1.Anaconda和python的关系Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等。Anaconda可以视为python的一个发行版，是针对机器学习和数据科学的一个特殊的python版。硬要类比的话，如果python是初始的安卓系统，那么Anaconda就是内置了安全管家、聊天软件等实用工具后的安卓系统。那么Anaconda在机器学习方面

1.解析robots.txt文件有一些站点它在 robots.txt 文件中设定了禁止浏览该站点的代理用户。既然目标站点有这样的规矩，我们就要遵循它。使用urllib的robotparser模块来解析robots.txt文件，以避免下载禁止爬取的url 然后通过can_fetch()函数来判断指定的用户代理是否符合解析出的robots.txt规则。urllib包含四大模块：request（请求）、

1.Anaconda和python的关系Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等。Anaconda可以视为python的一个发行版，是针对机器学习和数据科学的一个特殊的python版。硬要类比的话，如果python是初始的安卓系统，那么Anaconda就是内置了安全管家、聊天软件等实用工具后的安卓系统。那么Anaconda在机器学习方面

目录1.计算标号1.1生成锚框1.2生成预测框1.3标注2.计算损失2.1模型的预测2.2损失的计算3.参考代码3.1计算标号3.2计算损失1.计算标号目标检测的损失，首先要根据真实框计算出预测框，预测框标注了锚框与真实框的中心点和高宽的偏差，物体的类别。模型预测出的是这些偏差值，损失由这些偏差值来建立。1.1生成锚框给出下采样值，将图片划分为 M 行 N 列个小方框，以每个小方框的中心生成多个形

使用库中定义的reverse()函数。其作用是将一个范围内的迭代器逆序，因此作用于字符串时，可将字符串逆序。

1.数据处理1.1标号数据读取1.1.1数据集划分安全帽数据集共有5000张图片和5000个标注文件xml，每个xml文件对应一张图片，在提取数据集的标号前，首先应该划分数据集train、test、val各3750、625、625张，分别占全部数据集的1/4、1/8、1/8。# 数据预处理:5000张图片和5000个标注xml文件# 划分集合:train:3750, test:625, val:6

尝试用python做音频的LSB隐藏算法，过程是曲折的，虽然结果还有一些瑕疵，毕竟对音频的信号处理还不太熟练，不过结果总算是成功了。1.环境win10操作系统、pycharm编辑器、python3.9、第三方库：librosa、bitarray1.1安装bitarray之所以选择安装bitarray是为了解决中英文字符串和二进制字符串的转化问题pip install bitarray1.2安装li

1.数据处理1.1标号数据读取1.1.1数据集划分安全帽数据集共有5000张图片和5000个标注文件xml，每个xml文件对应一张图片，在提取数据集的标号前，首先应该划分数据集train、test、val各3750、625、625张，分别占全部数据集的1/4、1/8、1/8。# 数据预处理:5000张图片和5000个标注xml文件# 划分集合:train:3750, test:625, val:6

1.API分类1.1基础API对于训练调优场景，使用paddle.save/load保存和载入模型。对于推理部署场景，使用paddle.jit.save/load（动态图）和paddle.static.save/load_inference_model（静态图）保存载入模型。1.2高级APIpaddle.Model.fit (训练接口，同时带有参数保存的功能)paddle.Model.savepa

ArcFace/InsightFace（弧度）是伦敦帝国理工学院邓建康等在2018.01发表，在SphereFace基础上改进了对特征向量归一化和加性角度间隔，提高了类间可分性同时加强类内紧度和类间差异。论文链接：ArcFace: Additive Angular Margin Loss for Deep Face RecognitionLFW上99.83%，YTF上98.02%作为基于 soft