牛郎

摘要： 缺失值清洗： 1. 确定缺失值范围：根据缺失值范围来选择下一步操作； 2. 去除不需要的字段：直接删除该字段数据； 3. 填充：根据经验、建模预测等填充缺失值； 4. 重新获取：若信息很重要，确实率很高，可重新获取； 格式内容清洗 1. 时间、日期等，统一其格式； 2. 内容中不该存在的字符：如空格 阅读全文

摘要： 1. NMS被广泛用到目标检测技术中，正如字面意思，抑制那些分数低的目标，使最终框的位置更准； 2. 假如图片上实际有10张人脸，但目标检测过程中，检测到有30个框的位置，并且模型都认为它们是人脸，造成这种情况的原因通常是因为一部分人脸被重复框了多次，虽然多个框框的是同一张人脸，但这些重复的框的位置 阅读全文

摘要： import pandas as pd df = pd.read_csv('a.csv') for index, row in df.iterrows(): x, y = row['X'], row['Y'] # 像字典一样取出需要的值 阅读全文

摘要： 主要是加载进来，之后就没难度了 import json path = 'predict2.json' file = open(path, "rb") fileJson = json.load(file) # 剩下的就是解析了，都是列表和字典的操作 crop_cells = fileJson["cro 阅读全文

摘要： 1. 神经网络利用误差去更新网络，目的使最终误差减小；控制系统利用误差计算控制量，目的也是使误差减小； 2. 都是闭环系统； 3. 控制系统最终计算的误差分三种：>0, =0, <0； 4. 神经网络用来更新网络的项为误差平方和，即分两种：>0, =0； 问题来了！！！ * 控制系统由于误差有三种情 阅读全文

摘要： ImageDataGenerator.flow_from_directory（）的用法已经非常多了，优点是简单方便，但数据量很大时，需要组织目录结构和copy数据，很浪费资源和时间 1. 训练时从txt加载数据（参考：https://blog.csdn.net/u013491950/article/ 阅读全文

摘要： https://www.cnblogs.com/lizm166/p/10132535.html 阅读全文

摘要： import csv rows2 = ['abc1/ab1c','N'] for n in range(10): f = open("ok.csv", 'a',newline='') writer = csv.writer(f) writer.writerow(rows2) f.close() 阅读全文

摘要： data = np.load('dict_.npy') data = data.item() 不加最后一句，data不是字典类型 阅读全文

摘要： 1. 在循环中用append增加key值，最终生成全是key值的list； 2. 在循环中用append增加value值，最终生成全是value值的list； 3. 最后用zip将两个list合并成一个字典； 阅读全文