error: lto-wrapper failed collect2: error: ld returned 1 exit status报错信息error: lto-wrapper failed collect2: error: ld returned 1 exit status解决办法查看当前系统安装所有版本的gccls /usr/bin/gcc* -l下载gcc-4.8su

npm ERR! code ENOLOCAL npm ERR! Could not install from “” as it does not contain a package.json file. npm ERR! A complete log of this run can be found in: npm ERR!yarn安装执行操作npm i -g -yarn报错信息npm ERR!

分类评价指标精确率（查准率）precision=TPTP+FP precision = \frac{TP}{TP + FP} precision=TP+FPTP​召回率(查全率)recall=TPTP+FN recall = \frac{TP}{TP + FN} recall=TP+FNTP​fscore F1分值F1=2∗precision∗recallprecision+recall F1 =

分类评价指标精确率（查准率）precision=TPTP+FP precision = \frac{TP}{TP + FP} precision=TP+FPTP​召回率(查全率)recall=TPTP+FN recall = \frac{TP}{TP + FN} recall=TP+FNTP​fscore F1分值F1=2∗precision∗recallprecision+recall F1 =

PCA算法PCA算法：主成分分析是一种非监督的降维方法，降维可以做特征筛选，降低训练复杂度。在信号学里，信噪比越大，说明数据质量越好。其中信号有较大的方差，噪声有较小的方差。PCA正好可以借鉴信噪比这一理论，让数据在主轴上的投影方差最大。方差公式V(x)=1m∑i=1m(xi−x‾)2 V(x) = \frac{1}{m} \sum_{i=1} ^ m (x_i - \overline{x})^2

openvino object_detection_demo_yolov3_async .pb转.xml/.bin 目标检测yolov3.xmlyolov3.bin查看模型转换支持的模型文件列表models.lstcd C:\Program Files (x86)\IntelSWTools\openvino_2020.4.287\deployment_tools\inference_engine\

SVM支持向量机又称最大间距分类器。可以解决“线性可分”和“线性不可分”问题SVM的“三宝”：最大间距、对偶性和核函数。算法推导：入上图所示图中红线为决策边界。两条平行黑线共同组成最大间距。*“支撑向量”*为两条平行黑线上的点。决策边界公式θTx+b=0 \theta^Tx + b = 0θTx+b=0**“支撑向量”到决策边界的距离公式 **d=∣yi∣∣∣θ∣∣ d = \frac{|y_{i

K-Means算法K-Means聚类算法是非监督学习方法。对于样本数据，按样本之间的距离大小，将样本划分为K个簇。让簇内的点之间距离尽可能的小，同时让簇之间的距离尽可能的大。簇划分为（C1,C2,C3,…,Ck）（C_1, C_2, C_3, …, C_k）（C1​,C2​,C3​,…,Ck​）目标函数，最小化平方误差E=∑i=1k∑x∈Ci∣∣x−μi∣∣22 E = \sum_{i=1} ^

解决opencv打开摄像头慢，启动时间长最近发现一个神奇的问题。opencv打开摄像头慢，启动时间长，粗略统计起码超过1分钟。opencv-python==3.4.3 慢opencv-python==3.4.0.12 快解决办法pip installopencv-python==3.4.0.12重装不局限于我指出的版本，总之慢就换OpenCV版本欢迎大家交流学习，任何问题都可以留言...

解决tf2 NotImplementedError: Saving the model to HDF5 format requires the model to be a Functional model or a Sequential model. It does not work for subclassed models, because such models are defined vi