原创 RL筆記:RL_1

1. RL介紹 強化學習(Reinforcement Learning,RL),又稱再勵學習,評價學習或增強學習,是機器學習的範式和方法論之一,用於描述和解決智能體在於環境的交互過程中通過學習策略以達成回報最大化或實現特性目標的

原创 Pyinstaller打包程序

寫好程序後,利用Pyinstaller將程序打包爲可執行文件 首發地址:https://king-key.github.io 安裝Pyinstaller pip install pyinstaller 程序打包 進入程序的

原创 Sublime Text中自定義代碼片段爲Python文件添加作者信息

首先,需要有Sublime Text,用過各種文本編輯器,以及IDE,但還是感覺Sublime Text是用的最舒服的。 1.有言在先 在日常開發過程中,使用自定義的代碼片段,可以提高我們的開發效率。本文通過簡單的例子說明一下

原创 tf-faster-rcnn[cpu]實現目標檢測(二)模型測試

繼CPU下運行demo之後,現在開始使用res101進行voc數據的訓練 (1)在tf-faster-rcnn根目錄下,執行: NET=res101 TRAIN_IMDB=voc_2007_trainval+voc_2012_tr

原创 CNN之LeNet

LeNet實現(TensorFlow&PyTorch)TensorFlowPyTorch TensorFlow import tensorflow as tf def LeNet(input_tensor,train,regu

原创 PyQt5實現幫你向小姐姐表白

利用PyQt進行GUI編程,實現表白神器件 1. 先看效果 2. 代碼實現 #!/usr/bin/env python3 # -*- coding: utf-8 -*- # @Date : 2020-01-11 23:

原创 Ubuntu自定義命令

在Ubuntu中創建自定義命令,不失爲一種提高工作效率的方式 1. Linux系統下所有東西都是文件,這就很方便了,只需要添加一行命令即可,如下: 在用戶目錄下,打開.bashrc文件 找到以alias開頭的代碼段,

原创 itchat獲取羣聊用戶的信息

1. 安裝itchat pip install itchat python擴展包的安裝太簡單了,就只需要一行命令就可以解決 2. 利用itchat獲取羣聊好友的信息 直接上代碼,代碼裏面會有相關的註釋的 #!/usr/bin/e

原创 .pkl文件讀取

1. 根據網上查閱的讀取方法 import pickle file=open("./dataset-cornell-length10-filter1-vocabSize40000.pkl","rb") data=pickle.lo

原创 報錯:AttributeError: module 'scipy.misc' has no attribute 'imresize',已解決

程序報錯: AttributeError: module 'scipy.misc' has no attribute 'imresize' 解決方法: 降低scipy的版本 pip uninstall scipy #卸載已安裝的

原创 Ubuntu18.04中安裝Qt+OpenCV

1. 安裝Qt 1 在Qt官網下載安裝文件(Linux版本的):qt-unified-linux-x64-3.1.1-online.run[本人下載的是在線安裝的版本,可以根據個人需求進行下載] 2 修改文件權限chmod 75

原创 Ubuntu18.04下深度學習環境---TensorFlow(GPU)環境搭建

Ubuntu18.04下深度學習環境—TensorFlow(GPU)環境搭建 本人已經是第二次搭建環境,這次完全採用Anaconda進行環境搭建.系統環境也是重新裝機的新系統 安裝步驟 1. 驅動安裝 添加顯卡驅動源 su

原创 Ubuntu18.04中安裝Navicat並添加快捷方式

1 安裝Navicat 官方下載 點擊圖片跳轉官網進行下載 Navicat for MySQL 是管理和開發 MySQL 或 MariaDB 的理想解決方案。它是一套單一的應用程序,能同時連接 MySQL 和 MariaDB 數據

原创 tf-faster-rcnn[cpu]實現目標檢測(三)訓練自己的數據

在前兩篇博客中我們分別配置了環境和進行了demo的測試,接下來我們訓練自己的圖像數據並進行檢測. (1)製作數據集 我們採用VOC2007的數據模板,進行數據製作 VOC2007數據文件圖: VOC2007 ├── Annotat

原创 tf-faster-rcnn[cpu]實現目標檢測(二)

繼CPU下運行demo之後,現在開始使用res101進行voc數據的訓練 (1)在tf-faster-rcnn根目錄下,執行: NET=res101 TRAIN_IMDB=voc_2007_trainval+voc_2012_trai