js是一个功能十分强大的脚本语言，通过js能实现很多有意思的demo！而要实现那些功能炫酷、特效美观的东西DOM操作是必不可少且尤为重要的！这个ATM机存取款的案例，就用到js中一些简单的DOM操作来实现其功能。
ATM机案例功能需求：
1.用户最多只能有三次输入卡号和密码的机会，如果超过三次，则提示卡号已被锁定
2.用户取款的金额不能大于卡上的账户余额
3.存取功能完成后，要更新相应的余额信息
登录界面代码：
<!DOCTYPE html>
<html lang=en>
<head>
<meta charset=UTF-8>
<title>ATM</title>
<sc
2022-03-16 03:34:11
74KB
1
Multi-label-Classification
Multi-label attributes Classification and CAM& grad-cam
（6.26 晚补充部分）之前一直放着grad-cam没有看懂，现在首先对这一部分做补充。
CAM算法简单而且很好用，但是它修改了原本的网络，对于这个问题，Grad-cam在不修改原网络的情况下也可以实现一样的效果，两者等价的理论推导在论文中有证明。
原理简单理解在这里做个记录：
用输出类别的权重对特征图求梯度，取均值 (14, 14, 512)->( 512,) 后分别乘以特征图的每一层相加得到cam
导向反向传播，用到了注册梯度函数，定义一个新的op类型，只反向传播梯度为正的值。对(14,14,512)求最大值(14,14)后的和对输入求梯度。（6.26 晚补充部分）
训练的分类准确率达到0.8
准确率和loss如图所示：
2022-03-14 11:49:59
834KB
1
在编程中我们往往会希望能够实现这样的操作：点击Button，选择了图片，然后在窗口中的Label处显示选到的图片。那么这时候就需要如下代码：
from tkinter import *
from tkinter.filedialog import askopenfilename
def choosepic():
path_=askopenfilename()
path.set(path_)
img_gif=Tkinter.PhotoImage(file='xxx.gif')
l1.config(image=img_gif)
root=Tk()
path=StringVar()
2022-03-10 16:49:56
106KB
1
label转onehot的很多，但是onehot转label的有点难找，所以就只能自己实现以下，用的topk函数，不知道有没有更好的实现
one_hot = torch.tensor([[0,0,1],[0,1,0],[0,1,0]])
print(one_hot)
label = torch.topk(one_hot, 1)[1].squeeze(1)
print(label)
tensor([[0, 0, 1],
[0, 1, 0],
[0, 1, 0]])
tensor([2, 1, 1])
以上这篇pytorch实现onehot编码转为普通label标签就是小编分享给大家的全部内
2022-03-09 15:29:15
25KB
1
函数原型
resample(self, rule, how=None, axis=0, fill_method=None, closed=None, label=None, convention=‘start’, kind=None, loffset=None, limit=None, base=0, on=None, level=None)
比较关键的是rule,closed,label下面会随着两个用法说明
降采样
对时间数据细粒度增大，可以把每天的数据聚合成一周，可以求和或者均值的方式进行聚合
下面给出列子
times=pd.date_range('20180101',period
2022-03-08 13:09:59
48KB
1
最近短信服务商要求公司的app在获取短信验证码时加上校验码，目前比较流行的是采用类似滑动解锁的方式，我们公司采取的就是这种方式，设计图如下所示：
这里校验内部的处理逻辑不作介绍，主要分享一下界面效果的实现, 下面贴出代码：
先子类化UISlider
#import
#define SliderWidth 240
#define SliderHeight 40
#define SliderLabelTextColor [UIColor colorWithRed:193/255.0 green:193/255.0 blue:193/255.0 alpha:1]
2022-03-08 10:21:44
86KB
1
简介
1、本项目是在tensorflow版本1.14.0的基础上做的训练和测试。
2、本项目为中文的多标签文本分类。
3、欢迎大家联系我
4、albert_small_zh_google对应的百度云下载地址：
链接：
提取码：wuxw
使用方法
1、准备数据
数据格式为：classifier_multi_label_textcnn/data/test_onehot.csv
2、参数设置
参考脚本 hyperparameters.py，直接修改里面的数值即可。
3、训练
python train.py
4、预测
python predict.py
知乎代码解读
2022-02-25 19:21:34
189KB
1
labelme转coco数据集，代码核心来源于labelme；直接调用
labelme2coco(“labelme标记json文件list”,'生成的目标coco数据集')
2022-02-17 07:48:27
6KB
1