logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

python轻量绘图库toyplot初步教程

Toyplot是一个Python可视化库,专注于生成高质量的科学图表,支持SVG、HTML、PNG/PDF输出。安装简单,可通过pip或conda完成。基本绘图流程包括创建画布、定义坐标系和绘制数据。Toyplot支持子图布局,通过rect参数控制坐标轴位置和尺寸。还能实现双坐标轴绘图,使用axes.share方法共享x轴并创建不同范围的y轴。代码示例展示了如何绘制正弦函数、子图和双y轴图表,并支

文章图片
#python#数据可视化
用python画电路板:SkiDL

文章摘要:SKiDL是一个用Python代码描述电子电路连接逻辑的工具,可无缝导入KiCAD等EDA软件。安装时需配置KiCAD库文件环境变量。文中演示了用SKiDL创建简单电阻分压电路的示例,包括网络创建、元件实例化、属性设置及连接操作,并生成网表文件供KiCAD验证。需要注意的是重新执行代码时会产生幽灵器件问题,可通过default_circuit全局变量管理电路状态。全文150字。

文章图片
#python#开发语言#开源
用Python做3D建模:CadQuery

CadQuery是一款基于Python的3D建模库,可通过代码创建CAD模型。安装时建议使用conda新建环境。基本操作包括创建工作平面、绘制几何体(如立方体、圆孔)和切换工作面。CQ-editor是其图形界面工具,无需安装即可使用。示例代码展示了创建带孔和沉头孔的立方体流程,关键方法有Workplane指定平面、faces切换平面、forConstruction标记辅助线等。该工具适合通过编程实

文章图片
#python#3d#开发语言
Python中用Vega:Atair初步教程

本文介绍了使用Python中的Altair库调用Vega语法创建交互式可视化图表的方法。主要内容包括:1. 安装Altair和vega_datasets库;2. 创建简单的散点图示例并导出为HTML格式;3. 在VS Code中使用Vega Viewer编辑JSON格式的图表;4. 实现动态交互图表,展示了通过选区范围变化实时计算并显示平均值的功能。文章通过代码示例和效果图演示了Vega在数据可视

文章图片
#python#json
Python三维绘图神器PyVista初步教程

本文介绍了PyVista的安装与基本使用方法,并展示了其在三维光场可视化中的应用。PyVista是VTK的Python封装,简化了复杂3D图形的创建过程。通过pip安装后,演示了官方示例的加载与显示。重点讲解了如何用PyVista可视化高斯光束的三维分布:首先生成光束数据,然后利用ImageData创建网格对象,最后通过切片方式展示三个正交剖面的光强分布。代码中详细说明了网格参数设置、数据绑定和可

文章图片
#python
用VSCode写latex,中英文混排

本文介绍了LaTeX环境配置及中英文字体设置方法。首先需要安装MikTeX和Perl环境,然后在VS Code中安装LaTeX Workshop插件。通过配置VS Code的settings.json文件,可启用XeLaTeX引擎支持中英文混排,设置Times New Roman和宋体作为默认字体。文章提供了完整的配置代码,包括编译器设置、PDF预览器选项和自动刷新功能。配置完成后可实现实时预览效

文章图片
#vscode#编辑器
Pytorch中transforms详解

本文介绍了PyTorch中torchvision.transforms模块的数据预处理方法,重点对比了v1和v2版本的区别。主要内容包括:1)基本使用方法,通过Compose组合Resize、ColorJitter等变换;2)处理结果可视化注意事项;3)详细分类整理了v2版本提供的各类变换,包括组合控制、类型转换、几何变换、颜色调整等,并标注了与v1版本的差异。特别强调了v2版本新增的现代增强策略

文章图片
#pytorch#人工智能#python
Python目标检测神器Ultralytics,开箱即用的Yolo

本文介绍了YOLO目标检测算法的安装与使用方法。首先说明了通过pip安装Ultralytics库的步骤,包括Python环境配置和依赖项安装。接着展示了YOLO的最简调用方式,只需三行代码即可完成目标检测。文章还介绍了模型输出功能,支持将模型导出为ONNX等通用格式。此外,详细说明了模型训练流程,包括加载预训练模型、训练和验证步骤。最后演示了视频目标跟踪功能,支持BoT-SORT和ByteTrac

文章图片
#python#目标检测#AI
Pytorch中的BatchNorm2d

本文介绍了PyTorch中的BatchNorm2d归一化层原理与实现。其数学公式通过计算输入特征的均值和方差进行标准化,并引入可学习的仿射参数γ和β。实现时区分训练模式(实时计算统计量并更新全局运行均值/方差)和推理模式(使用训练阶段累积的统计量)。BatchNorm2d函数参数包括特征数、eps值、momentum系数等,默认跟踪运行统计量。通过示例代码展示了输入输出形状保持一致的特性,并给出了

文章图片
#pytorch#机器学习#人工智能
从零开始实现Yolo v1

YOLOv1是一种端到端的物体检测网络,其核心思想是将输入图像划分为7×7网格,每个网格预测2个边界框和20个类别概率。网络结构包含24个卷积层和2个全连接层,输入448×448×3图像,输出7×7×30张量。损失函数由三部分组成:坐标定位损失(使用平方根处理宽高)、置信度损失(区分有无物体)和分类损失。实现时需要注意对宽高进行开平方处理,并采用不同权重平衡各项损失(λ_coord=5.0,λ_n

文章图片
#AI#深度学习#神经网络
    共 215 条
  • 1
  • 2
  • 3
  • 22
  • 请选择