逐步建立的GAN生成对抗网络，博文中可以找到对应的逐句讲解

pytorch 迁移学习实战，天气识别

天气状况识别对交通运输安全、环境、气象等领域有重要意义。在各种产业向智能化转型的技术背景下，基于人工智能技术研究一种高效的天气自动识别方法，不仅能解决传统天气判别准确率低的问题，还能实现天气判别的实时性，有效地提高应对各种天气状况的处理能力。卷积神经网络（Convolutional Neural Network，简称CNN）是深度学习中的一种重要网络结构，它通过引入卷积层，池化层以及较深的网络层数，实现对图像高层语义特征的感知，提升图像分类效果。本文基于卷积神经网络架构，针对传统天气识别方法较难判断的可见光图像天气状况（多云、雨天、晴天、日出）。

(钢材表面缺陷)数据集该数据集是东北大学宋克臣团队制作而成，是钢材表面缺陷数据集，共有1800张图片，包含六种类型：crazing、inclusion、patches、pitted_surface rolled-in_scale、scratches 数据说明 ANNOTATIONS：标签 IMAGES：图片 问题描述 钢材表面缺陷数据集

NWPU VHR-10数据集包含800个高分辨率的卫星图像，这些图像是从Google Earth和Vaihingen数据集裁剪而来的，然后由专家手动注释。数据集分成10类（飞机，轮船，储罐，棒球场，网球场，篮球场，地面跑道，港口，桥梁和车辆）。

在RK3399上编译的Paddlle Lite编译包，直接pip install即可在开发板上安装Paddle Lite。

李沐老师b站课程的笔记，

低成本MEMS惯导系统姿态、位置、速度更新算法的对比：在低成本MEMS惯导系统中，陀螺仪精度（零偏重复性）为0.1（°）/s量级，加速度计精度为5 mg量级。由于陀螺仪精度太低，无法敏感到地球自转信息，因而没有必要采用如4.1节所述的完整而复杂的捷联惯导更新算法，可对其作大幅简化。

图神经网络DGL框架中文详细文档

目前解释得比较清晰的一篇文章，对深度学习，卷积神经网络原理有帮助

《A Tandem Learning Rule for Effective Training and Rapid Inference of Deep Spiking Neural Networks》，论文原文

PHM2012滚动轴承全寿命数据集的特征提取环节，提取具有物理意义的统计特征。包含时十几个域、频域等的统计特征提取。最后保存的数据形式是numpy的数据格式

可以解决多个数据集重名问题，规范化数据集内的文件名。 YOLO数据集VOC数据集用UUID重命名图片和xml文件，包含修改xml内的path，只需要修改图片和xml的路径就可以使用。 # 1、打开xml文件 tree =ET.parse(xPath + xmlnewname) # 获xml文件的内容取根标签 root = tree.getroot() # print(root) # 2、读取节点内容 Events_object = root.find("folder")

大量图片可能其中有的图片损坏，不完整（truncated），使用python写的识别代码。 识别损坏truncated的图片，如果图片truncated可以删除 运行效率快。

PHM2012数据集，采用EMD分解对水平振动信号进行分解，得到IMF分量和残差Res，并计算其IMF分量和Res的11个统计特征。包括均值、均方根、能量、熵、方差、中位数、峭度、峰值因子、波长和两个三角函数特征(反正切标准差、反双曲正弦标准差)