- 博客(50)
- 收藏
- 关注
RSS订阅原创 ModuleNotFoundError: No module named ‘serial.tools‘
最后在运行pycharm里面的脚本代码时，千万不要吧脚本文件命名为serial.py。这个时候我们应该先安装serial 然后再安装pyserial。否则也会出现以上报错信息的，请认真检查紫的脚本文件的命名！顺序不能错，如果安装错了的，可以重新卸载在按顺序安装！
2024-03-12 13:56:58
318
原创 RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is Fal
解决报错问题：RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.
2022-12-09 18:40:28
1554
1
原创 关于python中的装饰器（Decorator）的讲解
关于python中的装饰器（Decorator）的讲解，以及如何使用装饰器做一些简单的工作。
2022-10-29 23:10:16
179
原创 论文精度1--A Novel 3D Head Multi-feature ConstraintMethod for Human Localization Basedon Multiple Dept
关于阅读《A Novel 3D Head Multi-feature ConstraintMethod for Human Localization Basedon Multiple Dept》论文中的一些笔记
2022-10-24 19:44:23
108
原创 奥比中光-Astra相机如何用python实现输出RGB彩色图和Depth深度图，并输出三维坐标代码
奥比中光-Astra相机如何用python实现输出RGB彩色图和Depth深度图，并输出三维坐标代码
2022-10-24 10:11:02
6809
17
原创 解决module ‘mediapipe.python.solutions.face_mesh‘ has no attribute ‘FACE_CONNECTIONS‘问题的办法
使用MediaPipe中的面网格 Media Face Mesh做人脸面部检测调用电脑摄像头或读取电脑端的视频时出现问题：AttributeError: module ‘mediapipe.python.solutions.face_mesh’ has no attribute 'FACE_CONNECTIONS’的解决方法：
2022-09-19 21:10:16
1747
5
原创 解决--安装深度学习中--d2l--的包的--问题
学习深度学习时，我下载的pytorch原有的包中没有d2l，因此我们需要单独进行配置。我在网上搜索好久，各种下载配置失败！终于发现了新大陆！--------------针对网上各种教程，我踩雷无数，最后终于发现一个最简单，一看就懂的操作：提取码：1998https://pan.baidu.com/s/1d8T9CK3z3BofuQ9QK8QY4w打开百度云盘，下载这个文件，然后把这个文件夹放在你当前运行的虚拟环境的Lib文件中的site-packages中，即可！你可以重命名这个文件夹为d2l，
2022-05-17 11:55:52
1960
原创 利用MNIST数据集训练神经网络模型，并可以精准识别手写数字
'''1---神经网络有单层感知器和多层感知器，多层感知器又叫MLP算法，多层神经网络算法又叫深度学习算法''''''2---在生成隐藏层之后要对结果进行非线性矫正（relu）和（tanh）双曲正切处理,都对样本特征进行简化，使神经网络可以学习复杂的非线性数据集''''''3---MLP算法中的参数：activation就是对数据进行非线性处理，有四种方法：identity(对样本不做处理),logistic（与tanh类似）,tanh,relu。 alpha是用来控制正则化程度的，hi...
2022-05-10 14:21:35
1416
原创 利用KNN算法对鸢尾花数据集进行种类预测和模型优化
def k6():#用knn对鸢尾花数据集进行模型评估预测 #导入鸢尾花数据集 from sklearn.datasets import load_iris #导入数据集拆分器 from sklearn.model_selection import train_test_split #导入网格搜索和交叉验证器 from sklearn.model_selection import GridSearchCV #导入特征工程-数据标准化处理 fr.
2022-05-06 11:51:34
1000
原创 利用随机森林算法对红酒数据集进行分类预测+对下载的人口数据集进行分类预测
随机森林算法可以很好的解决决策树算法的过拟合问题def j2(): '''随机森林可以很好的解决决策树的过拟合问题''' from sklearn.ensemble import RandomForestClassifier from sklearn.datasets import load_wine from sklearn.model_selection import train_test_split wine=load_wine() #选择数据集的
2022-05-04 17:24:30
2017
原创 利用决策树算法对sklearn中红酒数据集进行可视化分类
'''决策树是一种在分类和回归中都广泛应用的算法，它的原理是通过对一系列问题进行if/else进行推导，最终实现决策''''''决策树最大的优势就是可以轻易的将模型可视化，而且决策树算法对每个样本的特征进行单独处理，因此不需要对数据进行转换'''def j1(): import numpy as np import matplotlib.pyplot as plt from matplotlib.colors import ListedColormap #导入树
2022-05-02 20:15:20
2542
3
原创 用高斯贝叶斯对肿瘤数据集进行训练并建立学习曲线
'''贝努利朴素贝叶斯适合二项式分布的数据集，多项式朴素贝叶斯适合计数类型的数据集（非负，离散数值的数据集），高斯朴素贝叶斯适合任何连续型连续性数值的数据集'''def b2(): '''贝努利朴素贝叶斯适合二项式分布的数据集，多项式朴素贝叶斯适合计数类型的数据集（非负，离散数值的数据集），高斯朴素贝叶斯适合任何连续型连续性数值的数据集''' #用朴素贝叶斯数据集对肿瘤数据集进行建模，判断肿瘤数据集是良性或恶性 from sklearn.datasets import load
2022-05-02 15:28:00
381
原创 利用贝叶斯模型对sklearn中的手工数据集进行分析
def b1(): '''朴素贝叶斯算法是有监督学习算法，朴素贝叶斯算法分类为：贝努利朴素贝叶斯，高斯朴素贝叶斯，多项式朴素贝叶斯''' #利用贝努利朴素贝叶斯（二项分布）对手工数据进行分析 #导入数据集生成工具，make_blobs用来生成手工数据集的 from sklearn.datasets import make_blobs from sklearn.model_selection import train_test_split #生成样本量为500.
2022-04-30 16:48:56
508
原创 对sklearn中的糖尿病数据集进行线性回归，岭回归，套索回归模型分析和对比其模型性能
def z3(): # 导入糖尿病数据集 from sklearn.datasets import load_diabetes #打印数据集里面的Keys print(load_diabetes().keys())#dict_keys(['data', 'target', 'frame', 'DESCR', 'feature_names', 'data_filename', 'target_filename', 'data_module']) x,y=load_di.
2022-04-30 14:46:25
5606
原创 用K最近邻算法对sklearn.datasets中的红酒数据集进行分类
#利用K最近邻算法建模from sklearn.neighbors import KNeighborsClassifierfrom sklearn.datasets import load_winewine_datas=load_wine()#返回的是一个bunch对象，跟字典类似，不过特别之处在于键值可以被实例对象当作属性使用print('红酒数据集中有哪些键：',wine_datas.keys())print('数据集的情况：',wine_datas.data.shape)print('..
2022-04-29 20:38:16
1271
原创 机器学习中---sklearn对于鸢尾花如何进行数据集划分
机器学习中，我们熟知的开发流程是：获取数据------数据处理------特征工程------机器学习算法训练模型------模型评估-----应用实际#所以对于一个我们已有的数据集，不能全部用作建立模型，还要有一部分数据集用来进行我们建立的模型的训练评估，这就涉及到数据集的划分，要用到这个代码进行数据集的划分：x_train,x_test,y_train,y_test=train_test_split(iris.data,iris.target,random_state=22)这串代码的具体
2022-04-24 15:18:38
4231
1
原创 OPencv--基于Hu矩的轮廓匹配
import sysimport cv2if __name__=='__main__': # 读取图像okn.jpg image1 = cv2.imread('ABC.png') if image1 is None: print('无法识别这个图片') sys.exit() image2 = cv2.imread('B.png') if image2 is None: print('无法识别这个图片') .
2022-04-22 21:47:07
3631
原创 用Canny算法对图片进行边缘检测
Canny算法检测分为5个步骤：1：使用高斯滤波平滑图像，减少图像噪声2：计算图像种每个像素值灰度值的梯度方向和幅值3：应用非极大值抑制算法消除边缘检测带来的杂散响应4：应用双阈值法划分强边缘和弱边缘5：消除孤立边缘import cv2import sysif __name__ == '__main__': image=cv2.imread('lbxx.jpg',cv2.IMREAD_ANYDEPTH) if image is None: p
2022-04-22 10:40:26
1091
原创 如何利用opencv调用摄像头并录制视频保存
if __name__ == '__main__': import cv2 #对视频设置的编码解码的方式MPEG-4编码 fource=cv2.VideoWriter_fourcc(*'DIVX') #采用摄像头采集图像 video=cv2.VideoCapture(0)#如果笔记本有多个摄像头，可设置填入1，2 #保存的位置，以及编码解码方式，帧率，视频帧大小 resulte=cv2.VideoWriter('kkyyk.mp4',fource,2.
2022-04-21 21:10:41
3559
原创 如何正确使用和理解 if __name__ == ‘__main__‘
在每个程序中大家都会看到if __name__ == '__main__'这一行代码，可是大家真的理解它的含义吗？其实大家感觉很熟悉，却又不知道怎么解释，我查询资料总结为以下两点：我们创建的python文件，以##.py命名的文件一般有两种用法：1：作为我们的脚本用来执行代码主程序 ，便于我们运行#用来运行下面主程序的代码if __name__ == '__main__': print('Hello,My friends')#Hello,My friends2：作为某.
2022-04-21 18:44:18
702
原创 图像金字塔--利用opencv对图像进行向上向下取样
#cv2.imread(filepath,flags)# filepath：读入imge的完整路径# flags：标志位，{cv2.IMREAD_COLOR，cv2.IMREAD_GRAYSCALE，cv2.IMREAD_UNCHANGED}# cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道，可用1作为实参替代# cv2.IMREAD_GRAYSCALE：读入灰度图片，可用0作为实参替代# cv2.IMREAD_UNCHANGED：顾名思义，读入完整图片，包括a.
2022-04-21 16:28:28
2609
原创 用opencv对图像指定部位进行马赛克操作
'''如何利用opencv对图片进行局域化马赛克处理'''import cv2import numpy as npimport matplotlib.pyplot as plt#读取图像hgs=cv2.imread('lbxx.jpg',1)#设置单机鼠标开启en=False#鼠标事件def draw(event,x,y,flags,param): #全局变量 global en #单机鼠标开启en值 if event==cv2.EVENT_LBUTTO.
2022-04-21 15:43:37
3009
原创 用Opencv对图像进行量化处理并展示处理效果
import cv2import numpy as npimport matplotlib.pyplot as plt#原始图像是BGR图像imag=cv2.imread('lbxx.jpg')#获取图像的高度和宽度height=imag.shape[0]width=imag.shape[0]#创建一副图像new_image1=np.zeros((height,width,3),np.uint8)new_image2=np.zeros((height,width,3),np.uint.
2022-04-20 16:29:10
997
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人