Mask RCNN训练过程中loss为nan的情况(使用labelme标注的数据) 5C
  1. 不是batchsize的问题,不是学习率的问题。我已经将学习率调成了0,结果也是这样,即迭代几次之后(不是一上来就是nan),loss就为nan了,但是后面5个loss正常收敛。
  2. 训练类别数与数据集中的类别数一致。
  3. 想问问 帖子里面有大神知道原因,希望告知!多谢!!

图片说明

weixin_38353277
中科哥哥 回复wtx1575112836: jie jue le ma ? xiong di
大约一个月之前 回复
wtx1575112836
wtx1575112836 兄弟,你的这个问题解决没?我的也这样
5 个月之前 回复

1个回答

Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
Mask r-cnn 无法训练的问题

在做 https://github.com/matterport/Mask_RCNN 的复现。 在复现train_shpes时,在heads层训练时,卡在了Epoch 1/1。我观察下gpu和cpu,都没有工作 我在停止代码运行时发现停在了 File "<ipython-input-2-72119e4591c8>", line 1, in <module> runfile('D:/py/Mask_RCNN-master/samples/shapes/train_shapes.py', wdir='D:/py/Mask_RCNN-master/samples/shapes') File "D:\anaconda\envs\tensorflow\lib\site-packages\spyder\utils\site\sitecustomize.py", line 705, in runfile execfile(filename, namespace) File "D:\anaconda\envs\tensorflow\lib\site-packages\spyder\utils\site\sitecustomize.py", line 102, in execfile exec(compile(f.read(), filename, 'exec'), namespace) File "D:/py/Mask_RCNN-master/samples/shapes/train_shapes.py", line 258, in <module> layers='heads') File "D:\py\Mask_RCNN-master\mrcnn\model.py", line 2352, in train use_multiprocessing=True, File "D:\anaconda\envs\tensorflow\lib\site-packages\keras\legacy\interfaces.py", line 87, in wrapper return func(*args, **kwargs) File "D:\anaconda\envs\tensorflow\lib\site-packages\keras\engine\training.py", line 2011, in fit_generator generator_output = next(output_generator) File "D:\anaconda\envs\tensorflow\lib\site-packages\keras\utils\data_utils.py", line 644, in get time.sleep(self.wait_time) 有大佬知道怎么解决吗,或者有谁出现了相同的问题吗??

怎么用labelme标记虹膜

想用labelme标记虹膜,但是只能用多边形标记虹膜的轮廓,不知道怎么把中间的瞳孔扣掉,求问怎么办?或者有没有别的软件可以满足这个要求?

求问labelme的图像标注问题

请问这样子对图片进行标注,可实现识别戴着安全帽的人头吗?Mask-Rcnn初学者,求大神帮助 ![图片说明](https://img-ask.csdn.net/upload/202003/16/1584351747_736166.png)

语义分割或实例分割模型训练,如何利用数据增强手段,减少手工标注的工作量

对于语义分割或实例分割模型的训练,其需要对原始图片进行事先标注。而这种标注一般都是手工处理,难以提供大量训练数据集。貌似这个标注工作都是通过外包(本质还是要靠人工标注实现)。 然而,数据集的扩充是可以通过数据增强的方式来实现的。不知道是否可以实现数据增强的同时,标注好的数据集,也同时进行增强。这样就可以避免或大大减少手工标注的工作量。。 我的个人理解是,数据增强可以通过代码简单实现,如平移、翻转、加噪、旋转等,相应的标注文件理论上来说,也可以通过代码实现相同的处理方式,从而生成新的数据集。。。 网搜了半天,貌似都没有相关的文章或代码,不知道有没高手可以帮忙指点下。。 我个人曾经试过Mask-RCNN模型的训练,用labelme进行数据标注。。后面用数据增强的方式,对原始图片进行了增强。同时也对标注生成的mask图片做了相同的增强处理。。。但是无法对labelme标注后生成的json文件进行修改(因为翻转、旋转等手段,其坐标值改变较多,需要比较复杂的计算,才能获取正确的数值---本人不会)。。。结果将新的数据集进行训练时,会报错:File "D:\python_files\Mask_RCNN-master\Mask-RCNN.py", line 201, in <module> dataset_train.load_shapes(count, img_folder, mask_folder, imglist, dataset_root_path) File "D:\python_files\Mask_RCNN-master\Mask-RCNN.py", line 143, in load_shapes width=cv_img.shape[1], height=cv_img.shape[0], mask_path=mask_path, yaml_path=yaml_path) AttributeError: 'NoneType' object has no attribute 'shape' ---如果使用原始的数据集,则是正常训练(说明模型训练时,应该还是用到了json文件)。。。求高手指点~~

关于labelme标注的json文件转png图片的疑问

训练Unet模型时,用labelme对原始图片进行标注后,会自动生成json文件。。然后利用json_to_dataset.py文件就可以将json文件转成一系列的文件,如info.yaml, img.png,label.png等。。 由于该label.png文件仍旧是三通道的格式,我读取为灰度图时,发现如果是同一个类别的像素值,在不同的label图片中,并不是固定的。也就是说,类别1的像素值在图片1中的像素值可能是38,而在图片2中的像素值可能就是85。。这样是否会影响模型的训练呢?? ---因为我发现我训练该模型的时候,模型的精度较低,而且提升不明显。。初步怀疑是这个原因。。截图如下: ![图片说明](https://img-ask.csdn.net/upload/201912/25/1577236394_609567.png) 我是以为对于这样的标注,理论上而言,同一类别的像素值应该是统一的。。 求高手指点迷津

已有原图像和mask 怎么去制作数据集呢

实验室老师给了一个课题是关于医学图像识别的 老师提供给我们一个他圈好的数据集 是黑白的超声图案和圈好的mask一一对应 然后用的是maskrcnn去做深度学习 ![图片说明](https://img-ask.csdn.net/upload/201910/05/1570261476_21269.jpg) 就像这样 在训练的时候遇到了问题 不知道要怎么去做成需要的格式的数据集 因为网上的教程好多都是用VGG Image Annotator (VIA)和labelme圈的,而我这个数据因为太多了而且比较精确 没有办法去手动圈 要怎么去做才能获得和via圈出来一样的数据集格式呢就是得到annotation的json文件 各位前辈有了解的请帮我解惑 非常感谢

labelme_to_json_dataset 报错

我用labelme给YaleB数据库的人脸图片做分割标签,在使_用labelme____to_json_dataset_时报错,提示信息如下:_AssertionError: rgb must be 3 dimensional_

做一个图像自动标注工具,我的想法是提取图像底层特征矩阵,然后输入神经网络训练,输出标签能实现吗?

我的想法是提取图像底层特征矩阵,然后输入神经网络训练,输出标签能实现吗? 还想请教一下提取什么样的底层特征比较合适,不要求精度很高,用opencv提取底层特征 然后构造特征矩阵合适吗

图像标注-图像理解方面-图像多标签

我最近在看tagprop这篇文章《TagProp:Discriminative Metric Learning in Nearest Neighbor Models for Image Auto-Annotation》,看代码,没有弄懂训练和测试的输入和输出是什么?例如在learn 代码中NN , ND数组是什么,代表的是什么意思?predict中的输入是什么?, 而且这个紧邻是如何计算的?基于排序的近邻和基于距离的紧邻是不同的吧?如何找到这些紧邻? 文章连接http://vigir.missouri.edu/~gdesouza/Research/Conference_CDs/IEEE_ICCV_2009/contents/pdf/iccv2009_040.pdf ![![![图片说明](https://img-ask.csdn.net/upload/201801/04/1515030920_68495.png)图片说明](https://img-ask.csdn.net/upload/201801/04/1515030912_422812.png)图片说明](https://img-ask.csdn.net/upload/201801/04/1515030891_939825.jpg) ![图片说明](https://img-ask.csdn.net/upload/201801/04/1515030892_429131.png) ![图片说明](https://img-ask.csdn.net/upload/201801/04/1515030902_389274.png)

labelImage标注后图像怎么进行分类存储

用labelImage标注好后,怎么标注的图片和未标注的图片以及对应的txt文件分类存储在文件夹里

人工智能及其应用相关问题

进化编程的机理和基本过程,并以四状态机为例说明进化编程的表示

如何用adaboost算法实现多类多标签的分类

最近初接触这个算法,二分类比较好理解,也查了资料了解到多分类可以转化为二分类问题,变成一对其余问题,那一轮迭代结束后,“一”是从上一轮的其余中确定还是在原始样本集中?

求灰度图与二值图相互转换的代码(位深度8~位深度1)

C语言的大作业,新手完全不会按位运算等Q_Q,纯C语言代码,只能用C语言的标准库函数,<windows.h>是不允许用的。

图片标注工具labelImg打不开

windows,Anaconda labelImg打不开图形界面,怎么办? 输入 conda install pyqt=5  pyrcc5 -o resources.py resources.qrc  python labelImg.py 会报错 Ran out of input

在Go中解组Yaml时,如何在列表中的键上设置默认值?

<div class="post-text" itemprop="text"> <p>I have a YAML like one below.</p> <pre><code>connections: - name: demo hosts: - demo.example.com:9200 username: admin password: password ssl: true ssl_verify: true version: 7 - name: test hosts: - "test.example.com:9200" username: admin password: password </code></pre> <p>As you can see <code>ssl</code> and <code>ssl_verify</code> is not set in the second item of the list. I want them by default to be <code>true</code>, however, it is not happening. I tried different solutions.</p> <ol> <li>Viper defaults - does not work.</li> </ol> <pre><code>viper.SetDefault("connections[].ssl", "true") </code></pre> <ol start="2"> <li><a href="https://github.com/creasty/defaults" rel="nofollow noreferrer">https://github.com/creasty/defaults</a> - does not work.</li> </ol> <pre><code>type Config struct { Connections []struct { Name string Hosts []string Username string Password string Ssl bool `default:"true"` SslVerify bool `default:"true"` Version int } } ... err := defaults.Set(config) </code></pre> <ol start="3"> <li><p>Manually looping through the list of structures. While these method work with strings, it does not work with boolean values because they are already initialized with <code>false</code> after unmarshalling and we don't know for sure whether <code>false</code> is entered by the user or not.</p></li> <li><p>Using pointers with boolean values. This works as uninitialized values are equal to <code>nil</code> and they are easy to catch. However, it will require to dereference pointers when using config struct, which is not very convenient. Alternatively, a new struct can be generated based on the one that comes from unmarshalling.</p></li> </ol> <pre><code>type Config struct { Connections []struct { Name string Hosts []string Username string Password string Ssl *bool SslVerify *bool Version int } } </code></pre> <ol start="5"> <li>Using hashmap instead of struct. This works because empty values are not initialized, however, it will require to run checks on the map elements before accessing them or to convert a map to the struct.</li> </ol> <p>Solutions 4 and 5 will likely work, but I am wondering if there anything better than that.</p> <p>Any ideas?</p> </div>

读取通用Yaml文件

<div class="post-text" itemprop="text"> <p>I have a config file in YAML. I want to define a struct which is generic enough for this file.</p> <p>Example:</p> <pre><code>A: B: C: D: E: F: G: </code></pre> <p>Since there is no predefined structure, I am not able to find out a proper struct for this kind of a struct.</p> <p>PS: struct incorporating all the fields is not acceptable.</p> </div>

anaconda安装pyQt5失败

![图片说明](https://img-ask.csdn.net/upload/201912/21/1576917253_120772.png) 我用命令安装,结果没找到这个包 该怎么安装啊

PNG的透明背景保存为黑色

<div class="post-text" itemprop="text"> <p>I recently followed <a href="http://net.tutsplus.com/tutorials/php/image-resizing-made-easy-with-php/" rel="nofollow">this</a> tutorial, but the thing is when I save a PNG it has a solid black background?.. I am rather new to php.. how do I save it with a transparent background?</p> <p>Here's the php class:</p> <pre><code># include("classes/resize_class.php"); # $resizeObj = new resize('images/cars/large/input.jpg'); # $resizeObj -&gt; resizeImage(150, 100, 0); # $resizeObj -&gt; saveImage('images/cars/large/output.jpg', 100); Class resize { // *** Class variables private $image; private $width; private $height; private $imageResized; function __construct($fileName) { // *** Open up the file $this-&gt;image = $this-&gt;openImage($fileName); // *** Get width and height $this-&gt;width = imagesx($this-&gt;image); $this-&gt;height = imagesy($this-&gt;image); } ## -------------------------------------------------------- private function openImage($file) { // *** Get extension $extension = strtolower(strrchr($file, '.')); switch($extension) { case '.jpg': case '.jpeg': $img = @imagecreatefromjpeg($file); break; case '.gif': $img = @imagecreatefromgif($file); break; case '.png': $img = @imagecreatefrompng($file); break; default: $img = false; break; } return $img; } ## -------------------------------------------------------- public function resizeImage($newWidth, $newHeight, $option="auto") { // *** Get optimal width and height - based on $option $optionArray = $this-&gt;getDimensions($newWidth, $newHeight, $option); $optimalWidth = $optionArray['optimalWidth']; $optimalHeight = $optionArray['optimalHeight']; // *** Resample - create image canvas of x, y size $this-&gt;imageResized = imagecreatetruecolor($optimalWidth, $optimalHeight); imagecopyresampled($this-&gt;imageResized, $this-&gt;image, 0, 0, 0, 0, $optimalWidth, $optimalHeight, $this-&gt;width, $this-&gt;height); // *** if option is 'crop', then crop too if ($option == 'crop') { $this-&gt;crop($optimalWidth, $optimalHeight, $newWidth, $newHeight); } } ## -------------------------------------------------------- private function getDimensions($newWidth, $newHeight, $option){ switch ($option) { case 'exact': $optimalWidth = $newWidth; $optimalHeight= $newHeight; break; case 'portrait': $optimalWidth = $this-&gt;getSizeByFixedHeight($newHeight); $optimalHeight= $newHeight; break; case 'landscape': $optimalWidth = $newWidth; $optimalHeight= $this-&gt;getSizeByFixedWidth($newWidth); break; case 'auto': $optionArray = $this-&gt;getSizeByAuto($newWidth, $newHeight); $optimalWidth = $optionArray['optimalWidth']; $optimalHeight = $optionArray['optimalHeight']; break; case 'crop': $optionArray = $this-&gt;getOptimalCrop($newWidth, $newHeight); $optimalWidth = $optionArray['optimalWidth']; $optimalHeight = $optionArray['optimalHeight']; break; } return array('optimalWidth' =&gt; $optimalWidth, 'optimalHeight' =&gt; $optimalHeight); } ## -------------------------------------------------------- private function getSizeByFixedHeight($newHeight) { $ratio = $this-&gt;width / $this-&gt;height; $newWidth = $newHeight * $ratio; return $newWidth; } private function getSizeByFixedWidth($newWidth) { $ratio = $this-&gt;height / $this-&gt;width; $newHeight = $newWidth * $ratio; return $newHeight; } private function getSizeByAuto($newWidth, $newHeight) { if ($this-&gt;height &lt; $this-&gt;width) // *** Image to be resized is wider (landscape) { $optimalWidth = $newWidth; $optimalHeight= $this-&gt;getSizeByFixedWidth($newWidth); } elseif ($this-&gt;height &gt; $this-&gt;width) // *** Image to be resized is taller (portrait) { $optimalWidth = $this-&gt;getSizeByFixedHeight($newHeight); $optimalHeight= $newHeight; } else // *** Image to be resized is a square { if ($newHeight &lt; $newWidth) { $optimalWidth = $newWidth; $optimalHeight= $this-&gt;getSizeByFixedWidth($newWidth); } else if ($newHeight &gt; $newWidth) { $optimalWidth = $this-&gt;getSizeByFixedHeight($newHeight); $optimalHeight= $newHeight; } else { // *** Sqaure being resized to a square $optimalWidth = $newWidth; $optimalHeight= $newHeight; } } return array('optimalWidth' =&gt; $optimalWidth, 'optimalHeight' =&gt; $optimalHeight); } ## -------------------------------------------------------- private function getOptimalCrop($newWidth, $newHeight) { $heightRatio = $this-&gt;height / $newHeight; $widthRatio = $this-&gt;width / $newWidth; if ($heightRatio &lt; $widthRatio) { $optimalRatio = $heightRatio; } else { $optimalRatio = $widthRatio; } $optimalHeight = $this-&gt;height / $optimalRatio; $optimalWidth = $this-&gt;width / $optimalRatio; return array('optimalWidth' =&gt; $optimalWidth, 'optimalHeight' =&gt; $optimalHeight); } ## -------------------------------------------------------- private function crop($optimalWidth, $optimalHeight, $newWidth, $newHeight) { // *** Find center - this will be used for the crop $cropStartX = ( $optimalWidth / 2) - ( $newWidth /2 ); $cropStartY = ( $optimalHeight/ 2) - ( $newHeight/2 ); $crop = $this-&gt;imageResized; //imagedestroy($this-&gt;imageResized); // *** Now crop from center to exact requested size $this-&gt;imageResized = imagecreatetruecolor($newWidth , $newHeight); imagecopyresampled($this-&gt;imageResized, $crop , 0, 0, $cropStartX, $cropStartY, $newWidth, $newHeight , $newWidth, $newHeight); } ## -------------------------------------------------------- public function saveImage($savePath, $imageQuality="100") { // *** Get extension $extension = strrchr($savePath, '.'); $extension = strtolower($extension); switch($extension) { case '.jpg': case '.jpeg': if (imagetypes() &amp; IMG_JPG) { imagejpeg($this-&gt;imageResized, $savePath, $imageQuality); } break; case '.gif': if (imagetypes() &amp; IMG_GIF) { imagegif($this-&gt;imageResized, $savePath); } break; case '.png': // *** Scale quality from 0-100 to 0-9 $scaleQuality = round(($imageQuality/100) * 9); // *** Invert quality setting as 0 is best, not 9 $invertScaleQuality = 9 - $scaleQuality; if (imagetypes() &amp; IMG_PNG) { imagepng($this-&gt;imageResized, $savePath, $invertScaleQuality); } break; // ... etc default: // *** No extension - No save. break; } imagedestroy($this-&gt;imageResized); } } ?&gt; </code></pre> <p>a lot of code i know.. but i wouldn't know which parts are vital..apologies...</p> <p>Any Help Greatly Appreciated.</p> </div>

Ubuntu下使用opencv打开摄像头出现“已放弃(核心已转储)”

在Ubuntu 16.04 系统下使用opencv-3.2.0打开摄像头,运行可执行程序后出现如下错误: OpenCV Error: Assertion failed (total() == 0 || data != NULL) in Mat, file /home/thunder/code/opencv-3.2.0/modules/core/include/opencv2/core/mat.inl.hpp, line 431 terminate called after throwing an instance of 'cv::Exception' what(): /home/thunder/code/opencv-3.2.0/modules/core/include/opencv2/core/mat.inl.hpp:431: error: (-215) total() == 0 || data != NULL in function Mat 已放弃 (核心已转储) 求助各位大神这是什么地方的问题,不胜感激! ![图片说明](https://img-ask.csdn.net/upload/201711/16/1510829093_261624.png)

4小时玩转微信小程序——基础入门与微信支付实战

这是一个门针对零基础学员学习微信小程序开发的视频教学课程。课程采用腾讯官方文档作为教程的唯一技术资料来源。杜绝网络上质量良莠不齐的资料给学员学习带来的障碍。 视频课程按照开发工具的下载、安装、使用、程序结构、视图层、逻辑层、微信小程序等几个部分组织课程,详细讲解整个小程序的开发过程

Python可以这样学(第四季:数据分析与科学计算可视化)

董付国老师系列教材《Python程序设计(第2版)》(ISBN:9787302436515)、《Python可以这样学》(ISBN:9787302456469)配套视频,在教材基础上又增加了大量内容,通过实例讲解numpy、scipy、pandas、statistics、matplotlib等标准库和扩展库用法。

组成原理课程设计(实现机器数的真值还原等功能)

实现机器数的真值还原(定点小数)、定点小数的单符号位补码加减运算、定点小数的补码乘法运算和浮点数的加减运算。

javaWeb图书馆管理系统源码mysql版本

系统介绍 图书馆管理系统主要的目的是实现图书馆的信息化管理。图书馆的主要业务就是新书的借阅和归还,因此系统最核心的功能便是实现图书的借阅和归还。此外,还需要提供图书的信息查询、读者图书借阅情况的查询等

土豆浏览器

土豆浏览器可以用来看各种搞笑、电影、电视剧视频

Java面试题大全(2020版)

发现网上很多Java面试题都没有答案,所以花了很长时间搜集整理出来了这套Java面试题大全,希望对大家有帮助哈~ 本套Java面试题大全,全的不能再全,哈哈~ 一、Java 基础 1. JDK 和 JRE 有什么区别? JDK:Java Development Kit 的简称,java 开发工具包,提供了 java 的开发环境和运行环境。 JRE:Java Runtime Environ...

Java8零基础入门视频教程

这门课程基于主流的java8平台,由浅入深的详细讲解了java SE的开发技术,可以使java方向的入门学员,快速扎实的掌握java开发技术!

Java基础知识面试题(2020最新版)

文章目录Java概述何为编程什么是Javajdk1.5之后的三大版本JVM、JRE和JDK的关系什么是跨平台性?原理是什么Java语言有哪些特点什么是字节码?采用字节码的最大好处是什么什么是Java程序的主类?应用程序和小程序的主类有何不同?Java应用程序与小程序之间有那些差别?Java和C++的区别Oracle JDK 和 OpenJDK 的对比基础语法数据类型Java有哪些数据类型switc...

TTP229触摸代码以及触摸返回值处理

自己总结的ttp229触摸代码,触摸代码以及触摸按键处理

网络工程师小白入门--【思科CCNA、华为HCNA等网络工程师认证】

本课程适合CCNA或HCNA网络小白同志,高手请绕道,可以直接学习进价课程。通过本预科课程的学习,为学习网络工程师、思科CCNA、华为HCNA这些认证打下坚实的基础! 重要!思科认证2020年2月24日起,已启用新版认证和考试,包括题库都会更新,由于疫情原因,请关注官网和本地考点信息。题库网络上很容易下载到。

深度学习原理+项目实战+算法详解+主流框架(套餐)

深度学习系列课程从深度学习基础知识点开始讲解一步步进入神经网络的世界再到卷积和递归神经网络,详解各大经典网络架构。实战部分选择当下最火爆深度学习框架PyTorch与Tensorflow/Keras,全程实战演示框架核心使用与建模方法。项目实战部分选择计算机视觉与自然语言处理领域经典项目,从零开始详解算法原理,debug模式逐行代码解读。适合准备就业和转行的同学们加入学习! 建议按照下列课程顺序来进行学习 (1)掌握深度学习必备经典网络架构 (2)深度框架实战方法 (3)计算机视觉与自然语言处理项目实战。(按照课程排列顺序即可)

java jdk 8 帮助文档 中文 文档 chm 谷歌翻译

JDK1.8 API 中文谷歌翻译版 java帮助文档 JDK API java 帮助文档 谷歌翻译 JDK1.8 API 中文 谷歌翻译版 java帮助文档 Java最新帮助文档 本帮助文档是使用谷

Ubuntu18.04安装教程

Ubuntu18.04.1安装一、准备工作1.下载Ubuntu18.04.1 LTS2.制作U盘启动盘3.准备 Ubuntu18.04.1 的硬盘空间二、安装Ubuntu18.04.1三、安装后的一些工作1.安装输入法2.更换软件源四、双系统如何卸载Ubuntu18.04.1新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列...

快速排序---(面试碰到过好几次)

原理:    快速排序,说白了就是给基准数据找其正确索引位置的过程.    如下图所示,假设最开始的基准数据为数组第一个元素23,则首先用一个临时变量去存储基准数据,即tmp=23;然后分别从数组的两端扫描数组,设两个指示标志:low指向起始位置,high指向末尾.    首先从后半部分开始,如果扫描到的值大于基准数据就让high减1,如果发现有元素比该基准数据的值小(如上图中18&amp;lt...

手把手实现Java图书管理系统(附源码)

【超实用课程内容】 本课程演示的是一套基于Java的SSM框架实现的图书管理系统,主要针对计算机相关专业的正在做毕设的学生与需要项目实战练习的java人群。详细介绍了图书管理系统的实现,包括:环境搭建、系统业务、技术实现、项目运行、功能演示、系统扩展等,以通俗易懂的方式,手把手的带你从零开始运行本套图书管理系统,该项目附带全部源码可作为毕设使用。 【课程如何观看?】 PC端:https://edu.csdn.net/course/detail/27513 移动端:CSDN 学院APP(注意不是CSDN APP哦) 本课程为录播课,课程2年有效观看时长,大家可以抓紧时间学习后一起讨论哦~ 【学员专享增值服务】 源码开放 课件、课程案例代码完全开放给你,你可以根据所学知识,自行修改、优化 下载方式:电脑登录https://edu.csdn.net/course/detail/27513,点击右下方课程资料、代码、课件等打包下载

HTML期末大作业

这是我自己做的HTML期末大作业,花了很多时间,稍加修改就可以作为自己的作业了,而且也可以作为学习参考

Python数据挖掘简易入门

&nbsp; &nbsp; &nbsp; &nbsp; 本课程为Python数据挖掘方向的入门课程,课程主要以真实数据为基础,详细介绍数据挖掘入门的流程和使用Python实现pandas与numpy在数据挖掘方向的运用,并深入学习如何运用scikit-learn调用常用的数据挖掘算法解决数据挖掘问题,为进一步深入学习数据挖掘打下扎实的基础。

极简JAVA学习营第四期(报名以后加助教微信:eduxy-1)

想学好JAVA必须要报两万的培训班吗? Java大神勿入 如果你: 零基础想学JAVA却不知道从何入手 看了一堆书和视频却还是连JAVA的环境都搭建不起来 囊中羞涩面对两万起的JAVA培训班不忍直视 在职没有每天大块的时间专门学习JAVA 那么恭喜你找到组织了,在这里有: 1. 一群志同道合立志学好JAVA的同学一起学习讨论JAVA 2. 灵活机动的学习时间完成特定学习任务+每日编程实战练习 3. 热心助人的助教和讲师及时帮你解决问题,不按时完成作业小心助教老师的家访哦 上一张图看看前辈的感悟: &nbsp; &nbsp; 大家一定迫不及待想知道什么是极简JAVA学习营了吧,下面就来给大家说道说道: 什么是极简JAVA学习营? 1. 针对Java小白或者初级Java学习者; 2. 利用9天时间,每天1个小时时间; 3.通过 每日作业 / 组队PK / 助教答疑 / 实战编程 / 项目答辩 / 社群讨论 / 趣味知识抢答等方式让学员爱上学习编程 , 最终实现能独立开发一个基于控制台的‘库存管理系统’ 的学习模式 极简JAVA学习营是怎么学习的? &nbsp; 如何报名? 只要购买了极简JAVA一:JAVA入门就算报名成功! &nbsp;本期为第四期极简JAVA学习营,我们来看看往期学员的学习状态: 作业看这里~ &nbsp; 助教的作业报告是不是很专业 不交作业打屁屁 助教答疑是不是很用心 &nbsp; 有奖抢答大家玩的很嗨啊 &nbsp; &nbsp; 项目答辩终于开始啦 &nbsp; 优秀者的获奖感言 &nbsp; 这是答辩项目的效果 &nbsp; &nbsp; 这么细致的服务,这么好的氛围,这样的学习效果,需要多少钱呢? 不要1999,不要199,不要99,只要9.9 是的你没听错,只要9.9以上所有就都属于你了 如果你: 1、&nbsp;想学JAVA没有基础 2、&nbsp;想学JAVA没有整块的时间 3、&nbsp;想学JAVA没有足够的预算 还等什么?赶紧报名吧,抓紧抢位,本期只招300人,错过只有等时间待定的下一期了 &nbsp; 报名请加小助手微信:eduxy-1 &nbsp; &nbsp;

C++语言基础视频教程

C++语言基础视频培训课程:本课与主讲者在大学开出的程序设计课程直接对接,准确把握知识点,注重教学视频与实践体系的结合,帮助初学者有效学习。本教程详细介绍C++语言中的封装、数据隐藏、继承、多态的实现等入门知识;主要包括类的声明、对象定义、构造函数和析构函数、运算符重载、继承和派生、多态性实现等。 课程需要有C语言程序设计的基础(可以利用本人开出的《C语言与程序设计》系列课学习)。学习者能够通过实践的方式,学会利用C++语言解决问题,具备进一步学习利用C++开发应用程序的基础。

UnityLicence

UnityLicence

软件测试2小时入门

本课程内容系统、全面、简洁、通俗易懂,通过2个多小时的介绍,让大家对软件测试有个系统的理解和认识,具备基本的软件测试理论基础。 主要内容分为5个部分: 1 软件测试概述,了解测试是什么、测试的对象、原则、流程、方法、模型;&nbsp; 2.常用的黑盒测试用例设计方法及示例演示;&nbsp; 3 常用白盒测试用例设计方法及示例演示;&nbsp; 4.自动化测试优缺点、使用范围及示例‘;&nbsp; 5.测试经验谈。

YOLOv3目标检测实战:训练自己的数据集

YOLOv3是一种基于深度学习的端到端实时目标检测方法,以速度快见长。本课程将手把手地教大家使用labelImg标注和使用YOLOv3训练自己的数据集。课程分为三个小项目:足球目标检测(单目标检测)、梅西目标检测(单目标检测)、足球和梅西同时目标检测(两目标检测)。 本课程的YOLOv3使用Darknet,在Ubuntu系统上做项目演示。包括:安装Darknet、给自己的数据集打标签、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。 Darknet是使用C语言实现的轻型开源深度学习框架,依赖少,可移植性好,值得深入探究。 除本课程《YOLOv3目标检测实战:训练自己的数据集》外,本人推出了有关YOLOv3目标检测的系列课程,请持续关注该系列的其它课程视频,包括: 《YOLOv3目标检测实战:交通标志识别》 《YOLOv3目标检测:原理与源码解析》 《YOLOv3目标检测:网络模型改进方法》 敬请关注并选择学习!

Python数据分析师-实战系列

系列课程主要包括Python数据分析必备工具包,数据分析案例实战,核心算法实战与企业级数据分析与建模解决方案实战,建议大家按照系列课程阶段顺序进行学习。所有数据集均为企业收集的真实数据集,整体风格以实战为导向,通俗讲解Python数据分析核心技巧与实战解决方案。

YOLOv3目标检测实战系列课程

《YOLOv3目标检测实战系列课程》旨在帮助大家掌握YOLOv3目标检测的训练、原理、源码与网络模型改进方法。 本课程的YOLOv3使用原作darknet(c语言编写),在Ubuntu系统上做项目演示。 本系列课程包括三门课: (1)《YOLOv3目标检测实战:训练自己的数据集》 包括:安装darknet、给自己的数据集打标签、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。 (2)《YOLOv3目标检测:原理与源码解析》讲解YOLOv1、YOLOv2、YOLOv3的原理、程序流程并解析各层的源码。 (3)《YOLOv3目标检测:网络模型改进方法》讲解YOLOv3的改进方法,包括改进1:不显示指定类别目标的方法 (增加功能) ;改进2:合并BN层到卷积层 (加快推理速度) ; 改进3:使用GIoU指标和损失函数 (提高检测精度) ;改进4:tiny YOLOv3 (简化网络模型)并介绍 AlexeyAB/darknet项目。

超详细MySQL安装及基本使用教程

一、下载MySQL 首先,去数据库的官网http://www.mysql.com下载MySQL。 点击进入后的首页如下:  然后点击downloads,community,选择MySQL Community Server。如下图:  滑到下面,找到Recommended Download,然后点击go to download page。如下图:  点击download进入下载页面选择No...

一学即懂的计算机视觉(第一季)

图像处理和计算机视觉的课程大家已经看过很多,但总有“听不透”,“用不了”的感觉。课程致力于创建人人都能听的懂的计算机视觉,通过生动、细腻的讲解配合实战演练,让学生真正学懂、用会。 【超实用课程内容】 课程内容分为三篇,包括视觉系统构成,图像处理基础,特征提取与描述,运动跟踪,位姿估计,三维重构等内容。课程理论与实战结合,注重教学内容的可视化和工程实践,为人工智能视觉研发及算法工程师等相关高薪职位就业打下坚实基础。 【课程如何观看?】 PC端:https://edu.csdn.net/course/detail/26281 移动端:CSDN 学院APP(注意不是CSDN APP哦) 本课程为录播课,课程2年有效观看时长,但是大家可以抓紧时间学习后一起讨论哦~ 【学员专享增值服务】 源码开放 课件、课程案例代码完全开放给你,你可以根据所学知识,自行修改、优化 下载方式:电脑登录https://edu.csdn.net/course/detail/26281,点击右下方课程资料、代码、课件等打包下载

董付国老师Python全栈学习优惠套餐

购买套餐的朋友可以关注微信公众号“Python小屋”,上传付款截图,然后领取董老师任意图书1本。

爬取妹子图片(简单入门)

安装第三方请求库 requests 被网站禁止了访问 原因是我们是Python过来的 重新给一段 可能还是存在用不了,使用网页的 编写代码 上面注意看匹配内容 User-Agent:请求对象 AppleWebKit:请求内核 Chrome浏览器 //请求网页 import requests import re //正则表达式 就是去不规则的网页里面提取有规律的信息 headers = { 'User-Agent':'存放浏览器里面的' } response = requests.get

web网页制作期末大作业

分享思维,改变世界. web网页制作,期末大作业. 所用技术:html css javascript 分享所学所得

技术大佬:我去,你写的 switch 语句也太老土了吧

昨天早上通过远程的方式 review 了两名新来同事的代码,大部分代码都写得很漂亮,严谨的同时注释也很到位,这令我非常满意。但当我看到他们当中有一个人写的 switch 语句时,还是忍不住破口大骂:“我擦,小王,你丫写的 switch 语句也太老土了吧!” 来看看小王写的代码吧,看完不要骂我装逼啊。 private static String createPlayer(PlayerTypes p...

相关热词 c# dbml文件 修改 c#遍历tree c# 能够控制单片机 c#对象写入数据库 c# 添加activex c#2005 json c# 数据库在云端 c# 字符串移位加密 c#禁用滚轮 c#实体类list去重复
立即提问