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 sklearn无监督数据分析测试

数据如下格式,这些数据没有标签,需求是想把它们做个聚类,但又不知道可以分几类,那就只能尝试下无监督的方法。python的sklearn包中有很多无监督聚类方法,下面先做下简单的测试,代码如下from sklearn.cluster import KMeans, Birch, DBSCAN, MeanShift, estimate_bandwidth, SpectralClusteringfrom

#python#数据分析#sklearn
Ubuntu20.04安装opencv

wget -O opencv.zip https://github.com/opencv/opencv/archive/3.4.4.zipunzip opencv3.4.4.zipcd opencv3.4.4mkdir buildcd build/cmake -D CMAKE_BUILD_TYPE=Release -D OPENCV_GENERATE_PKGCONFIG=YES -D CMAKE_

#opencv#ubuntu
深度学习GitHub复现常见错误之参数num_workers引发的错误:“BrokenPipeError: [Errno 32] Broken pipe”

简单记录下这个错误,不止遇到一次了,还好我记得怎么回事,错误如下:C:\ProgramData\Anaconda3\lib\site-packages\h5py\__init__.py:36: FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is depre..

入坑生成对抗网络(GAN)

看了以后感觉还行的关于生成对抗网络的一个GitHub项目,安利给大家链接:https://github.com/kwotsin/mimicry文档:https://mimicry.readthedocs.io/en/latest/guides/introduction.html这个项目时以python包的形式发布了的,直接可以用pip安装pip install torch-mimicry安...

ImportError: /usr/local/cuda/lib64/libcudnn.so.7: file too short

真想不到我都能花式装cuda、cudnn了还能遇到这个问题。在网上看了一堆博客,还是没搞定,我咋辣么笨,记录一下,细节能遇到这个问题,估计大家的状态应该是一样的吧,那就是已经安装好了cuda,cudnn。并且nvcc -V 提示没问题,cudnn也在该在的位置,好吧,博客里面其实说的都对但是我就是没绕出来,最后我是这么出来的:此时你的/usr/local/cuda/lib64文件夹肯定...

JSON 数据解析时遇到ValueError: No JSON object could be decoded

Traceback (most recent call last):  File "dataDeal.py", line 28, in    createJson("/home/wcs/train2014.json","/home/wcs/train")  File "dataDeal.py", line 8, in createJson    data=json.load(f)

#json#python
RuntimeError: Given groups=1, weight of size 16 1 3 3, expected input[2, 3, 512, 512] to have 1 chan

pytorch训练代码出现这个错误,这个意思就是图像通道不对,要求1通道,给了3通道,去代码里改下就好了,或者改图像通道。

分割后图像块合并方法之区域邻接图

区域邻接图Region Adjacency Graphs (RAGs)下面记录下用rag解决分割问题的过程用图:from skimage import graph, data, io, segmentation, colorfrom matplotlib import pyplot as pltfrom skimage.measure import regionpropsfrom s...

UNet多分类记录

unet实现CamVid数据集的多分类记录

#pytorch
Github复现之TransUNet(Transformer用于语义分割)

Transformer最近应该算是一个发文章的新扩展点了,下面给出了三个网络的结构分别是TransFuse,TransUNet,SETR。很明显,结构里那个Transformer层都是类似的,感觉只要用一下那个层,包装一下,发文章会比纯做卷积网络创新相对轻松些,目前我只用了TransUNet,也没有怎么训练,还没法给出实际效果的好坏评价,后续会多做实验,评估这些网路用于实际时究竟怎样,接下来就先完

    共 17 条
  • 1
  • 2
  • 请选择