cv2.imshow()和plt.imshow()显示的色差问题
原图： 用opencv读入图像数据并进行灰度处理之后，用 matplot.pyplot 对灰度图进行输出 import matplot.pyplot as plt
import cv2
srcImage = cv2.imread("/home/jinyan/anaconda3/envs/tensorflow/models/research/object_detection/sm_products/111/A0002551.jpg")
grayImage = cv2.cvtColor(srcIm
opencv用函数cv2.imwrite 保存的图像为黑色
在实践过程中涉及到用opencv保存图像，但是保存下来的图像是全黑的，但是用matplot.pyplot显示却是正常的。 解决办法：将其换成uint8格式就能正常显示保存了 noise_img_norm = cv2.normalize(noise_img, None, 0, 255, cv2.NORM_MINMAX, cv2.CV_8U)
TensorFlow物体检测网络模型加载过程
了解程序加载模型的具体细节 模型训练的主文件是train.py。在该文件中通过 model_config, train_config, input_config = get_configs_from_pipeline_file()
获取配置文件的信息，其中是调用protobuf进行文件解析。 分别得到model_config, train_config, input_config三个配置文件（训练格式）。 后通过functools.partial函数对model_builder.build函
python第三方库和conda操作
以numpy为例 安装 pip install numpy
conda install numpy
更新 pip install -U numpy
conda update numpy
移除、卸载 pip uninstall numpy
———————————————————————————————————————————————————————— anaconda命令 1、检查conda是否安装以及版本 conda -V
conda --version
2、升级当前版本的con
GPU和CPU跑程序的代码区别
用GPU跑比用CPU跑要在程序中多加一行代码，０表示第１块GPU设备 import os
os.environ['CUDA_VISIBLE_DEVICES'] = "0"
ubuntu下u盘变成只读模式
由于不正确插拔导致U盘中的所有文件图标上面都有一个小锁子，所有文件变成只读模式，无法进行复制和粘贴 1.查看相关信息 打开终端，输入以下命令： df -h
找到最后一行显示 /dev/sdc 32G 7.0G 25G 23% /media/xxx/u盘名 2.卸载u盘 注：不需要拔掉U盘 sudo umount /media/xxx/u盘名
3.修复U盘 sudo dosfsck -v -a /dev/sdc
RuntimeWarning: More than 20 figures have been opened.
绘图出现以下警告： RuntimeWarning: More than 20 figures have been opened. Figures created through the pyplot interface (matplotlib.pyplot.figure) are retained until explicitly closed and may consume too much memory. 这是因为循环太多，每个循环里面画了一张图，所以可以在每个循环内把plt关闭。 plt
ubuntu命令卸载软件
1.获取已安装软件列表 dpkg --list
2.找到需要卸载的软件名称 3.完全卸载该软件 sudo apt-get --purge remove 包名
该命令将软件及其配置文件一并删除 4.若只卸载程序，但保留配置文件 sudo apt-get remove 包名
ubuntu下将tensorflow训练好的模型移植到安卓端
1.下载tensorflow源码 git clone --recurse-submodules https://github.com/tensorflow/tensorflow.git
2.通过export_tflite_ssd_graph.py将训练后的模型导出所需要的文件 配置参数为 --pipeline_config_path=/home/jinyan/anaconda3/envs/tensorflow/models/research/object_detection/sm_produ
ubuntu下字体位置
/usr/share/fonts/truetype/dejavu 个人用户字体文件：~/.local/share/fonts 系统字体文件：/usr/share/fonts 字体配置文件：/etc/fonts/
tensorflow移植识别
DetectorActivity.java中MINIMUM_CONFIDENCE_TF_OD_API 变量是检测到的目标的置信度，也即是说模型判定的这个框为该目标的可信程度．该值越高框越准确． 当出现数组越界的情况，可尝试在txt文件首行中添加 " ？？？" 可移植到安卓端的tensorflow模型为 https://tensorflow.google.cn/lite/guide/hosted_models
卷积神经网络中卷积层和池化层的作用
假如有一幅1000*1000的图像，如果把整幅图像作为向量，则向量的长度为1000000（ 10610^6106）。在假如隐含层神经元的个数和输入一样，也是1000000；那么，输入层到隐含层的参数数据量有 101210^{12}1012。所以，我们还得降低维数，同时得以整幅图像为输入（人类实在找不到好的特征了）。 CNN网络一共有5个层级结构： 输入层 卷积层 激活层 池化层 全连接FC层 卷积层 局部感知：人的大脑识别图片的过程中，并不是一下子整张图同时识别，而是对于图片中的每一个特征首先
Blockly-可视化编程工具入门待更新
版权声明：fromZjy QQ1045152332 https://blog.csdn.net/qq_36762677/article/details/88422191 概述 基于Web的、开源的、可视化程序编辑器。 Blockly 是一个完全客户端应用，它无需服务端的任何支持（除非你要使用云存储等服务端功能），且没有第三方的依赖（除非你想重新编译内核），一切都是开源的。 优势 代码可导出 - Blockly 直接支持 JavaScript、Python、PHP、Lua、Dart 语言源码的导
docker1-docker常用命令|Dockerfile|网络类型
版权声明：fromZjy QQ1045152332 https://blog.csdn.net/qq_36762677/article/details/88428894 基本概念 基于GO语言 软件容器化 docker是一个装应用的容器（类似于虚拟机高于虚拟机） 解决痛点： 解决运行环境不一致的问题 每个容器独立不影响 增加容器更加简便 不用记录存储位置 启动速度显著增加 时势造英雄: 统一云计算/敏捷开发（PaaS平台即服务，平台提供了存储，数据库，网络，负载均衡，自动扩展的功能） 架构图
docker2-docker存储持久化|数据管理
版权声明：fromZjy QQ1045152332 https://blog.csdn.net/qq_36762677/article/details/88429114 按照 Docker 最佳实践的要求，容器不应该向其存储层内写入任何数据，容器存储层要保持无状态化。 查看容器内应用产生的数据，或者需要把容器内的数据进行备份，甚至多个容器之间进行数据的共享，这必然涉及容器的数据管理操作。 所有的文件写入操作，都应该使用 数据卷（Volume）、或者绑定宿主目录，在这些位置的读写会跳过容器存储层
Go语言实战(第一章)-基础知识
版权声明：fromZjy QQ1045152332 https://blog.csdn.net/qq_36762677/article/details/86631984 Go初识 简洁、快速 C 和 C++这类语言提供了很快的执行速度， Ruby 和 Python 这类语言则擅长快速开发。 Go 语言在这两者间架起了桥梁 安全 并行 开源 内存管理、数组安全、编译迅速 一、特点 运行效率高(编译型语言)，开发高效(语法少，关键字少)，部署简单 支持并发，易于利用多核实现并发 内置runtime
项目-版本控制必会svn|git
版权声明：fromZjy QQ1045152332 https://blog.csdn.net/qq_36762677/article/details/84235502 两者区别 最核心的区别Git是分布式的，而Svn不是分布的。 Git把内容按元数据方式存储，而SVN是按文件 git离线可查看原来版本和log git 分布式版本控制系统 下载 状态:已修改–>已暂存–>已提交 每次提交都有一个摘要值 针对所有仓库 执行命令git config --global user.name "你的用户
redis4-做缓存时解决缓存雪崩、缓存穿透问题
版权声明：fromZjy QQ1045152332 https://blog.csdn.net/qq_36762677/article/details/88642810 一、缓存雪崩 为什么使用缓存 提高性能(内存速度>访问硬盘速度) 提高并发能力(缓存承担部分压力) 缓存雪崩发生原因: 1.如果我们的缓存挂掉了，这意味着我们的全部请求都跑去数据库了。 2.Redis需要对数据设置过期时间，并采用的是惰性删除+定期删除两种策略对过期键删除。如果缓存数据设置的过期时间是相同的，并且Redis恰好
spring boot使用三种拦截器
版权声明：fromZjy QQ1045152332 https://blog.csdn.net/qq_36762677/article/details/88664487 过滤器（Filter）：可以拿到原始的http请求，但是拿不到你请求的控制器和请求控制器中的方法的信息。 拦截器（Interceptor）：可以拿到你请求的控制器和方法，却拿不到请求方法的参数。 切片 （Aspect）: 可以拿到方法的参数，但是却拿不到http请求和响应的对象 使用AOP处理请求或记录日志 AOP面向切面 _
今日推荐
周排行