Personal_Note

Personal_Note

Sign in Subscribe

机器学习

* 获取数据的方式有哪些？ * 爬虫 * 已有数据 * 网上获取相关数据 * 特征工程有哪些内容？ * 特征获取 * 特征预处理 * 归一化 * 定义 * 是将值通过线性变换映射（0，1）的范围内 * API * MinMaxScaler（） * 标准化 * 定义 * 是将值映射到均值为0，标准差为1的标准正态分布上 * API * StandardScaler（） * 异常值处理 * 特征组合 * 将几个特征组合形成一个新的特征 * 特征选择 * 选择有意义的特征 * 特征降维 * 定义 * 降低数据特征的个数 * 分类 * 低方差过滤法 * 定义 * 删除方差低于th

安装docker

1、安装前先关闭防火墙和selinux 关闭防火墙: [root@localhost ~]# systemctl stop firewalld [root@localhost ~]# systemctl disable firewalld 关闭selinux： [root@localhost ~]# vi /etc/selinux/config 把如下的SELINUX修改成disabled # This file controls the state of SELinux on the system. # SELINUX= can take one of these three values: # enforcing - SELinux security policy is enforced. # permissive - SELinux prints

docker中配置mysql链接navicat

先清理掉当前无法启动的 mysql_word 容器： ```docker rm -f mysql_word``` -f 强制删除正在运行（或假死）的容器，确保清理干净。删除残留的旧数据卷 docker volume rm mysql_data 建立mysql_data卷 docker volume create mysql_data 建立并启动mysql docker run -d --name mysql_word -p 3306:3306 -v mysql_data:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=123456 docker.1ms.

卷积神经网络（CNN）

* 图像 * 图像是由像素点组成 * 像素点取值范围是[0,255]：越接近0越是白色，越接近255越是黑色 * RGB * HWC：h：高，w：宽，c：通道数 * 图像加载方法 * plt.imread() * plt.show() * CNN定义 * 就是含有卷积层的神经网络 * 提取图像特征 * CNN的网络结构 * 卷积层 * 提取图像中的局部特征 * API * conv = nn.Conv2d(in_channels, out_channels, kernel_size, stride, padding) * in_channels：输入通道数 * out_channels：输出通道数 * 池化层 * 大幅度降低图像的维度 * 分类 * 最大池化 * API * MaxPool2d(

视频读写

* 读入视频 * video = cv.VideoCapture("视频路径") * 检查视频是否打开 * video.isOpened() * 获取视频的宽度和高度 * video.get(3) * 获取视频帧的宽度 * 这里的3是固定值 * video.get(4) * 获取视频帧的高度 * 这里的4是固定值 * 写入视频 * writer = cv.VideoWriter("新的视频路径",cv.VideoWriter_fourcc('M','J','P','G'), 10,(int(video.get(3)),int(video.

图像的几何操作

* 读入图像 * 步骤 * img = cv.imread("图片路径") * cv.imshow("图片名字"，img) * cv.waitKey() * 注意 * 用opencv读入的图片的形状为（h，w，c），通道为（R，G，B） * 而用matlobplotib读入的图片形状为（h，w，c），通道为（R，G，B） * 图像加法 * + * new_img = img1 + img2 * cv.imshow(new_img) * cv.waitKey() * add * cv.add(img1,img2) * 两个img按照权重1进行叠加

OpenCV基本操作

* 读入图像 * 步骤 * img = cv.imread("图片路径") * cv.imshow("图片名字"，img) * cv.waitKey() * 注意 * 用opencv读入的图片的形状为（h，w，c），通道为（R，G，B） * 而用matlobplotib读入的图片形状为（h，w，c），通道为（R，G，B） * 图像加法 * + * new_img = img1 + img2 * cv.imshow(new_img) * cv.waitKey() * add * cv.add(img1,img2) * 两个img按照权重1进行叠加

平滑方法

* 图像的噪声 * 椒盐噪声（脉冲噪声） * 高斯噪声 * 滤波方法 * 均值滤波 * cv.blur(img,kernal_size) * 根据卷积核的大小对图像进行降噪 * 高斯滤波 * cv.GaussianBlur(img,kernal_size,sigmaX,sigmaY) * 使用高斯滤波对图像进行降噪 * sigmaX：X 方向的高斯标准差（必须为非负数），值越大，X 方向的模糊范围越广 * sigmaY：Y 方向的高斯标准差（非负数） * 中值滤波 * cv.medianBlur(img,kernal_size) * 根据卷积核的中值进行降噪 * 效果最好

边缘算子

* sobel算子 * 用于检测图像中 x 方向或 y 方向的边缘，先计算出边缘的值，在合并结果 * cv.Sobel( img, ddepth, dx, dy, kernal_size) * ddepth:输出图像的数据类型 * 1、dx：水平方向检测：cv.Sobel(img,ddepth,1,0,ksize) * 2、dy：垂直方向检测：cv.Sobel(img,ddepth,0,1,ksize) * 3、检查之后的值：可能为负数也可能大于255，需要将值转为unit8:cv.convertScaleAbs() * 4、在使用图形的混合cv.addweighted(x,alpha,y,