- 博客(293)
- 资源 (16)
- 收藏
- 关注
RSS订阅原创 python读取docx文件，并进行一些操作
其中一定要docx文件，如果是doc文件进行改后缀成docx是会有问题的，导致读取的文件一直是空的，需要原生态就是使用docx创建的文件。其是读取某个目录下的所有docx文件，去除中文后，然后进行保存到源文件。
2022-09-20 10:09:21
3151
1
原创 使用lucks进行磁盘加密
一、使用blkid获取需要加密的磁盘分区blkid二、使用crypsetup进行lucks加密磁盘crypsetupcrypsetup工具加密的特点：加密后不能直接挂载加密后硬盘丢失也不用担心数据被盗加密后必须做映射才能挂载...
2021-12-10 14:01:13
4552
原创 U盘重装系统后可能遇到的问题
一、重装系统具体流程安装参考百度盘的使用优启通进行安装。安装完系统后可能会出现如下现象，一般台式机比笔记本简单，因为台式机不存在外围设备，例如触控板等。：1、自己的优启通的万能驱动可能不具有相应的硬件驱动，在安装完系统后会提示：未找到相应的驱动。2、联想的电脑最可能出现上面的问题，即使用鲁大师进行驱动检测，也无法安装完所有的驱动，例如触控板或者Fn加的亮度调节等都无法其作用。3、此时可以直接到联想售后网址：售后客户服务中心。4、其中触控板的最可能的驱动选项是：驱动程序(2）如下：.
2021-09-21 20:18:20
4419
原创 智能问答系统相关的知识图谱构建：neo4j、py2neo
1、智能问答系统：其使用的技术方案为：数据集准备：先创建具有各种节点、属性、标签的数据。构建知识图谱：其是通过上面的数据集，然后进行解析数据，并创建各自节点信息保存到neo4j图谱数据库里。接着对应需要问答的语句，进行通过kdtree来判断其是属于哪一种类别的问题。然后进行根据问题会具有的一些常用名词来判断其想问的是哪一种问题。然后根据问题回答构建对应的回答内容。2、相关软件安装与排错：其中参考的应用工程为：QASystemOnMedicalKG医疗问答系统相关软件包：neo4j、对应的j
2021-04-14 11:27:32
1304
原创 深度学习知识十五：basnet边缘注意力分割网络、SSIM Loss原理介绍
1、basnet边缘注意力分割网络原理介绍：basnet主要使用了一个Residual Refinement Module跟SSIM loss，其解码网络主要有7个输出，然后通过Residual Refinement Module进行输出一个，总共有8个输出，他们的输出W H大小跟输入数据的W H一样。basnet网络其目标分割效果很好，除了使用上面的RRM网络结构外还有一个是使用了SSIM loss 这个损失会计算预测输出跟打标mask的亮度、对比度、图像结构这三者的损失。BASNET网络的结
2021-03-27 21:39:43
4640
1
原创 逻辑回归（LR)与支持向量机（SVM)之间的异同
最近有几个朋友私信我，说是在校招的时候被问到LR与SVM之间的异同，回答的不是太满意，希望我总结一下。一、首先LR与SVM有什么相同点呢？第一，LR和SVM都是监督学习算法。说白了就是带标签的学习。第二，LR和SVM都是分类算法。这里要说的是一般情况下LR与SVM的标签都是0/1这样的离散值，当然他们也是可以做回归的。第三，如果不考虑核函数，LR和SVM都是线性分类算法，也就是说他们的分类决策面都是线性的。这里要先说明一点，那就是LR也是可以用核函数的，至于为什么通常在SVM中运用核函数而不在
2021-03-18 22:51:03
2173
原创 centos7 安装TensorRT
参考博客：centos7 安装TensorRT注意：a、主要两个文件：TensorRT、pycuda包文件。b、tensorRT需要到官网下载后解压到固定的系统文件夹下即可。pycuda则是直接使用pip安装即可。c、加速流程：pytorch模型转换成onnx，使用自身的onnx模块即可；然后通过onnx转换成tensorrt的模型格式，大概后缀为.engine；最后就可以通过调用这个engine进行相应的加速使用。1.安装cuda、cudnn问题：patchlevel.h没有那个文件将py
2021-03-15 15:32:53
1254
原创 通过pycharm创建django工程
1、安装django直接使用pip进行安装Django包：Django2.2.7、django-extensions2.2.5、django-log-request-id1.4.0、django-redis4.10.0。2、使用pycharm进行创建django工程：创建django的步骤如下：创建完后的工程如下：其中每个app都作为一个基本功能模块，如果有新的功能模块，则可以添加新的app，这样子有利于代码的更好管理，其中添加新的app的方式如下，参考Django在创建一个app：
2021-03-04 16:51:44
388
1
原创 ubuntu16.04系统出现问题解决方案集锦。
问题：在系统出现安装ctrl+alt+f1可以进人tty控制台，并且系统各种功能都正常的条件下，进行UI界面登陆的时候会出现闪退又回到登陆界面，此时肯定就是出了问题，所以重新安装界面即可。解决方法：重新安装系统界面即可解决：apt-get updatesudo apt-get install xinitsudo apt-get install gdm接下来可选安装-可以出现两个界面模式供选择，其中选择gdm3，应当其它的也行。问题：ubuntu出现clean files block.
2021-02-03 15:11:13
547
转载 教你用FRP做内网穿透 使用远程桌面连接家里的windows电脑
大部分家用宽带没有独立的IPV4，没法直接连接。FRP是一个内网穿透的神器，可以通过一个有公网IP的服务器搭建FRP服务端，去转发流量实现内网穿透。下载FRP在Github开源:https://github.com/fatedier/frp在releases页面下载对应的版本。压缩包只是对应平台不同，每个包解压都包含服务器端和客户端。服务器端配置下载服务器端我用的是centos，所以在releases页面下载"frp_0.33.0_linux_amd64.tar.gz",如果服务器端是其他
2020-12-19 14:27:58
4957
1
原创 数据库之-redis操作跟docker部署redis
redis 操作一、安装：安裝redis数据库的方法有两种，一种直接通过docker进行安装镜像、一种直接使用tar安装包进行安装。这两种方法各有优缺点：第一种优点：安装速度快，不用进行源码make操作。缺点：就是缺少了redis.conf配置文件，这个是用来配置redis的密码，或者集群部署的文件，需要另外下载，或者使用第二种安装后的文件。第二种优点：自带redis.conf文件，可以省去下载此文件的麻烦。缺点：安装速度一般，要进行源码make操作第一种安装方法：参考博客：Docker
2020-12-08 17:08:17
417
原创 vue-cli基础知识点一
一、前端、后端；前台、后台概念。前台：以html、css、js为基本元素编写的页面功能。后台：就是通过flask、Django等提供的web服务。前端、后端：其都属于前台的部分，其前端主要指的是页面的美化，布局等。后端主要指的是给页面提供跳转，变量共享等功能的服务。vue-cli脚手架就是前端框架，学习vue不一定要会node,而是会node的一些指令就可以了,其主要使用的是node里的npm指令。node.js就是后端，给页面提供服务的，使页面能有效的、高效的跳转。二、需要了解的doc命令
2020-12-01 09:30:30
395
原创 re模块的主要使用
re模块解释re模块对应字符解析具有很强的功能，我们常用的功能大概有：match、search、split。其中split的可以理解为，先进行search后进行对查找到的字符进行分割。使用不同正则方式可以获取不一样的结果，例如[]、()符合进行包含正则时其结果时不太一样的。split常用的方式介绍：使用非数字进行分割：其中^是取反的意思#1.以非数字进行分割s = '11,22:33;44-55&&66'res = re.split("[^0-9]+",s)pri
2020-11-19 14:07:14
225
转载 彻底明白ip地址，区分localhost、127.0.0.1和0.0.0.0
一、通俗的了解IP地址是什么对于IP地址，大家并不陌生，特别是在网络访问中我们会经常使用到（平时对域名如百度的www.baidu.com的访问，本质就是对域名所绑定的IP地址的访问），那么IP地址是什么呢？首先，我们要知道网络中的相互访问其实就是在进行两者间的数据传递。就如同送快递一样，快递发出只有知道你的住址信息，才能将快递送到你的手中。而在网络访问时，只有知道你在网络中的地址信息，才能将数据发送到你的设备上。所以，IP地址就是你在网络中的地址信息。与你现实地址不同的是，你的现实地址使用文字表示，而你
2020-11-18 17:33:50
1168
转载 markdown的使用跟自己总结，可以用在readme.md、csdn的md博客编写
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2020-11-04 14:41:07
191
转载 常用的3D深度相机汇总
近年来，高性价比的3D深度相机的出现极大地加速了机器人以及3D视觉领域的发展。本文章介绍展示一些常见的3D深度相机列表，便于读者能够方便的获取3D深度相机相关的信息微软 Kinect™ 2.0类型：飞行时间(TOF)深度范围：0.5- 4.5 m3D分辨率：512 x 424RGB分辨率：1920 x 1080帧率：30 fps延迟：至少20 ms视场角：70° H, 60° V物理尺寸：~250x70x45 mm (head)接口：USB 3.0..
2020-08-24 11:16:50
4942
原创 步进电机、伺服电机、舵机的理解
一、步进电机、伺服电机、舵机的定义跟区别步进电机：步进电机一般叫做几线几相，其这里的线指的是绕线圈所用到的总线数。详细的介绍地址为：第10章 步进电机控制1、而相则是步进电机的线圈数量。例如：2、而步进角定义：注意：从这里也可以看出，相数越多则电机精度也越高。3、 而普通电机励磁方式为：总结：从这里可以看出不同的通道方式，则步进电机表现出来的精度也不同，其中上面的计算的1.8度步进角是1相通电的方式得到的。这个通电方式会产生较大抖动，丢步的话就会出现打误差。4、驱动板细分：从上面
2020-07-20 14:30:31
1872
转载 【深度学习】基于深度学习的数据增广技术一览
周末在家无聊，偶然兴心想对CV领域常用的数据增广方法做个简单的调研与总结，重点是AI时代新兴的几种反响还不错的方法、各种第三方与官方实现代码等。那么今天由Happy来跟大家聊一聊深度学习中那些常用的数据增广方法。在图像分类任务中，数据增广是一种常用的正则化方法，同时已成为提升模型性能所必不可少的步骤。从引领AI热潮的AlexNet到最近EfficientNet都可以看到数据增广的身影。数据增广的方法也由传统的裁剪、旋转、镜像等方式逐渐过渡到当前火热的AutoAug、RandAug等基于NAS搜索的数据增
2020-06-26 12:26:03
1943
原创 Flask、django--如何在pycharm中导入并运行项目、flask出现即You did not provide the “FLASK_APP“报错解决
一.导入flask项目File-Open选择需要导入flask项目（如项目名为flasky）。二.设置解释器File-Settings-Project Interpreter，如下图所示三.添加Flask server1.点击pycharm右上角的Add Configuration2.点击+号，选择Flask Server3.填写参数4.运行项目点击pycharm右上角的运行按钮：在浏览器中输入访问地址：http://127.0.0.1..
2020-06-15 14:39:44
2063
原创 光条中心线提取-Steger算法（基于Hessian矩阵）类似于ArcScan提取道路中心线
采用结构光进行扫描检测时，需要提取激光条纹的中心线，本文采用经典的Steger算法提取光条中心。Steger算法原理Steger算法基于Hessian矩阵，能够实现光条中心亚像素精度定位：首先通过Hessian矩阵能够得到光条的法线方向，然后在法线方向利用泰勒展开得到亚像素位置。对于图像中激光条纹上的任意一点(x,y)(x,y)，Hessian矩阵可以表示为：H(x,y)=[rxxrxyrxyryy]H(x,y)=[rxxrxyrxyryy]其中rxxrxx表示图像沿x的二阶偏导数，其他参数
2020-05-09 22:32:59
6642
3
转载 无人驾驶算法-使用Stanley method进行路径跟踪
一、基于几何追踪的方法关于无人车追踪轨迹，目前的主流方法分为两类：基于几何追踪的方法和基于模型预测的方法，其中几何追踪方法主要包含纯跟踪和Stanley两种方法，纯跟踪方法已经广泛应用于移动机器人的路径跟踪中，网上也有很多详细的介绍，本文主要介绍斯坦福大学无人车使用的Stanley方法。Stanley method ...
2020-05-08 22:06:05
3354
原创 julia的安装跟各种IDE的选择
julia的安装：网上有各种方法，大概可以归为一下两种：直接下载julia安装包安装，这种事没有IDE进行代码调试的，只有控制台下载带有julia的JuliaPro进行安装IDE跟julia。（简单可靠）注意：上面第一种如果要进行IDE调试代码则需要安装第三方IDE，大概有VScode、ATom、pycharm等主要三种，其要安装一个第三方的插件来把IDE跟安装的julia关联起来。...
2020-05-06 17:17:34
3539
1
转载 自动驾驶中的车辆运动学模型
简介要控制车辆的运动，首先要对车辆的运动简历数字化模型，模型建立的越准确，对车辆运动的描述越准确，对撤离跟踪控制的效果就越好。处理真实反应车辆特性外，简历的模型也应该可能的简单易用。1.以后轴的中心点为原点的车辆运动模型的三个值主要是指x、y方向的速度跟车体自身的角速度。主要的参考地址：自动驾驶中的车辆运动学模型卡车的运行模型...
2020-04-30 15:39:13
2950
原创 PID学习（一）：基本概念+例子理解
一、定义在过程控制中，按偏差的比例（P）、积分（I）和微分（D）进行控制的PID控制器（亦称[PID调节器]，是应用最为广泛的一种自动控制器。PID即：Proportional（比例）、Integral（积分）、Differential（微分）的缩写二、各部分详解总述：image.png1.比例系数P在y = k·x中的，k是比例系数p。 其中，x是当前值cu...
2020-04-30 09:31:53
2048
原创 Linux/Centos Mondo 一键部署、镜像恢复，快速部署，跟使用vnc远程管理操作Ubuntu系统
一.简介Mondo Rescue是一个开源免费的故障恢复和备份工具，用户可以轻松地创建系统（Linux或Windows）克隆或备份的ISO镜像，可以将这些镜像存放在CD、DVD、磁带、USB设备、硬盘和NFS上。Mondo Rescue还可以用来快速恢复或者重新部署工作镜像到其他系统中，万一碰到数据丢失，你还可以从备份介质恢复尽可能完整的系统数据。Mondo Rescue（以下简称Mondo）...
2020-04-26 14:23:26
949
原创 linux安装VScode,跟C++开发实用的插件安装
1.VSCode在linux下的安装：1.去VSCode官网下载对应系统的安装包，如下：由于自己常使用的系统是centos，其安装包的格式rpm，所以这里点击【.rpm】格式的软件包下载。2.安装：下载完后，双击运行即可进行安装，如果运行不了则右键属性，给其添加权限。指令如下：chomd +x 3.开发的实用插件安装：主要参考博客：linux vscode 安装与配置 简单的程序...
2020-04-17 15:33:41
2920
原创 深度学习知识六：(模型量化压缩)----pytorch自定义Module,并通过其理解DoReFaNet网络定义方法。
参考中文官方,详情参考：PyTorch 如何自定义 Module1.自定义ModuleModule 是 pytorch 组织神经网络的基本方式。Module 包含了模型的参数以及计算逻辑。Function 承载了实际的功能，定义了前向和后向的计算逻辑。下面以最简单的 MLP 网络结构为例，介绍下如何实现自定义网络结构。完整代码可以参见repo。1.1 FunctionFunction ...
2020-03-20 14:48:05
1126
转载 opencv中的Mat、CvMat以及IplImage介绍以及三者之间的转换
OpenCV中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage。这三种类型都可以代表和显示图像，区别是：Mat类型侧重于计算，数学性较高，OpenCV对Mat类型的计算进行了优化；CvMat和IplImage类型更侧重于“图像”，opencv对其中的图像操作（缩放、单通道提取、图像阈值操作等）进行了优化。在opencv2.0之前，opencv是完全用C实现的，但是，IplIma...
2020-02-26 18:49:54
1464
转载 一大波PyTorch图像分割模型来袭，俄罗斯程序员出品新model zoo
一个新的图像分割model zoo来啦！一大波基于PyTorch的图像分割模型整理好了就等你来用~这个新集合由俄罗斯的程序员小哥Pavel Yakubovskiy一手打造，包含四种模型架构和30种预训练骨干模型（backbone），官方文档列举了四条主要特点： 高级API（两行代码构建神经网络） 4种模型架构：Unet，Linknet，FPN，PSPNet 每...
2020-02-14 10:24:27
1462
原创 微软自动调参工具—NNI—安装与使用教程
简介NNI是微软的开源自动调参的工具。人工调参实在是太麻烦了，最近试了下水，感觉还不错，能在帮你调参的同时，把可视化的工作一起给做了，简单明了。其可以可以看到当前试验的进展情况，搜索参数和效果最好的一些超参数组合。例如：通过下面的颜色图就能直观地看到红色（即精度较高的超参组合）线条所表达的丰富信息。如卷积核大一些会表现较好。全连接层大了不一定太好。也许是所需要的训练时间增加了，训练速度太...
2020-02-11 15:25:59
7363
1
原创 onnx与tensorflow格式的相互转换，opencv直接调用pd文件进行预测,pytorch转换为onnx
onnx是Facebook打造的AI中间件，但是Tensorflow官方不支持onnx，所以只能用onnx自己提供的方式从tensorflow尝试转换Tensorflow模型转onnxTensorflow转onnx， onnx官方github上有提供转换的方式，地址为https://github.com/onnx/tutorials/blob/master/tutorials/OnnxTens...
2020-02-06 17:07:42
3591
原创 opencv的dnn调用yolov3原生态的网络进行预测的方法
总的运行代码为：#include <iostream>#include <opencv2/highgui.hpp>#include <opencv2/imgproc.hpp>#include <opencv2/dnn.hpp>#include <fstream>#include<time.h>using na...
2020-02-06 16:59:52
1455
2
原创 OpenCV中如何提取不规则ROI区域, 手眼标定hand_eye_calibration
opencv提取ROI区域：在做这个之前，首先来了解一下什么图像处理中的mask(遮罩)，OpenCV中是如此定义Mask的：八位单通道的Mat对象，每个像素点值为零或者非零区域。当Mask对象添加到图像区上时，只有非零的区域是可见，Mask中所有像素值为零与图像重叠的区域就会不可见，也就是说Mask区域的形状与大小直接决定了你看到最终图像的大小与形状。一个具体的示例如下：可以看出，mas...
2020-02-02 16:08:04
3113
转载 总结|深度学习实现缺陷检测收集（参考论文，思路，代码)
前言缺陷检测是工业上非常重要的一个应用，由于缺陷多种多样，传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移，复用性不大，要求区分工况，这会浪费大量的人力成本。深度学习在特征提取和定位上取得了非常好的效果，越来越多的学者和工程人员开始将深度学习算法引入到缺陷检测领域中，下面将会介绍几种深度学习算法在缺陷检测领域中的应用。A fast and robust convolutional ne...
2020-02-02 15:02:29
9647
1
原创 单镜头视觉系统检测车辆的测距方法
以前提过单目测距的问题，检测的障碍物2-D框加上摄像头的姿态和路面假设。以下根据公开发布的论文讨论具体的算法。注：深度学习直接估计深度图不属于这个议题。Vision-based ACC with a Single Camera: Bounds>著名的Mobileye论文，先看成像几何如图：本车A，前方车B和C，摄像头P焦距f，高度H，和障碍物B/C距离Z1/Z2，B/C检测框着地点...
2020-02-01 15:52:30
3920
2
原创 pytorch实用工具：torchsummary、torchsnooper
一. torchsummmary工具：其主要是用来计算网络的计算参数等信息的，其大概的流程为：安装指令：pip install torchsummary使用方法： import torch, torchvision model = torchvision.models.vgg model = torchvision.models.vgg16() from torchsum...
2020-02-01 10:19:47
26329
7
转载 卸载 x 雷某度！GitHub 标星 1.5w+，从此我只用这款全能高速下载工具Motrix！
亲测：1.这个用于某度下载需要安装另一chrome插件，但是安装了后无法出现moapp的页面变换。所以这个用来下载百度资源失败。2.对于一些需要科学上网来下载的资源，也会导致失败，反而使用chrome，可以正常下载。3.对于下载有版权的视频则可以使用这个下载，因为迅雷是有检测视频版权的，如果有版权的不是通过正规途径会禁止下载的。 总结：这款软件暂时还是不要用，第一对于自己百度资源...
2020-01-09 11:49:07
2001
1
原创 linux卸载旧版CUDA跟安装的驱动并安装新版CUDA跟cudnn安装
使用GPU和CUDA、cuDNN进行深度学习计算的浪潮已经持续了很多年，在此期间，显卡驱动和CUDA版本，以及cudnn深度学习工具包的版本已经更新了很多次。随着新的TensorFlow 2.0版和Pytorch1.3版的发布，我们用于深度学习的机器也需要将运行环境更新到最新版本了，尤其是还在使用CUDA 8.0的话。本文将介绍如何卸载旧版CUDA(如8.0版)并安装新版CUDA(10.0版)材...
2020-01-05 15:14:14
5876
1
原创 Pytorch 使用不同版本的 cuda,跟使用不同版本的cuda进行编译扩展库，其实TensorFlow也是一样，编译Dcn v2例子。升级GCC
使用pytorch时我们可能需要对其进行扩展一些功能，例如近随机卷积的DcnV2。此时我们则需要选择适合的cuda版本进行安装并进行编译扩展。由于我们电脑上可能已经安装过多个cuda版本，此时我们可以根据通过设置环境变量进行随意切换使用的cuda版本。如下安装多个版本的的电脑为什么安装了pytorch如果编译扩展库需要再安装cuda库。不管我们通过什么进行安装pytorch等深度框架的时候...
2020-01-05 12:41:34
1128
bvlc_googlenet.zip
2020-02-05
Libtorch的在pytorch的stable1.0版本编译的CPU版本
2019-01-07
keras版本的Mash_RCNN源码，其中修改了官方例子的一些错误代码。
2018-06-27
caffe画图工具
2017-06-09
重装系统易缺少文件
2017-05-25
ippicv的运行库
2017-05-12
ffmpeg下载的运行库
2017-05-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人