【Python面试②】——Python中的浅拷贝与和深拷贝
赋值，只是多生成了一个变量，实际上还是指向同一个对象。浅拷贝：创建一个新的对象，但它包含的是对原始对象中包含项的引用。深拷贝：创建一个新的对象，并且递归的复制它所包含的对象。.....................
利用Matlab对双目摄像头进行标定
利用Matlab对双目摄像头进行标定
PyTorch 卷积网络正则化 DropBlock
论文地址：https://arxiv.org/pdf/1810.12890.pdfDropBlock 是一种类似于 dropout 的简单方法，它与 dropout 的主要区别在于，它从层的特征图中抹除连续区域，而不是抹除独立的随机单元类似地，DropBlock 通过随机地置零网络的响应，实现了通道
Python传给redis的所有对象都应该是字符串，而不能是列表等对象
conn = RedisCluster(startup_nodes=nodes, decode_responses=True, cluster_down_retry_attempts=20)
PyTorch中repeat、tile与repeat_interleave的区别
PyTorch中repeat、tile与repeat_interleave的区别
基于Python实现相机标定正畸并生成鸟瞰图
参考 Learning OpenCV 示例 18-1，利用棋盘格图像进行相机定标，将参数写入 XML 文件保存。棋盘格图像见群文件 LearningOpenCV/LearningOpenCV_Code/LearningOpenCV_Code/calibration参考示例 19-1，根据求得的内参实
python写的点名器（内附源码）
前言：想起小学的时候老师想点名找小伙伴回答问题的时候，老师竟斥巨资买了个点名器。今日无聊便敲了敲小时候老师斥巨资买的点名器。本人姓白，就取名小白点名器啦，嘿嘿代码包含：添加姓名、查看花名册、使用指南、随机抽取名字的功能（完整源码在最后）...
丢弃法Dropout(Pytorch)
介绍了dropout（丢弃法），以及PyTorch的从零实现和调API实现
GPU启用及Pytorch/Cuda安装
最近在跑神经网络，用CPU跑实在是太慢了，于是决定探究一下怎么用GPU跑，配置GPU环境的过程异常艰辛，为此还阅读几十篇CSDN+知乎优秀博主的优质论文，最后终于整出来了，现在我总结一下就当做个备忘录吧。以下内容引用了很多博主的博客内容，如有侵权，立刻删除。.........
深度学习---三好学生各成绩所占权重问题（2）
深度学习---三好学生各成绩所占权重问题，训练神经网络
【Python高级】——Python如何进行内存管理
Python如何进行内存管理，采用引用计数机制为主，标记-清除和分代收集（隔代回收）两种机制为辅的策略
Spark RDD简介以及算子使用大全
一、spark RDD（1）RDD简介RDD(Resilient Distributed Datasets)，弹性分布式数据集，是分布式内存的一个抽象概念。RDD提供了一种高度受限的共享内存模型，即RDD是只读的记录分区的集合，只能通过在其他RDD执行确定的转换操作（如map、join和group
手写数字识别-基于卷积神经网络
机器识图的过程：机器识别图像并不是一下子将一个复杂的图片完整识别出来，而是将一个完整的图片分割成许多个小部分，把每个小部分里具有的特征提取出来（也就是识别每个小部分），再将这些小部分具有的特征汇总到一起，就可以完成机器识别图像的过程了。...
Python编程学习：random.shuffle的简介、使用方法之详细攻略
Python编程学习：random.shuffle的简介、使用方法之详细攻略目录random.shuffle的简介random.shuffle的使用方法1、使两个列表打乱遵循同一个规则 random.shuffle方法，对元素进行重新排序，打乱原有的顺序，返回一个随机序列(当然此处随机序
在3Dslicer中使用opencv连接相机
在3Dslicer中使用opencv连接相机
深入理解PyTorch中的nn.Embedding
深入理解nn.Embedding模块
YOLOv5的一些评价指标
YOLO的评价指标说明
机器学习入门（一）
本文是在入手机器学习过程中的一些学习心得和总结，适合机器学习的基础阶段借鉴。 机器学习是一种从数据中总结规律的统计方法。机器学习中有各种用于总结规律并且进行预测或者分类的模型（算法），被广泛应用在物体识别、语音识别、放假预测和疾病诊断等领域。 ......
利用tushare画股票K线图
利用tushare绘制K线图
音频数据增强（一）——mixup和SpecAugment
目录1、mixup2、SpecAugment论文地址：https://arxiv.org/pdf/1710.09412.pdfmixup通过以下方式构建虚拟的训练样本：式中，(xi,yi)和(xj,yj)是从训练数据中随机抽取的两个样本，且λ∈[0,1]。因此，mixup通过结合先验知识，即特征向量
