- 综合排序
- 最热优先
- 最新优先
- 来自专栏加菲猫的VFP
〔连载〕VFP9增强报表－运行时能力的增强
这提供了一些显著的增强，比如精确得多的报表绘制、图像和字体的平滑缩放、以及象文本旋转那样的额外能力。 提供一个更灵活的多得、可扩展得报表系统； 在 VFP 9 以前，报表引擎是庞大的：它处理每一件事情－数据处理、对象定位、绘制、预览以及打印。 在 VFP 9 中新的报表引擎已经将责任拆分成了几块，报表引擎现在只负责数据处理和对象定位，一个新的对象 report listener 负责处理绘制和输出。 现在让我们来看一下运行时增强的某些特点。 新的预览窗口 匆匆一看，在图25中显示的 VFP 9 预览窗口看上去好像跟过去版本中的它并没多少不同。不过，请仔细看一下这里面的工具栏。 其它打印增强 在 VFP 9 中有着大量的其它通用打印增强。 显示页设置对话框的 SYS(1037) 有了一些新的功能。
1.3K10编辑于 2022-04-07 - 来自专栏写字母的代码哥
java9-Collection集合类的增强
我计划在后续的一段时间内，写一系列关于java 9的文章，虽然java 9 不像Java 8或者Java 11那样的核心java版本，但是还是有很多的特性值得关注。 期待您能关注我，我将把java 9 写成一系列的文章，大概十篇左右，本文是第5篇。 java9系列文章访问地址 本文带大家快速的了解一下在Java 9 种集合类Colleaction子类都发生了哪些比较有用的变化与增强。 使用of()方法构建java.util.Set我们就不用一个元素一个元素的add()数据了。但需要注意的是：这种方法构建的Set集合类对象一旦构建就不能更改，不能再新增集合元素。 版本中也进行了增强。
57020发布于 2020-10-29 - 来自专栏编程杂记
【YOLOv5】数据增强Mosaic，把Mosaic3变成Mosaic9
这里写自定义目录标题 Mosaic数据增强 把Mosaic3变成Mosaic9 Mosaic数据增强 Mosaic数据增强,将图片进行随机裁剪，缩放后排列接成一张图片，实现丰富数据集，增加小样本目标，提升网络的训练速度 把Mosaic3变成Mosaic9 数据增强代码在utils/dataloaders.py,找到 mosaic = self.mosaic and random.random() < hyp['mosaic random.randint(0, self.n - 1))) 把其中的： img, labels = load_mosaic(self, index) 改为： img, labels = load_mosaic9( load_mosaic(self, random.randint(0, self.n - 1))) 改为： img, labels = mixup(img, labels, *load_mosaic9( = mixup(img, labels, *load_mosaic9(self, random.randint(0, self.n - 1))) 更改这两个地方，就可以吧Mosaic改为Mosaic9
1K10编辑于 2024-01-17 - 来自专栏加菲猫的VFP
〔连载〕VFP9增强报表－数据分组与环境还有国际化
译者:Fbilo 数据分组的增强 在 VFP 9 中，数据分组有三个增强。 第一个增强，是当报表中有多个自左向右而不是自顶向下打印的字段时，VFP 把组标头放在哪里。 图13、在 VFP 9 中，组标头带区打印在它自己的行里。 第二个增强也适用于那种带有从左到右打印多个列的报表。 VFP 9 中建立超过74个数据分组了。 在 VFP 9 中，要将一个报表的数据环境保存为一个类，可以打开数据环境窗口，然后从File（文件）菜单选择Save As Class（另存为类）。 VFP 9 已经修整了这个问题）。然而，这个字段没有暴露在任何报表设计器对话框中。在 VFP 9 中，现在可以从对象的属性对话框的 Other 页上找到它了。
2K20编辑于 2022-04-07 - 来自专栏清菡软件测试
高级性能测试系列《9.脚本增强》下篇
${__timeShift(,,,,)}数据格式化。有些接口返回的数据是时间戳的，这个数据你看不明白，就要进行格式转换。 ${__V(,)}拼接函数。
38110编辑于 2022-06-21 - 来自专栏Java崽
pyton数据增强
本文将介绍Python数据增强的概念、意义、常用方法以及在具体案例中的应用，并通过一个具体案例展示数据增强在图像分类任务中的应用。 一、Python数据增强概述 数据增强是一种通过人工或自动方式对数据进行修改或变换，以增加数据集规模和多样性的技术。 在机器学习中，数据增强被广泛应用于解决数据稀缺、数据不平衡、数据噪声等问题，提高模型的泛化能力和鲁棒性。 二、Python数据增强的常用方法 1.图像数据增强 图像数据增强是一种常用的数据增强技术，通过对图像进行旋转、平移、缩放、翻转、裁剪等操作，增加图像的多样性和规模。 三、Python数据增强的应用案例 下面以一个图像分类任务为例，介绍Python数据增强的应用。在这个案例中，我们使用了Keras框架和ImageDataGenerator类来进行图像数据增强。
36110编辑于 2024-03-15 - 来自专栏清菡软件测试
高级性能测试系列《9.脚本增强》上篇
高级性能测试系列《8.脚本写法》 目录 一、没有接口文档怎么办 二、写脚本方法扩展 三、脚本功能增强 1.定义用户变量 2.用户参数 3.用户定义变量（全局变量）和用户参数（局部变量）的区别 一、没有接口文档怎么办 三、脚本功能增强 关联： 前面接口的响应信息，有动态值作为后续接口的传入参数。 我想把手机号码发生变化： 变量： 1.用户定义变量；2.用户参数。 1.用户定义变量: 1.配置元件；2.测试计划。 1.定义用户变量 var_user: 1888888888 引用变量：${var_user} 例1:如果这里没写引号 运行结果 运行结果报错了 json的这种数据，key和value，value如果是 例2:也可以在这里加引号 这里加了引号，消息体数据那里的这个字段就可以不加引号了。 2.用户参数 用户参数是个前置处理器，在取样器被执行之前来调用。
56840编辑于 2022-06-21 - 来自专栏AI科技时讯
人脸数据增强
为什么要做数据增强在计算机视觉相关任务中，数据增强（Data Augmentation）是一种常用的技术，用于扩展训练数据集的多样性。它包括对原始图像进行一系列随机或有规律的变换，以生成新的训练样本。 数据增强的主要目的是增加模型的泛化能力、提高模型的鲁棒性，并减轻过拟合的风险。以下是进行数据增强的几个重要原因：增加数据样本数量：数据增强可以通过生成变体来增加训练样本的数量。 通过数据增强，您可以使用较少的标记样本来训练模型，同时保持性能。常见的数据增强技术包括图像翻转、旋转、缩放、裁剪、颜色变换、加噪声等。 选择哪些数据增强技术以及如何应用它们通常取决于具体任务和数据集的特点。数据增强在许多计算机视觉任务中都被广泛使用，包括图像分类、目标检测、分割、人脸识别等。 通过增强数据的多样性，可以提高模型的性能并使其更适应复杂的现实世界场景。人脸图像数据增强对于人脸图像数据增强，有多种方法可以提高模型的鲁棒性和性能。
82630编辑于 2023-09-20 - 来自专栏决策智能与机器学习
算法集锦（9）|自动驾驶|道路图像增强算法
因此，在训练自动驾驶算法时，需要一些特殊的图像增强处理。 为了更有效的训练汽车的CNN网络，本文提供了一个可模拟各种气候及环境的图像增强算法-Automold。该算法基于python的Numpy和OpenCV库开发，可以将图像转换至各种气候环境及季节。 比如，模拟雨天、晴天、大雾及雪天等，可以使系统在采集路况图像的时候，完成其在各种气候环境下的训练，大大增强了训练的样本数量及丰富程度。 Exception(err_snow_coeff) 6 else: 7 snow_coeff=random.uniform(0,1) 8 snow_coeff*=255/2 9 添加季节 Automold库提供了一种便捷的方式，可以对图像随机添加增强效果，而不需要繁琐的去指定增强类型，使得该算法可以很好的嵌入到自动驾驶的CNN网络训练中。
1.6K30发布于 2020-08-04 - 来自专栏加菲猫的VFP
〔连载〕VFP9增强报表－多细节带区
幸运的是，VFP 9 通过一个新的功能很好的解决了这个问题：多细节带区。 记录处理 在探讨多细节带区之前，让我们先讨论一下在一个报表中，VFP 是如何在记录们中间移动的。 在 VFP 9 中，现在可以有多个细节范围了（超过20个）。一个特定的细节范围中的记录可以是来自子表中的相关记录，也可以是驱动游标中的记录，而这就意味着它可以被处理多次。 报表属性对话框的 Variables （变量）页现在使用 “reset based on（基于…重置）”而不是“reset at（在何时重置）”作为一个变量作用范围的提示，来增强这个功能。 在 VFP 9 中，这只是简单的意味着要有一个细节带区来进行计算、而用另一个细节带区来显示结果。在这个示例 EmployeesMD2.FRX 中，这两个细节带区都使用 Orders 表作为目标别名。 我们想要让 Order_Subtotals 称为 Orders 表的一个子表，但是由于你不能在数据库中为视图定义索引或者关系，所以我们在数据环境的 OpenTables 方法中以代码来实现： local
2.3K10编辑于 2022-04-07 - 来自专栏算法之名
数据增强之王——Augmentor
其实我们都知道Pytorch的torchvision的transforms并非真正意义上的数据增强，它只是将图像做了变换，实际上图像数据集的总量是不变的。 现在我们使用Augmentor来做真正意义上的数据增强，首先安装Augmentor pip install Augmentor 如果我们的ground truth，即mask图像是单通道的，需要转成3通道的 im_name_new = im_name.split('.')[0]+'.png' cv2.imwrite(output_path + im_name_new, img) 最后就是开始做数据增强处理了 ，当然我这里只做了旋转和翻转处理，你还可以作一些其他的数据增强。 最后会得到20000张增强图像。
97730编辑于 2022-06-01 - 来自专栏机器视觉CV
数据增强策略（一）
数据增强汇总仓库 一个强大的数据增强仓库 https://github.com/aleju/imgaug 介绍了大量不同任务的数据增强方法，包括代码和可视化 ? 另一份数据增强的文档是百度深度学习框架 PandlePandle 的介绍 https://paddleclas.readthedocs.io/zh_CN/latest/advanced_tutorials 以下详细介绍几种数据增强的策略 Mix up 论文： 《mixup: Beyond Empirical Risk Minimization》 https://arxiv.org/abs/1710.09412 这种数据增强的方法有 4 个参数 、、、 ，其物理意义如下： ? 参考：https://zhuanlan.zhihu.com/p/103992528 Mosaic ? Mosaic 是 YOLOv4 提出的一种数据增强方法，在 Cutmix 中我们组合了两张图像，而在 Mosaic 中我们使用四张训练图像按一定比例组合成一张图像，使模型学会在更小的范围内识别对象。
2.4K30发布于 2020-08-04 - 来自专栏老秦求学
数据增强利器--Augmentor
最近遇到数据样本数目不足的问题，自己写的增强工具生成数目还是不够，终于在网上找到一个数据增强工具包，足够高级，足够傻瓜。想要多少就有多少！再也不怕数据不够了！ 简介 Augmentor是一个Python包，旨在帮助机器学习任务的图像数据人工生成和数据增强。它主要是一种数据增强工具，但也将包含基本的图像预处理功能。 特色 Augmentor是用于图像增强的软件包，重点在于提供通常用于生成机器学习问题的图像数据的操作。 使用Examples 分3步： 实例化Pipeline 对象，通过指定包含要处理图片所在的目录； 定义数据增强操作，crop、rotate等等，添加到pipeline中； 调用pipeline的sample 总结 个人认为其最大的亮点是只需要指定要增强图片所在的路径即可，不用进行读入、以及numpy数据转换； 增强时只需要指定最后的数目N，无论原始图片有多少，总能生成你想要的数目！！！
1.4K30发布于 2018-08-01 - 来自专栏加菲猫的VFP
〔连载〕VFP9增强报表系统AND社群的各种姿势
好啦，继续来VFP9的增强报表系统开发 保护 如果你允许用户在你的应用程序运行过程中从报表设计器里修改报表，你也许会希望有一种途径能够保护其中一部分对象。 图6、报表属性对话框的 Protection 页允许你指定哪些页和菜单项对用户是可用的 图7展示了当 MODIFY REPORT…PROTECTED 被用于一个报表，并且可选带区、数据分组、以及数据环境页被关闭时 ，报表属性对话框的表现 图7、在可选带区、数据分组、数据环境页关闭情况下的报表属性对话框 设计时标题 你也许已经注意到了字段对话体的 Protection 页上有一个额外的设置：design-time 图8、当没有使用 PROTECTED 关键字的时候，用于输出页码的表达式显示为一个表达式 图9使用了 PROTECTED 关键字。 在 VFP 9 中，你可以指定这些值应该如何显示。
91510编辑于 2022-04-07 - 来自专栏往期博文
【目标检测】数据增强：YOLO官方数据增强实现imgaug的简单使用
前言 由于自己的数据比较少，因此想采用数据增强的方式来扩充自己的数据集，对于目标检测任务而言，除了需要改变原始图像外，还需要对目标框进行相应的变化。 复刻YOLO官方的数据增强实现 在YOLOv5的datasets.py中，封装了一系列数据增强的方法。于是我想把它提取出来，单独在外面进行数据增强。 我主要想做一些简单的数据增强，比如平移、旋转、缩放等，于是我找到了random_perspective这个函数。 旋转增强弊端 在思考采用旋转数据增强时，我想到了一个问题，就是旋转之后的目标框实际上是要比原先要大的。采用这位博主所画的图可以进行解释。 数据增强提升经验 我尚未使用数据增强进行对比测试，看到这位博主已经进行了测试，各方法提升结果如下： 结论是使用旋转(Rotate)、随机去除像素点(Dropout)、仿射变换(Affine)对结果的提升比较显著
10.4K53编辑于 2022-09-20 - 来自专栏TAB的coding生活
ABAP随笔-物料主数据界面增强-页签增强
物料主数据增强(2) 之前写了一一篇物料主数据增强的文档ABAP随笔-物料主数据界面增强，需要配置+增强代码，今天升级一下功能，对物料主数据页签进行增强 1. 对物料主数据表增强 append custom field in MARA 随便加一个你想要的字段 2. 数据更新 之前我们在物料主数据界面增强中已经讲过了，如何对物料主数据进行增强校验了， 这里我们简单做一个唯一性校验: 启用EXIT_SAPLMGMU_001出口 和 CI_MMH1 *&------ 'MM01' 对MM01也进行唯一性的校验是因为，MM01可以对已存在的物料进行扩展 更多其他的文章请点击历史记录 ABAP随笔-物料主数据界面增强 BP客户增强-保存时增加校验事件(DCHCK) BP 客户增强-详细-干货 S4 BP客户增强说明
3.4K30编辑于 2022-06-27 - 来自专栏磐创AI技术团队的专栏
干货 | 图像数据增强实战
译者 | 小韩 编辑 | 安可 【磐创AI导读】：本文讲解了图像数据增强实战。想要获取更多的机器学习、深度学习资源，欢迎大家点击上方蓝字关注我们的公众号：磐创AI。 我目前正在做图像数据增强的深度和有效性的研究。这项研究的目的是学习怎样增加只有有限或少量数据的数据集大小，增强训练的卷积网络模型的鲁棒性。 /NIKE.png') img = np.array(img) plt.imshow(img) plt.show() 翻转（Flipping） 翻转图像是最流行的图像数据增强方法之一。 这主要是由于翻转图像的代码比较简单，而且对于大多数问题而言，翻转图像会增强模型的性能。下面的模型可以被认为是看到左鞋而不是右鞋，因此通过这种数据增加，模型对于看到鞋的潜在变化变得更加有鲁棒性。 正如上图看到的那样，它们看起来确实像3，7和9。 我想扩展网络结构来支持的300x300x3尺寸的输出，而不是28x28x1 MNIST的数字，但是遇到了一些麻烦。
1.1K40发布于 2018-10-22 - 来自专栏算法与编程之美
图像数据增强——谈谈Opencv
如果大家对图像数据增强有兴趣可以关注微信公众号和我们一起学习。
1.9K20发布于 2019-07-17 - 来自专栏sktj
Kubernetes(9:数据)
作用是在Pod中共享数据 创建Pod，volumeMounts ? image.png emptyDir是Host上创建的临时目录，其优点是能够方便地为Pod中的容器提供共享存储，不需要额外的配置。
41520发布于 2019-09-24 - 来自专栏我还不懂对话
NLP数据增强方法-(一)
中文NLP数据增强工具：https://github.com/InsaneLife/NLPDataAugmentation 分类的增强方法 EDA EDA-Easy Data Augmentation Techniques for Boosting Performance on Text Classification Tasks 提出了数据增强方法： synonym replacement(SR 作者将数据集分别在0，20%，40%，60%，80，100%上进行了实验，结果自然是数据越少增强带来的提升越大，到100%带来的提升不大，这个倒是意料之中，比较有意思的是作者还进一步进行了实验。 通过原始数据训练一个RNN模型，然后在测试集中每个句子通过EDA获得9个增强的句子，输入到模型中，获取其最后一层的向量输出，通过t-SNE算法将向量转为2维表达并绘制2D图形，发现增强的句子与原始句子的周围且距离很近 个人感觉众包review更为可信，对于论文发表来说没啥技术含量且冗长，而且也与数据增强初衷违背。 但是NER问题的增强EDA可能不太适合使用，槽位值很可能因为随机替换之类的操作而改变。
98810发布于 2021-10-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号