Google Earth Engine APP（GEE）——一个简单的NDVI/EVI区域时序变化情况chart图表
我们这里展示一个简单的NDVI和EVI区域统计情况，主要是展示长时序的变化情况，但是代码会出现一些错误，我们这里看看代码的错误提示：Line 51: No features contain non-null values of "system:time_start".Line 51: No images in the collection intersect the specified regions.
Google Earth Engine （GEE）——Received too many arguments to function MultiPoint(). Expected at most 2
当我们在进行部分操作的时候我们会发现，有些参数需要仅有两个，而你输入了太多参数，今天我们遇到了一个问题，也就是说你可能输入的参数形式错了，这里比如说对方要求的是一个集合，而你却给了集合中每一个点的坐标，并没有将每一个坐标点（经纬度）信息作为一个整体传入到函数中作为一个参数，而很多时候这个函数本身需要的必要参数也仅有一个，所以这里我们仅需要填写一个参数即可，而其他默认参数可以不选，这里要告诉大家的就是希望大家不要认为你没有当做整体输入的参数数量和所需要必备的参数进行比较，这样就错了：我们来看具体的提示：
Google Earth Engine （GEE）——awesome-gee-community-catalog
今天给大家分享一个关于关于GEE以外的数据集，我们可以选择直接进行加载，最后通过给定的已经上传的ASSETS直接引用，这个网站是专门提供一个已将上传到GEE上的资产中的资源，额可以直接使用，名称是awesome-gee-community-catalog由社区提供的地理空间数据集组成（这个目录与谷歌地球引擎的数据目录并存，也容纳了社区经常要求的数据集，并有各种开放的许可证。令人敬畏的GEE社区目录内部人员计划是为那些帮助保持开源项目的可持续发展和支持目录的增长和整理的人设计的。
TensorFlow TFRecords简介
这篇博客将介绍TensorFlow的TFRecords，提供有关TFRecords的所有信息的一应俱全的介绍。从如何构建基本TFRecords到用于训练 SRGAN 和 ESRGAN 模型的高级TFRecords的所有内容。包括什么是TFRecords，如何序列化，反序列化数据，以及如何使用TFRecords预处理和序列化像div2k这样的大型数据集，如何使用TFRecords及TensorFlow训练深度神经网络。
语义 VS 实例 VS 全景分割（Semantic vs. Instance vs. Panoptic Segmentation）
这篇博客将讨论语义、实例和全景图像分割技术（语义 VS 实例 VS 全景分割（Semantic vs. Instance vs. Panoptic Segmentation）。所有这三种技术在学术界和现实世界中都提供了有效的应用。在过去几年中，全景分割在研究人员中看到了更多的增长，以推进计算机视觉领域。相比之下，语义分割和实例分割有许多现实世界的应用，因为它们的算法更加成熟。无论以何种形式，图像分割对于跨行业的超自动化都是必不可少的。
Postgresql语句持续更新
postgresql 1. 分区表2. partition by3. case when then end4. if else5. 日期：Date，Timestamp，text，String互转6. 时间获取周，月等7. 自增序列 8. 创建表，删除表9. 修改表，默认值，重命名列，修改列类型10. 时间序列11. 聚合等
2. PyTorch简介：使用PyTorch训练第一个神经网络
这篇博客将介绍如何使用PyTorch深度学习库训练第一个神经网络。具体来说是如何在scikit learn的make_blobs函数生成的示例数据集上训练PyTorch神经网络。1. 如何用PyTorch定义基本的神经网络结构2. 如何定义损失函数和优化器3. 如何正确地将梯度归零、执行反向传播（perform backpropagation）和更新模型参数-大多数新加入PyTorch的深度学习实践者在这一步中都会犯错误
4. 使用预训练的PyTorch网络进行图像分类
这篇博客将介绍如何使用PyTorch预先训练的网络执行图像分类。利用这些网络只需几行代码就可以准确地对1000个常见对象类别进行分类。这些图像分类网络是开创性的、最先进的图像分类网络，包括VGG16、VGG19、Inception、DenseNet和ResNet。图像分类允许为输入图像指定一个或多个标签，然而它并没有告诉对象在图像中的位置。要确定给定对象在输入图像中的位置，需要应用对象检测。下一篇博客将介绍如何使用PyTorch使用专门的对象检测网络检测图像中的对象。.........
ffmpeg合并视频命令报错总结
需要合并多个文件，有俩种方法把所有视频文件都列出来，太多的视频不适用ffmpeg -y -i concat:"099.raw|140.raw|181.raw" -c copy all.mp4把所有的视频文件名写入一个txt中，输入视频引用.txt文件ffmpeg -f concat -i filelist.txt -c copy output.mkvfile 'E:\mat\099.raw'file 'E:\mat\140.raw'file 'E:\mat\181.raw'fil
Android studio Logcat 新版使用命令指南 常用命令集合
age:10s // 从 10 秒以前的日志开始输出。age:1h // 从 1 小时以前的日志开始输出。age:1m // 从 1 分钟以前的日志开始输出。line 是tag 与 message的并集。过滤自己的包名且只看error级别日志。指定消息内容包含12288。指定内容不包含12288。
python接口自动化——unittest简介（详解）
测试框架-unittest,相当于是一个 python 版的 junit。python 里面的单元测试框架除了 unittest,还有一个 pytest 框架，这个实际上用的比较少，后面有空再继续介绍和分享。unittest单元测试框架不仅可以适用于单元测试，还可以适用WEB自动化测试用例的开发与执行，该测试框架可组织执行测试用例，并且提供了丰富的断言方法，判断测试用例是否通过，最终生成测试结果。
使用Python、OpenCV，ImageMagick工具箱根据原始视频制作GIF动画
使用Python、OpenCV，ImageMagick工具箱根据原始视频制作GIF动画1. python读取原始视频流每一帧，并生成照片保存到本地文件夹2. 读取本地文件夹图片，根据图片名排序（支持根据帧率过滤，指定最大多少帧照片去生成gif）3. 调用imagemagick生成gif图，保存到本地
今日推荐
周排行