小编JMa*_*arc的帖子

我想知道什么更适合我想要实现的目标:

在我的主页面(main.php)上,我有不同形式的链接:form1.php,form2.php,form3.php.我需要链接的页面在main.php的一部分中打开,即在main.php的div或iframe中打开,而不刷新main.php.表单页面可以填充,删除,更新数据库.当我执行这些操作时,我不希望main.php刷新,只需要相应的表单页面.我的第一个选择是打开form1.php,例如在main.php的iframe中打开.当我提交表单时,只会刷新iframe中的form1.php.我的第二个选择是使用jquery:在main.php的div中打开链接(form1.php).在div中提交表单,并仅刷新div.

第二种选择要求更高,因为我对ajax和jquery没有太多经验.第一个选择对我来说更直截了当.我想知道与iframe相比,使用div刷新的第二个选项是否有任何优势,即与不同浏览器的兼容性等等...谢谢.

我的目标是将图像和数据字符串从 RPi（服务器）发送到客户端。我send_json(data)在数据是 dict 的地方使用{'img': img_ls, 'telemetry':'0.01, 320, -10'}。img_ls是将图像转换为列表。问题是我得到len( img_ls ) = 57556，而原始图像的大小为： 320 x 240 = 76800。我不明白为什么会出现差异。这是代码：

服务器端

context = zmq.Context()
socket = context.socket(zmq.PUB)
socket.bind("tcp://0.0.0.0:5557")


def outputs():
    stream = io.BytesIO()
    while True:
        yield stream
        stream.seek(0)
        sensors = '0.01, 320, -10'
        img_ls = np.fromstring(stream.getvalue(), dtype=np.uint8).tolist()
        data = {'telemetry': sensors, 'img': img_ls}
        socket.send_json(data)
        stream.seek(0)
        stream.truncate()

with picamera.PiCamera() as camera:
        camera.resolution = (320, 240)
        camera.framerate = 80
        time.sleep(2)
        camera.capture_sequence(outputs(), 'jpeg', use_video_port=True)

客户端

ip_server = "192.168.42.1" …

我在 Keras 中使用以下模型：

输入/conv1/conv2/maxpool/conv3/conv4/maxpool/conv5/conv6/maxpool/FC1/FC2/FC3/softmax（2个节点）。

当我在每次激活 (Wx) 之后和非线性 ReLu(Wx) 之前使用 Batch Normalization 时，验证的损失和准确性是嘈杂的（Red=Training_set / Blue=validation_set）：

如果我删除 BN 层，则验证损失与训练损失一样平滑 .

我已经尝试了以下（但没有奏效）：

1.将批量大小从 64 增加到 256 2. 降低学习率 3. 添加 L2-reg 和/或不同幅度的 dropout 4. 训练/验证拆分比率：20%、30%。仅供参考，数据集是 kaggle 猫狗图像。

我可以运行关于数据加载的 Pytorch 教程笔记本（pytorch 教程）的所有单元格。但是当我使用OpenCV代替Skimage调整图像大小时，数据加载器卡住了，即没有任何反应。

在Rescale课堂上：

class Rescale(object):
    .....
    def __call__(self, sample):
       ....
       #img = transform.resize(image, (new_h, new_w))
       img = cv2.resize(image, (new_h, new_w))
       .....

该dataloader和for loop被定义的：

dataloader = DataLoader(transformed_dataset, batch_size=4,
                        shuffle=True, num_workers=4)

for i_batch, sample_batched in enumerate(dataloader):
    print(i_batch, sample_batched['image'].size(),
          sample_batched['landmarks'].size())

如果 ，我可以iterator打印一些东西num_workers=0。看起来opencv与 pytorch 的 Multiprocessing 不太兼容。我真的更喜欢在训练时间和测试时间使用相同的包来转换图像（并且我已经在测试时间使用 OpenCV 进行图像重新缩放）。任何建议将不胜感激。