按时间归档：2022年01月

Lei牛可斯 — basis of 嵌入式AI

考虑到深度学习训练过程都有一套约定成俗的流程，鄙人借鉴Keras开发了一套基础训练库： Pytorch-Base-Trainer(PBT)； 这是一个基于Pytorch开发的基础训练库，支持以下特征：

Vision Transformer Pytorch版代码阅读注释

老铁们，我们Python的深度学习开始了，第一篇正式的文章就是数据处理和可视化，我们开始吧!…

Pandas数据分析(1)-Series和DataFram前言最近自己也在进行Python数据分析的学习，故在此写下本文作为笔记使用，本文是笔记系列的的第一篇，不定期更新。写的博客如有错误或者疏忽的地方，还望各位大佬指点，在此表示感激不尽。Pandas是建立在Numpy模组和matplotlib模组之上的，其代码风格与Numpy非常接近，但最大的不同是，Pandas针对的是表格型数据或异质型数据，而Numpy则更适合处理同质型数据，也就是数据类型相同的数据。在开始之前，本文默认读者们都初步了解

【OpenCV学习】（十二）图像分割与修复背景图像分割本质就是将前景目标从背景中分离出来。在当前的实际项目中，应用传统分割的并不多，大多是采用深度学习的方法以达到更好的效果；当然，了解传统的方法对于分割的整体认知具有很大帮助，本篇将介绍些传统分割的一些算法；一、分水岭法原理图如下：利用二值图像的梯度关系，设置一定边界，给定不同颜色实现分割；实现步骤：标记背景 —— 标记前景 —— 标记未知区域（背景减前景） —— 进行分割函数原型：watershed（img，masker）：分水岭算法，

torch.nn.flattentorch.nn.flatten是一个类，作用为将连续的几个维度展平成一个tensor（将一些维度合并）参数为合并开始的维度，合并结束的维度（维度就是索引，从 0 开始）开始维度默认为 1。因为其被用在神经网络中，输入为一批数据，第 0 维为batch（输入数据的个数），通常要把一个数据拉成一维，而不是将一批数据拉为一维。所以torch.nn.Flatten()默认从第一维开始平坦化。结束维度默认为 -1，也就是一直合并到最后一维默认参数情况x =

目录数据清理数据集成数据规约数据的变换1、Min-Max 规范化 [0,1]规划2、Z-Score 规范化两种归一化方法的使用场景：正则化每文一语本来这些储备知识，我想在后续的实际算法案例中进行解释，但是考虑到很多的小伙伴在学习的过程中都是逐步推进的，需要一定的时间去理解和应用，所以前期我们需要把所有的东西都准备好，这样就可以保证后续的算法实践游刃有余。数据清理我们一般看到的数据都是较为干净的数据，也就是结构化的数据，但是有时候在日志信息中，需要我们.

欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍。上一篇文章介绍了OpenCV入门知识，包括OpenCV常见数据类型、显示图像、读取像素、修改像素、创建图像、复制图像、保存图像等内容。这篇文章将详细讲解如何使用OpenCV绘制各类几何图形，包括cv2.line()、v2.circle()、cv2.rectangle()、cv2.ellipse()、cv2.polylines()、cv2.putText()函数。这将帮助我们了解基础图形绘制的基础用法