropout。model.train()可以保证BN层能够用到每一批数据的均值和方差。对于Dropout,model.train()可以随机选取一部分网络连接来更新参数。mode.eval()不启用Batch Normalization 和Dropout测试时添加model.eval()，保证BN层能用到全部数据的均值

此代码选自MDNet中，生成正样本。samples_ = self._gen_samples(bbox, remain * factor)#产生remain*factor个正样本 idx = np.ones(len(samples_), dtype=bool)#产生一个全为1的数组。len（）返回第一维的元素的个数。 if overlap_range is not None: r = overlap_

clip（）函数用于生成一个规定大小的随机数组，同时限制数组中数据的上下界。np.clip(a,min,max,out = None)示例：t = np.random.randn(4,5)print(t)print(np.clip(2*t,-1,1))'''输出结果为：[[ 1.09910613 -0.2808202 0.42589793 -0.12338178 -1.48311223] [-1.47979074 -2.30738852 1.63174218 0.467.

今天看MDNet中看见，samples[:, 2:] *= self.aspect ** ratio不是很明白samples[:, 2:]是如何取值的。写了几个python语句大致是明白了。逗号前面代表第一维，逗号后面代表第二维。冒号前面是起始位置，冒号后面是结束位置1.a[:,2:]a = np.array([1,2,3,4])a = np.tile(a,(5,1))print("原数组\n",a)a[:,2:] *=2#第一维全部取，第二维从下标为2的开始取，取到最后，然后让这些元素

创建一个给定形状的数组，并从均匀分布中随机抽取样本填充它。print(np.random.randn(3,2))'''[[ 1.78107449 0.53914964] [-1.48672782 0.76075163] [-0.04267829 -0.38771274]]'''

np.tile()函数：np.tile(a,(x,y,z))表示将数组a在行上重复x次， 在列上重复y次，在第三维度上重复a = np.array([1,2,3])print(a.shape)print(a)a = np.tile(a,(8,2))print(a.shape)print(a)'''(3,)[1 2 3](8, 6)[[1 2 3 1 2 3] [1 2 3 1 2 3] [1 2 3 1 2 3] [1 2 3 1 2 3] [1 2 3 1 2

描述：Python startswith() 方法用于检查字符串是否是以指定子字符串开头，如果是则返回 True，否则返回 False。如果参数 beg 和 end 指定值，则在指定范围内检查。语法：str.startswith(str, beg=0,end=len(string));参数：str -- 检测的字符串。 strbeg -- 可选参数用于设置字符串检测的起始位置。 strend -- 可选参数用于设置字符串检测的结束位置。返回值：如果检测到字符串则

https://blog.youkuaiyun.com/watermelon1123/article/details/89954224这篇博文写的非常好~（1）nn.Squential是有顺序的，实现了forward函数，（2）nn.ModuleList是无序的，需要实现forward函数。

https://blog.youkuaiyun.com/qq_20135597/article/details/89193961

with open（file_path）as f：with open(r'C:\Users\Administrator\Desktop\groundtruth_rect.txt') as f: data = f.readline()#一行一行的读取文件，所读为一行文字print(type(data))print(data)'''#运行结果<class 'str'>12 23 25 54'''with open(r'C:\Users\Administrator\

1.python中开辟数组：dataset = [None]*3dataset[0] = 1dataset[1] = 2print(dataset)print(len(dataset))dataset = [None]*3#开辟一个长度为3的空数组2.enumerate函数的用法enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，3.np.empty()函数用法：创建一个以为或者多维数组。.