Python循环不打印任何内容,它到底算不算执行完了?
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
Python内容推荐
Python CWT SVM变压器故障诊断 小波能量混淆矩阵
Python CWT SVM变压器故障诊断 小波能量混淆矩阵 合成四类变压器振动信号,Morlet 小波尺度能量特征提取后 SVM 分类,输出混淆矩阵与 CWT 对照图。 功能: · 合成变压器 50Hz 工频振动四工况(正常/过热/绕组/铁芯) · Morlet CWT 八频带能量 + RBF-SVM 四分类(C=12) · cwt_gallery.png 小波系数墙 · confusion.png 混淆矩阵 + classification_report.txt · wave_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python IMF SVM变压器故障诊断 模态能量混淆矩阵
Python IMF SVM变压器故障诊断 模态能量混淆矩阵 合成四类变压器振动信号,IMF 模态能量与时域统计特征提取后 SVM 分类,输出混淆矩阵与 IMF 能量对照图。 功能: · 合成变压器 50Hz 工频振动四工况(正常/过热/绕组/铁芯) · 简易 IMF 能量 + sift + 时域统计 + RBF-SVM 四分类 · imf_energy.png IMF 能量对比 · confusion.png 混淆矩阵 · wave_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python文档批量SobelX边缘 OpenCV批量出图
Python文档批量SobelX边缘 OpenCV批量出图 批量对合成文档扫描图做水平方向 Sobel 边缘检测,统计边缘强度,输出边缘图与前后对照画廊。 功能: · 合成对比度断裂文档扫描图 · 仅水平 Sobel-X(dx=1,dy=0,ksize=3)+ convertScaleAbs · sobelx_batch_report.csv(file/mean_edge/max_edge) · sobelx_gallery.png 前后对照最多 4 张 · sobelx_{stem}.jpg 输出图 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python STFT SVM变压器故障诊断 时频混淆矩阵
Python STFT SVM变压器故障诊断 时频混淆矩阵 合成四类变压器振动信号,STFT 时频频带特征提取后 SVM 分类,输出混淆矩阵与 STFT 对照图。 功能: · 合成变压器 50Hz 工频振动四工况(正常/过热/绕组/铁芯) · STFT 十频带幅度特征 + RBF-SVM 四分类(C=12) · confusion.png 混淆矩阵 · wave_gallery.png 时域波形画廊 · stft_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python熵特征SVM发电机故障诊断 样本熵混淆矩阵
Python熵特征SVM发电机故障诊断 样本熵混淆矩阵 合成四类发电机振动信号,样本熵/排列熵/谱熵特征提取后 SVM 分类,输出混淆矩阵与熵特征对照图。 功能: · 合成发电机 50Hz 振动四工况(正常/绕组/轴承/不平衡) · 样本熵/排列熵/谱熵 + RBF-SVM 四分类 · entropy_bar.png 熵特征均值对比 · confusion.png 混淆矩阵 · wave_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python文档批量Roberts边缘 OpenCV批量出图
Python文档批量Roberts边缘 OpenCV批量出图 批量对合成文档扫描图做 Roberts 交叉算子边缘检测,统计边缘强度,输出边缘图与前后对照画廊。 功能: · 合成对比度断裂文档扫描图 · Roberts X+Y 幅值边缘 + convertScaleAbs · roberts_batch_report.csv(file/mean_edge/max_edge) · roberts_gallery.png 前后对照最多 4 张 · roberts_{stem}.jpg 输出图 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python文档批量均值模糊 OpenCV批量出图
Python文档批量均值模糊 OpenCV批量出图 批量对合成文档扫描图做均值滤波模糊,统计拉普拉斯方差与均值变化,输出模糊图与前后对照画廊。 功能: · 合成对比度断裂文档扫描图 · cv2.blur 均值模糊(默认核 5×5) · blur_batch_report.csv(file/ksize/mean/laplacian_var) · blur_gallery.png 前后对照最多 4 张 · blur_{stem}.jpg 输出图 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
负荷预测基于CNN-BiLSTM-Attention的负荷预测研究(Python代码实现)
内容概要:本文系统研究了基于CNN-BiLSTM-Attention混合深度学习模型的电力负荷预测方法,并提供了完整的Python代码实现。该模型通过卷积神经网络(CNN)有效提取负荷数据中的局部特征与空间模式,利用双向长短期记忆网络(BiLSTM)充分捕捉时间序列前后向的长期依赖关系,并结合注意力机制(Attention)动态聚焦于关键时间步的重要特征,从而显著提升预测的准确性与模型鲁棒性。文中详细阐述了数据预处理、模型架构设计、训练优化流程及实验验证过程,证明了该混合模型在处理非线性、非平稳电力负荷数据方面相较于传统模型具有明显优势。; 适合人群:具备Python编程能力和深度学习基础知识,从事电力系统、能源管理、智能电网或时间序列预测相关工作的科研人员与工程技术人员,特别适合高校研究生及企业研发岗位人员。; 使用场景及目标:①应用于电网调度、能源管理系统中的短期与超短期电力负荷预测;②提升对复杂用电行为和突发负荷变化的建模能力,优化电力资源配置与运行效率;③为需求响应、电力市场竞价及智能电网规划等提供高精度的数据支持。; 阅读建议:读者应结合所提供的Python代码进行动手实践,深入理解各模块的设计原理与实现细节,建议使用真实的电力负荷数据集进行模型复现、参数调优与性能对比,以全面掌握该混合模型在实际工程场景中的应用技巧与优化策略。
Python IMF SVM冲床故障诊断 模态能量混淆矩阵
Python IMF SVM冲床故障诊断 模态能量混淆矩阵 合成四类冲床振动信号,IMF 模态能量与时域统计特征提取后 SVM 分类,输出混淆矩阵与 IMF 能量对照图。 功能: · 合成冲床四工况振动(正常/模具磨损/滑块异常/液压异响) · 简易 sift 的 3 IMF 能量、残差能量与时域统计 · RBF-SVM 四分类(C=10) · feature_compare.png IMF 能量对比 + wave_gallery.png · confusion.png、classification_report.txt 与 metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python ZCR SVM发电机故障诊断 过零率混淆矩阵
Python ZCR SVM发电机故障诊断 过零率混淆矩阵 合成四类发电机振动信号,过零率与时域频域统计特征提取后 SVM 分类,输出混淆矩阵与过零率对照图。 功能: · 合成发电机 50Hz 振动四工况(正常/绕组/轴承/不平衡) · 过零率 + 时域/频域统计 + RBF-SVM 四分类 · zcr_bar.png 四类过零率对比 · confusion.png 混淆矩阵 · wave_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python Savitzky-Golay LSTM地铁客流预测 平滑滤波出图
Python Savitzky-Golay LSTM地铁客流预测 平滑滤波出图 Savitzky-Golay 平滑滤波地铁小时客流后 LSTM 预测,对比原序列 LSTM,输出平滑对比图与预测曲线。 功能: · 合成地铁客流小时序列 人次/时(早晚高峰) · scipy.signal.savgol_filter 平滑(窗口 11 阶 3) · LSTM 对比原序列与 Savgol 平滑 · decomp.png 平滑对照 · forecast.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python CWT SVM传送带故障诊断 小波能量混淆矩阵
Python CWT SVM传送带故障诊断 小波能量混淆矩阵 合成四类传送带振动信号,Morlet 小波尺度能量特征提取后 SVM 分类,输出混淆矩阵与 CWT 对照图。 功能: · 合成传送带振动四工况(正常/跑偏/卡料/轴承) · Morlet CWT 八频带能量 + RBF-SVM 四分类(C=12) · cwt_gallery.png 小波系数墙 · confusion.png 混淆矩阵 · wave_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python FFT SVM传送带故障诊断 频谱混淆矩阵
Python FFT SVM传送带故障诊断 频谱混淆矩阵 合成四类传送带振动信号,FFT 频带能量特征提取后 SVM 分类,输出混淆矩阵与频谱对照图。 功能: · 合成传送带振动四工况(正常/跑偏/卡料/轴承) · FFT 六频带能量 + RBF-SVM 四分类(C=10) · confusion.png 混淆矩阵 · wave_gallery.png 时域波形画廊 · fft_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python包络谱SVM电梯故障诊断 希尔伯特混淆矩阵
Python包络谱SVM电梯故障诊断 希尔伯特混淆矩阵 合成四类电梯振动信号,希尔伯特包络谱特征提取后 SVM 分类,输出混淆矩阵与包络谱对照图。 功能: · 合成电梯振动四工况(正常/导轨/钢丝绳/轴承) · Hilbert 包络谱六频带+峰 18/36/95Hz + RBF-SVM(C=12) · envelope_spec.png 包络谱对照 · confusion.png 混淆矩阵 · wave_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python Kalman LSTM室外温度预测 滤波平滑出图
Python Kalman LSTM室外温度预测 滤波平滑出图 一维 Kalman 滤波平滑室外小时温度后 LSTM 预测,对比原序列 LSTM,输出滤波对比图与预测曲线。 功能: · 合成室外温度小时 °C(日/周周期) · 一维 Kalman 滤波平滑(q=1e-3 r=0.5) · LSTM 对比原序列与 Kalman 平滑 · decomp.png 滤波对照 · forecast.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python文档批量加权混合模糊 OpenCV批量出图
Python文档批量加权混合模糊 OpenCV批量出图 批量对合成文档扫描图与其高斯模糊副本做加权混合,统计混合系数与均值变化,输出混合图与前后对照画廊。 功能: · 合成对比度断裂文档扫描图 · cv2.addWeighted 原图与 GaussianBlur 柔和混合(alpha=0.65) · blend_batch_report.csv(file/alpha/mean_before/mean_after) · blend_gallery.png 前后对照最多 4 张 · blend_{stem}.jpg 输出图 · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
Python ZCR SVM变压器故障诊断 过零率混淆矩阵
Python ZCR SVM变压器故障诊断 过零率混淆矩阵 合成四类变压器振动信号,过零率与时域频域统计特征提取后 SVM 分类,输出混淆矩阵与过零率对照图。 功能: · 合成变压器 50Hz 工频振动四工况(正常/过热/绕组/铁芯) · 过零率 + 时域/频域统计 + RBF-SVM 四分类(C=12) · zcr_bar.png 四类过零率对比 · confusion.png 混淆矩阵 + classification_report.txt · wave_gallery.png+metrics.csv · 打包时预跑 output/preview 压缩包含可运行源码、依赖与说明,按 README 安装后即可复现。
LED编带机.rar
LED编带机.rar
嵌入式并口摄像头(OV2640/OV5640)驱动与 DCMI 实战工程
为什么这份资料值得你下载? 你是不是也卡在过这些地方:摄像头插上去只出花屏、DCMI 收不到数据、DMA 一跑就溢出、逻辑分析仪抓出来的波形看不懂不知道哪根线错了?并口 CMOS 摄像头(OV2640 / OV5640)是嵌入式视觉的标配,但网上教程大多只给一段「能跑就行的代码」,从 SCCB 寄存器到 DCMI 时序、从帧缓存到调波形,没有一个讲透的。这份工程把整条链路一次性讲明白。 你能直接拿到什么 - 可直接研读的 HAL 驱动源码(STM32 风格,全中文注释):SCCB 总线读写(硬件 I2C + 软件模拟双保险)、OV2640 与 OV5640 两套寄存器配置与初始化、DCMI + DMA 抓帧、多缓冲帧缓存环形队列。 - 一份能救命的波形调试笔记:把「无像素时钟 / HSYNC 极性反 / VSYNC 不翻转 / 数据错位 / JPEG 帧头缺失 / DMA 溢出」六大故障,整理成「现象、波形、排查、判定」对照表,配 ASCII 时序图。纯靠猜会浪费一周,对着表十分钟定位。 - 单文件离线教程:HTML 阅读器自带目录、代码复制、章节折叠、搜索、避坑框,断网也能看;另有 Markdown 源。 核心 1. 一次讲清两款主流传感器:OV2640(入门 JPEG/RGB565)与 OV5640(500 万像素、含 PLL 配置),共用 SCCB 层,各自寄存器表分开实现。 2. 不只给代码,更给「为什么」:每个配置背后的时序与寄存器含义都解释,改分辨率、改输出格式不再靠蒙。 3. 把最隐蔽的硬件坑前置:DCMI 同步信号极性、DMA 双缓冲、场消隐窗口,这些文档里不写、出事才发现的细节,全在笔记里。 适合谁 嵌入式工程师、在校学生、创客,以及做机器视觉小车、智能门锁、工业检测、AI 相机原型的开发者
人工智能基于PyTorch的深度学习开发手册:常用API功能详解与模型训练优化技术
内容概要:本文档系统梳理了Python、NumPy、PyTorch及Pickle等工具的核心API功能,涵盖常用编程语法和深度学习开发中的关键技术细节。内容包括Python基础(如`__call__`、`@dataclass`、`isinstance`等)、NumPy数组操作(如`np.tile`、`np.triu`)、PyTorch张量与神经网络模块的使用(如`nn.Module`、`autograd`机制、`F.cross_entropy`、`torch.compile`等),以及对象序列化方法。重点解析了各类函数的语法、使用场景、注意事项及实际示例,帮助开发者深入理解底层机制并正确应用于模型构建与训练中。; 适合人群:具备Python编程基础,正在从事或学习深度学习、机器学习相关工作的研发人员、算法工程师或高校学生,尤其适合需要快速查阅API细节和最佳实践的中级开发者。; 使用场景及目标:①快速掌握PyTorch模型开发中的关键API用法,如参数管理、梯度控制、模型保存与加载;②理解深度学习中常见的操作原理,如广播、注意力机制、混合精度训练、CUDA优化等;③提升代码规范性和运行效率,避免常见陷阱。; 阅读建议:建议结合实际项目边查边用,针对不熟悉的API通过示例动手验证,重点关注`torch.no_grad`、`DataLoader`、`nn.ModuleList`等高频模块的使用差异与最佳实践。
最新推荐



