小编mrk*_*mrk的帖子

在计算机视觉和物体检测中,常用的评估方法是mAP.它是什么以及如何计算？

我不在乎,如果是JSON,pickle,YAML,或什么的.

我见过的所有其他实现都不是向前兼容的,所以如果我有一个配置文件,在代码中添加一个新密钥,然后加载该配置文件,它就会崩溃.

有没有简单的方法来做到这一点？

编写Python文档字符串的首选方法是什么？

""" 要么 "

在Dive Into Python一书中 ,作者提供了以下示例:

def buildConnectionString(params):
    """Build a connection string from a dictionary of parameters.

    Returns string."""

在另一章中,作者提供了另一个例子:

def stripnulls(data):
    "strip whitespace and nulls"
    return data.replace("\00", "").strip()

两种语法都有效.对我来说唯一的区别是"""允许我们编写多行文档.

除此之外有什么区别吗？

有没有人使用德国键盘找到了解决方案？Ctrl + /是不可能的,因为需要按shift + 7来获得斜杠.但是当我按Ctrl +/+ 7时,我会在该行上获得一个名为7的书签.评论代码非常浪费时间,特别是在评论xml行时.

我目前的LSTM网络看起来像这样.

rnn_cell = tf.contrib.rnn.BasicRNNCell(num_units=CELL_SIZE)
init_s = rnn_cell.zero_state(batch_size=1, dtype=tf.float32)  # very first hidden state
outputs, final_s = tf.nn.dynamic_rnn(
    rnn_cell,              # cell you have chosen
    tf_x,                  # input
    initial_state=init_s,  # the initial hidden state
    time_major=False,      # False: (batch, time step, input); True: (time step, batch, input)
)

# reshape 3D output to 2D for fully connected layer
outs2D = tf.reshape(outputs, [-1, CELL_SIZE])
net_outs2D = tf.layers.dense(outs2D, INPUT_SIZE)

# reshape back to 3D
outs = tf.reshape(net_outs2D, [-1, TIME_STEP, INPUT_SIZE])

通常,我申请tf.layers.batch_normalization批量标准化.但我不确定这是否适用于LSTM网络.

b1 = …

我很确定这是一个愚蠢的问题,但我无法在其他任何地方找到它,所以我会在这里问它.

我正在使用带有7个标签的keras中的cnn(unet)进行语义图像分割.所以每个图像的标签是(7,n_rows,n_cols)使用theano后端.因此,对于每个像素的7个层,它是一个热编码的.在这种情况下,使用分类交叉熵是正确的误差函数吗？这似乎对我来说,但网络似乎更好地学习二进制交叉熵损失.有人可以阐明为什么会这样,原则目标是什么？

我有一个数组:

>>> data = np.ones((1,3,128))

我用文件保存到文件savez_compressed:

>>> with open('afile','w') as f:
        np.savez_compressed(f,data=data)

当我尝试加载它时,我似乎无法访问数据:

>>> with open('afile','r') as f:
        b=np.load(f)
>>> b.files
['data']
>>> b['data']

Traceback (most recent call last):
  File "<pyshell#196>", line 1, in <module>
    b['data']
  File "C:\Python27\lib\site-packages\numpy\lib\npyio.py", line 238, in __getitem__
    bytes = self.zip.read(key)
  File "C:\Python27\lib\zipfile.py", line 828, in read
    return self.open(name, "r", pwd).read()
  File "C:\Python27\lib\zipfile.py", line 853, in open
    zef_file.seek(zinfo.header_offset, 0)
ValueError: I/O operation on closed file

我做错了什么吗？

编辑

按照@Saullo Castro的回答我试过这个:

>>> np.savez_compressed('afile.npz',data=data)
>>> b=np.load('afile.npz')
>>> …

我必须使用包含在各个目录中的大量 jpeg 图像创建低分辨率 AVI 视频。我有将近一百个目录，每个目录可能包含数千个图像。

为了自动化这个过程，我使用 OpenCV 编写了一个 python 脚本来创建一个视频对象，从给定目录加载每个图像，并将每个图像写入该目录的特定视频文件。所有这些都很好用。我的问题是如何控制视频对象的压缩质量。

VideoWriter 模块接受 5 个参数。第二个参数“fourcc”设置压缩代码。

cv2.VideoWriter.open（文件名，fourcc，fps，frameSize[，isColor]）

我们可以使用“四字符代码”（即fourcc）在cv2.VideoWriter 中指定压缩代码。

Fourcc = cv2.cv.CV_FOURCC('M','S','V','C') #Microspoft Video 1

这种方法有效，只是视频对象的压缩质量始终设置为最大值。

如果我们让fourcc = -1，则会打开一个Windows 视频压缩对话框，允许用户选择视频压缩并在0 到100 之间设置压缩质量（或时间质量比）。

每个视频必须是 AVI，并且必须满足特定的文件大小要求。如果使用最大压缩质量，则视频文件太大。然而，要求用户为每个视频选择视频压缩和压缩质量会破坏脚本的自动化。

那么，如何在不使用 Windows 视频压缩对话框的情况下指定视频对象的压缩质量？

我的整个代码发布在下面

import cv2, os

Workspace = "J:\jpg to AVI test"
year = "2014"
file_extension = "avi"
Image_file_dir = Workspace + "\\12 - ECD-BONNETT CREEK Y INT (" + year + ")"
print Image_file_dir
Image_file_list = os.listdir(Image_file_dir)
print "Image_file_list: " + str(Image_file_list)

img_cnt = 0

for …

我试图安装一个特定Keras的版本Keras 1 API使用conda-forge，因为

$ conda search keras

仅返回以下Keras 2 API选项：

keras                        2.0.8            py35h86bcf3e_0  defaults
                             2.0.8            py27h242e9fd_0  defaults
                             2.0.8            py36h39110e4_0  defaults

而 $ conda search keras --channel conda-forge

除了通常的渠道外，返回更多选项，例如：

keras                        2.0.8            py35h86bcf3e_0  defaults
                             2.0.8            py27h242e9fd_0  defaults
                             2.0.8            py36h39110e4_0  defaults
                             1.0.7                    py27_0  conda-forge
                             1.0.7                    py34_0  conda-forge
                             1.0.7                    py35_0  conda-forge
                             1.0.7                    py36_0  conda-forge
                             1.2.2                    py27_0  conda-forge
                             1.2.2                    py35_0  conda-forge
                             1.2.2                    py36_0  conda-forge
                             2.0.0                    py27_0  conda-forge
                             2.0.0                    py35_0  conda-forge
                             2.0.0                    py36_0  conda-forge
                             2.0.1                    py27_0  conda-forge
                             2.0.1 …

我正在尝试用 Python 做一个简单的机器人，我已经编写了主体，我想在真实数据上进行尝试。所以我运行了它，它在无限循环中运行，在循环结束时它会休眠 6 秒，因为它从服务器获取数据并且需要休眠，因此它不会被服务器踢出。无论如何，当我坐在 PC 前做我的事情时，脚本正在运行（我从 Windows 命令提示符运行它）但是当我关闭屏幕并回来时，脚本不再运行。我已经尝试过几次不同长度的脚本运行，但在我关闭屏幕后它总是停止。

• 计算机屏幕关闭后如何保持python脚本运行