摘要: 在build.gradle中将gradle版本降级即可。 我从3.6多将其降至3.4.2后解决问题,将其解决。 如下,改gradle版本就行 classpath 'com.android.tools.build:gradle:3.6.2' 将其改为 classpath 'com.android.to 阅读全文
posted @ 2021-08-13 12:06 Anm半夏 阅读(545) 评论(0) 推荐(0) 编辑
摘要: from sko.PSO import PSO import matplotlib.pyplot as plt ''' 目标是求目标函数的最小值 粒子群优化算法和蚁群算法类似,主要依靠群体之间的联系寻找最优解和最优输入嘴和 参数介绍: func: 目标函数 ndim: 输入参数的个数 pop: 粒子 阅读全文
posted @ 2021-08-04 16:22 Anm半夏 阅读(258) 评论(0) 推荐(0) 编辑
摘要: import time def roll_bar(description, index, length): ''' :param description: 滚动显示文字 :param index: 当前遍历的序号 :param length: 需要遍历的序列总长度 用法:插入for循环中,即可使用 阅读全文
posted @ 2021-08-04 16:08 Anm半夏 阅读(102) 评论(0) 推荐(0) 编辑
摘要: 在网上看了一些蚁群算法原理,其中最为广泛的应用还是那个旅行家问题(TSP)。诸如粒子群优化算法,蚁群算法都可以求一个目标函数的最小值问题的。 下面代码记录下跑的代码。蚁群算法中最为重要的就是目标函数和信息素矩阵的设计。其他的参数则为信息素重要程度,信息素挥发速度,适应度的重要程度。 import n 阅读全文
posted @ 2021-08-03 15:51 Anm半夏 阅读(438) 评论(0) 推荐(0) 编辑
摘要: 损失函数,如其名字一样,是通过对比计算网络的前向传播结果和真实结果,计算出来的用于衡量两者之间差距的函数值。 通过损失函数我们可以计算出来一次前向传播的损失值loss。其终极目标是将损失值变为0。 前向传播可以求得一系列数通过计算出来的结果,一般在前向传播中就已经计算好损失值了。 通过反向传播自动求 阅读全文
posted @ 2021-07-08 16:21 Anm半夏 阅读(414) 评论(0) 推荐(0) 编辑
摘要: resize_()可以将使用此方法的tensor对象的形状进行改变,和numpy中的reshape函数不同,此方法运行变化后的大小和原来大小不一样,超出部分进行补0 copy_()参数将参数的数值复制到对象中,前提是参数形状要和对象形状一致。 通过Variable变量可以有效地在深度学习中进行加速运 阅读全文
posted @ 2021-07-08 15:10 Anm半夏 阅读(572) 评论(0) 推荐(0) 编辑
摘要: 以前写图片波段颠倒的思路: 1.总是通过cv2先分离波段再进行合并 2.直接通过cv2的波段变换函数将rgb变为bgr(但是此方法最多支持四波段) 3.现在的numpy写法为, im = im[:,:,::-1] 阅读全文
posted @ 2021-06-21 09:22 Anm半夏 阅读(78) 评论(0) 推荐(0) 编辑
摘要: 对于遥感图像中的数据读取部分,如果在调用skimage.io时没有指定插件时,默认是使用matplotlib插件的,对于tif文件则自动调用tiffle插件。 但是对于一些遥感图像我们是希望用特定的插件来读取的,如gdal库读取,这时便可以用到plugin参数了。 其可用参数可以根据以下函数来查看, 阅读全文
posted @ 2021-06-16 16:26 Anm半夏 阅读(224) 评论(0) 推荐(0) 编辑
摘要: 找了一下午,都在说p话 直接运行以下命令ok sudo apt install flashplugin-installersudo apt install browser-plugin-freshplayer-pepperflash否则你将浪费生命中的三分钟 阅读全文
posted @ 2021-06-09 16:07 Anm半夏 阅读(218) 评论(0) 推荐(0) 编辑
摘要: 开运算:去除噪点,适用于目标区域内部较为完整的情况。 闭操作:填充目标区域内部较为细碎的空洞区域。 先闭运算,再开运算:先填充区域内部的细碎空洞,保证了目标区域内部的完整性,然后进行开运算,保证了整体图像的噪声较小。 梯度运算:用膨胀后的图像减去腐蚀后的图像,最终目的是提取目标区域的外部轮廓边界。 阅读全文
posted @ 2021-05-11 19:36 Anm半夏 阅读(901) 评论(0) 推荐(0) 编辑