用Python实现地理信息出图(含比例尺、指北针、图例)
最近用GIS在批量出图，发现一张一张出图真的麻烦（那个累啊！！！）于是便有了今天这篇文章，初步教大家如何用Python出那种开起来专业一点点的GIS图。
MFCC语音特征值提取算法
MFCC意为梅尔频率倒谱系数，顾名思义，MFCC语音特征提取包含两个关键步骤；将语音信号转化为梅尔频率，然后进行倒谱分析。梅尔频谱是一个可用来代表短期音频的频谱，梅尔刻度（Mel Scale）则是一种基于人耳对等距的音高变化的感官判断而确定的非线性频率刻度。梅尔频率和正常的频率f之间的关系：当梅尔刻
【问题解决】训练和验证准确率很高，但测试准确率很低
采用ResNet50预训练模型训练自己的图像分类模型。训练和验证阶段准确率很高，但随机输入一张图片时，大多数情况下依旧预测得不准确。
rknn_yolov5执行流程
RV1109上测试rknn_yolov5_demo以及分析
【Python机器学习】KNN进行水果分类和分类器实战（附源码和数据集）
【Python机器学习】KNN进行水果分类和分类器实战（附源码和数据集）
Anaconda 3.6安装教程（详细版本）---可运行Python代码
首先到清华大学镜像网站可以下载相关版本，我选择的是3.6的版本，并且我的电脑是ThinkBook14+，64位，在该网站上对应的是点击下载，32位的话就选择上面不带_64那个。
torch.cat()中dim说明
初次接触众多博客对dim的讲解为，对于两个二维张量作为输入，dim取0结果为两个张量按行拼接，取1结果为按列拼接，但是对于高维来说就有点难以直观想象结果了，我们尝试三维情况进而总结规律。其中初学者最费解的就是dim的选取，dim的取值范围由输入张量的维度决定，输入为n维张量，dim取值在[0,n-1
BP神经网络
1.概念： BP（back propagation）即为反向传播，意为反向传播神经网络。
基于深度学习的轴承寿命预测实践，开发CNN、融合LSTM/GRU/ATTENTION
基于深度学习的轴承寿命预测实践，开发CNN、融合LSTM/GRU/ATTENTION
YOLOv5内置--hyp超参配置文件对比
YOLOv5内置--hyp超参配置文件对比YOLOv5有大约30个超参数用于各种训练设置。这些是在目录中*.yaml的文件中定义的/data。更好的初始猜测会产生更好的最终结果，因此在演化之前正确初始化这些值很重要。lr00.01#初始学习率(SGD=1E-2,Adam=1E-3)lrf0.01#最
论文阅读笔记：ShuffleNet
背景由于深度学习模型结构越来越复杂，参数量也越来越大，需要大量的算力去做模型的训练和推理。然而随着移动设备的普及，将深度学习模型部署于计算资源有限基于ARM的移动设备成为了研究的热点。ShuffleNet[1]是一种专门为计算资源有限的设备设计的神经网络结构，主要采用了pointwise group
yolov5 引入RepVGG模型结构
yolov5加入repvgg结构
使用python进行傅里叶FFT 频谱分析
目录一、一些关键概念的引入1.1.离散傅里叶变换（DFT）1.2快速傅里叶变换（FFT）1.3.采样频率以及采样定率1.4.如何理解采样定理二、使用scipy包实现快速傅里叶变换2.1.产生原始信号——原始信号是三个正弦波的叠加2.2.快速傅里叶变换2.3.FFT的原始频谱2.4.将振幅谱进行归一化
实验二、人工智能：产生式系统（动物识别系统）
产生式系统（动物识别系统）一、相关知识把一组产生式放在一起，让它们互相配合、协同作用，一个产生式生成的结果可以供另一个产生式作为已知事实使用，以求得问题的解，这样的系统成为产生是系统。产生式系统的例子：动物识别系统本系统为识别虎、金钱豹、斑马、长颈鹿、企鹅、鸵鸟、信天翁等七种动物的产生式系统。根据这
python智能停车场车牌识别计费系统百度ai
说明：在运行程序前，先将当前的计算机连接互联网，并且需要先申请百度AI开放平台的图片识别需要的Key，并且复制该Key到项目根目录下的file子目录的key.txt文件中替换相应的内容即可。说明：在运行程序前，先将当前的计算机连接互联网，并且需要先申请百度AI开放平台的图片识别需要的Key，并且复制
【定位教程2----旋转中心标定之方法一】
【定位教程2----旋转中心标定之方法一】
谷歌Colab（免费算力平台）——正确打开方式（常用操作指导tips）
谷歌Colab算力平台的正确打开方式！！常用操作指导：数据集问题、谷歌云盘和colab的使用、jupyter指令、colab中的路径问题、如何再colab中使用GPU等等。
多智能体强化学习MAPPO源代码解读
多智能体强化学习MAPPO源代码解读在上一篇文章中，我们简单的介绍了MAPPO算法的流程与核心思想，并未结合代码对MAPPO进行介绍，为此，本篇对MAPPO开源代码进行详细解读。本篇解读适合入门学习者，想从全局了解这篇代码的话请参考博主小小何先生的博客。论文名称：The Surprising Eff
anaconda：安装cuda和对应版本的cudnn
复现别人论文的时候经常遇到不同的cuda版本，可以使用anaconda创建虚拟环境，并在不同的虚拟环境中配置对应的cuda版本。
pytorch预训练模型下载保存路径和路径更改
pytorch 预训练模型下载
