程序员：左正康 完成时间：2013/12/3 系统开发背景：原始的DEM精度评价方法：采用ArcGIS结合Excel的方式完成DEM的精度评价。具体操作是：利用ArcGIS工具箱中的创建TIN，TIN转DEM，坡度分析等工具将等高线的坡度图生成，然后在坡度图上选择坡度大的地方人工矢量28个检查点，然后再返回到矢量图层，人工判断计算每个检查点的高程值并依次手动填写完成
转载
2024-01-02 17:02:42
38阅读
能被广泛适用于一些小厂的开发人员当中。该定位精度需要根据操作人员
原创
2023-02-05 10:14:35
486阅读
边界框%matplotlib inline
from PIL import Image
import sys
sys.path.append('/home/kesci/input/')
import d2lzh1981 as d2l
#展示用于目标检测的图
d2l.set_figsize()
img = Image.open('/home/kesci/input/img2083/img/cat
转载
2024-09-22 06:52:00
98阅读
训练完目标检测模型之后，需要评价其性能，在不同的阈值下的准确度是多少，有没有漏检，在这里基于IoU(Intersection over Union)来计算。 希望能提供一些思路，如果觉得有用欢迎赞我表扬我~ IoU的值可以理解为系统预测出来的框与原来图片中标记的框的重合程度。系统预测出来的框是利用目标检测模型对测试数据集进行识别得到的。计算方法即检测结果DetectionRes
一、深入类和对象鸭子类型和多态多态的概念是应用于Java和C#这一类强类型语言中，而Python崇尚"鸭子类型"1.1 鸭子类型a = [1,2]
b = [3,4]
c = (5,6) # 元组 tuple
d = {7,8} # 集合 set 无序的
# def extend(self,iterable): iterable可迭代的对象 可以用for
a.extend(d)
转载
2024-02-27 12:42:29
75阅读
大致介绍一下测试代码的原理：基于DAL模型，项目的原始连接为：https://github.com/ming71/DAL，采用数据集为HRSC2016。1、对标签进行处理在处理原始ground-truth的时候调用Opencv的函数cv2.boxPoints()，生成了四个点的坐标的.txt文件，如下图表示的含义为，上下左右四个点的坐标，顺序为右下→左下→左上→右上。2、生成检测结果如下图所示其中第一个表示类别，第二个表示分数，二到十表示旋转bounding box的四个坐标顶点
原创
2021-08-13 09:29:04
106阅读
1.先控制精度，再输出：这种方法和下一种方法不同之处在于：是先对变量进行精度控制，是改变变量格式的方法，而下一种方法只是改变了变量的输出格式。 如：将的到的结果精确到小数点后 2 位后在进行下一次计算 其并不是输出时进行格式化，而是要先进行设置格式，改变变量格式在计算：a=6.09998
a=("%.2f"%a)
print(a)
结果：6.10其中%.2f ：f=float,2代表精度，即小数
转载
2023-06-21 00:31:15
545阅读
浮点数是机器上浮点数的本机双精度（64bit）表示。提供大约17位的精度和范围从-308到308的指数。Python不支持32bit的单精度浮点数。更加精确的精度控制可以使用numpy扩展库关于单精度和双精度的通俗解释：单精度型和双精度型，其类型说明符为float 单精度说明符，double 双精度说明符。在Turbo C中单精度型占4个字节（32位）内存空间，其数值范围为3.4E-38～3.4E
转载
2023-06-27 07:33:09
276阅读
在本文中，我们将继续进行机器学习讨论，并将重点放在与数据过度拟合相关的问题上，以及控制模型的复杂性，模型评估和错误引入，模型验证和调整以及提高模型性能。 过度拟合过度拟合是预测分析和机器学习中最大的担忧之一。过度拟合是指选择适合训练数据的模型拟合得太好，并且实际上捕获了所有噪声，离群值等的情况。这样的结果是，该模型将很
转载
2023-10-18 23:15:06
66阅读
1 致谢感谢赵老师的讲述~2 前言今天在学习CNN~ 记得很久以前，小伙伴曾经问过我一个问题，为什么CNN网络要使用卷积运算作为神经元的输入， 那时候我还没怎么开始学深度学习，觉得这是一个很玄妙的问题；关于CNN为什么要使用卷积的思考其实对于CNN网络要使用卷积运算作为神经元的输入，其实没有很复杂很复杂的原因， （其实这里隐含了一个小问题，就是为什么不直接用全连接层链接所有特征呢） 因为从计算过程
转载
2024-07-10 13:09:52
116阅读
好久没有发博客了，主要是要搞论文啊，好难好难好难。 论文是神经网络分类任务，因此实验部分要涉及一些分类网络常用的评价指标。 用这篇博客来学习吧。 分类指标 一般你能经常看到的的指标有下面这些： 1： TP,FP,TN,FN ：一套
转载
2024-09-11 19:23:35
59阅读
基础浮点数是用机器上浮点数的本机双精度(64 bit)表示的。提供大约17位的精度和范围从-308到308的指数。和C语言里面的double类型相同。Python不支持32bit的单精度浮点数。如果程序需要精确控制区间和数字精度，可以考虑使用numpy扩展库。Python 3.X对于浮点数默认的是提供17位数字的精度。关于单精度和双精度的通俗解释：单精度型和双精度型，其类型说明符为float 单精
转载
2023-06-26 23:47:59
181阅读
现象>>> 1.2 - 1.0
0.19999999999999996原因：根本原因：存在（用二进制存储时）“不可表示”，如0.1，0.2和0.01 计算机会把你心里想的十进制小数转换为二进制小数，然后在内存中存储二进制小数CPython 中的 float 类型使用C语言的 double 类型进行存储。 float 对象的值是以固定的精度（通常为 53 位）存储的二进制浮点数，由
转载
2023-07-05 13:05:34
91阅读
一、问题说明 在Python中定义两个浮点型进行计算，会发现某些时候计算并不准确。如下图的代码，并没有得到预期的0.3，而是一个无限接近0.3的数值。 为什么会出现这种情况呢？二、问题原因 查阅各方资料得知，由于所有数据在计算机中都是以0和1形式存储的，在机器字长有限的情况下，浮点型的精度也是有限的。浮点型在计算机中的存储一般遵从IEEE 754标准。IEEE 754标准： IEEE 754
转载
2023-06-16 19:53:19
264阅读
由于python中，数字都是用二进制方式储存的，所以当我们直接输入一个十进制的浮点数，比如3.675，其并无法精确的用二进制表示或储存，只能以一定精度进行近似表示。这时，如果我们需要对其做一些运算，比如四舍五入，由于实际操作的对象是二进制浮点数，而二进制浮点数常常又无法精确的表示十进制浮点数，这时就会存在误差。看如下例子。 &nbs
转载
2023-08-02 14:51:59
87阅读
精度浮点数到单精度的python 实现1.python源码2.示例3.参考文献 实现原理可参考 3.参考文献部分。 1.python源码代码输入参数s是字符串形式的16位二进数，如"0011010101010101"。def halfpre2spre(s):
#s代表16位二进数，
sign=int(s[0])
res0=pow(-1,sign) #符号位
ex
转载
2023-06-17 14:25:40
461阅读
Python基本数据类型与方法一、列表（元组）二、字符串三、字典四、集合 补充： # 对于数字而言，没有太多要说的
# 1、在python中没有单精度、双精度之分，float所支持的即为其他语言的双精度
# 2、在python3中：
# / 为除法，结果自动转型为浮点型
# // 为整除，如果被除数或者除数至少有一个为float类型，那么结果也为float类型
print(1 / 3
转载
2024-01-06 08:59:44
45阅读
首先不了解python的请自行google or baidu。（python牛人请绕行）在http://forum.ubuntu.org.cn/上搜索python会有不少资料，如果不想深入了解而只是简单实用其强大的功能可以看这本书《A byte of python》只有一百来页，在两天左右基本上就可以使用了。ubuntu论坛的python教程参考：http://wiki.ubuntu.org.cn
转载
2024-07-01 20:04:40
39阅读
基础 浮点数是用机器上浮点数的本机双精度(64 bit)表示的。提供大约17位的精度和范围从-308到308的指数。和C语言里面的double类型相同。Python不支持32bit的单精度浮点数。如果程序需要精确控制区间和数字精度，可以考虑使用numpy扩展库。 Python 3.X对于浮点数默认的是提供17位数字的精度。 关于单精度和双精度的通俗解释： 单精度型和双精
转载
2024-07-27 22:20:03
57阅读
深入学习高精度运算(chasem)高精度运算是算法学习中一个比较重要的内容 实际就是模拟我们平时运算的过程 有一定的实用性，虽然python不用模拟直接就能实现下面我们逐个学习高精度的加减乘除1.高精度加法高精度运算，数字可以达到几百位上千位，只能用字符串来接受。接收完数字后，高位在前，低位在后。我们先看下我们平时的加法计算过程需要个位，十位，这样对应位置对齐，而且加完以后数字还可能边长，这样的话
转载
2023-10-07 13:23:50
149阅读
