在机器学习或者深度学习中，我们常常碰到一个问题是数据集的切分。比如在一个比赛中，举办方给我们的只是一个带标注的训练集和不带标注的测试集。其中训练集是用于训练，而测试集用于已训练模型上跑出一个结果，然后提交，然后举办方验证结果给出一个分数。但是我们在训练过程中，可能会出现过拟合等问题，会面临着算法和模型的选择，此时，验证集就显得很重要。通常，如果数据量充足，我们会从训练集中划分出一定比例的数据来作为验证集。
每次划分数据集都手动写一个脚本，重复性太高，因此将此简单的脚本放到自己的博客。代码如下：
import random
def split(full_list,shuffle=False,r
2022-04-13 22:29:42
41KB
1
使用须知
1本程序打开后release目录下的exe文件可以直接运行
若要查看源代码，当然要配置好gdal环境
2目前本程序只实现了裁剪单波段影像，打开影响时直接点击打开影像，选择单波段影像就可以打开了
3图像预处理菜单----影像分块就可以打开分块设置对话框
注意分块的方式有三种，每次分块只需要指定一种
比如填写影像每块长宽大小，其他的都留空
或者填写影像块数，包括水平方向和垂直方向分别划分成多少块，其他的选项同样全都不填
或者填写要裁剪的影像起始行列号和要裁剪的影像大小，其他全部不填
2022-02-22 09:37:58
5.2MB
1
0. 功能包括：自动分离姓名中的[姓,名]；姓名转拼音（一对一，首字母+全拼音）；姓名转拼音（一对多，首字母+全拼音）
1. 版本：V1.0 日期：2019年06月06日
2. 详情：
https://blog.csdn.net/weixin_38887369/article/details/91047524 // 本开源项目介绍
https://blog.csdn.net/weixin_38887369 //
3. 版权所有 qq:2271590144,新月
4. 使用语言:c++,使用库：qt
5. qt库只使用了 qstring qstringlist qvector，如果你不想使用qt,直接使用标准的c++也可，只需要做很少的改动
如果使用标准的c++库,改动如下：
qstring -> string
qstringlist -> vector
qvector -> vector
a. cpp文件中的代码就300行左右,所以改动不多
b. [vector,qvector],[string,qstring] 的相似度极高，很多函数都是一样的，所以改起来也容易
c. 使用标准的string效率会更高
6. 实际运用测试：
a. 已经商用，没什么问题
b. 速度测试，环境：win10系统 + i5-8265U + 单线程下 + 每人3个字 ，很粗糙的速度测试结果如下
getComPingyinForStr() => 50 人/ms
getNamePingyin() => 100人/ms
7. 使用方法：可以直接看本文件（.h文件）的注释 或 进入详情页面开，见第二条的网址
2022-01-15 17:54:38
58KB
1