当前位置：首页 > news >正文

MindSpore框架学习项目-ResNet药物分类-模型评估

news 来源：原创 2025/8/3 22:26:41

4.模型评估

4.1模型预测

4.1.1加载模型

4.1.2通过传入图片路径进行推理

单张图片推理代码解释

4.2图片推理

4.2.1构造可视化推理结果函数

可视化推理结果函数代码解释

4.2.2进行单张推理

参考内容：昇思MindSpore | 全场景AI框架 | 昇思MindSpore社区官网华为自研的国产AI框架，训推一体，支持动态图、静态图，全场景适用，有着不错的生态

本项目可以在华为云modelart上租一个实例进行，也可以在配置至少为单卡3060的设备上进行

https://console.huaweicloud.com/modelarts/

Ascend环境也适用，但是注意修改device_target参数

需要本地编译器的一些代码传输、修改等可以勾上ssh远程开发

说明：项目使用的数据集来自华为云的数据资源。项目以深度学习任务构建的一般流程展开（数据导入、处理 > 模型选择、构建 > 模型训练 > 模型评估 > 模型优化）。

主线为‘一般流程’，同时代码中会标注出一些要点（# 要点1-1-1：设置使用的设备

）作为支线，帮助学习mindspore框架在进行深度学习任务时一些与pytorch的差异。

可以只看目录中带数字标签的部分来快速查阅代码。

本系列

MindSpore框架学习项目-ResNet药物分类-数据增强-CSDN博客
MindSpore框架学习项目-ResNet药物分类-构建模型-CSDN博客
MindSpore框架学习项目-ResNet药物分类-模型训练-CSDN博客
MindSpore框架学习项目-ResNet药物分类-模型评估-CSDN博客
MindSpore框架学习项目-ResNet药物分类-模型优化-CSDN博客

4.模型评估

4.1模型预测

要求：

补充如下代码的空白处

主要完成：

1. 实例化resnet50 预测模型

2. 加载模型参数

3. 加载测试集的数据进行评估

4. 预测图像类别

4.1.1加载模型

首先加载训练好了的最佳模型权重。

num_class = 12  # 
# 题目4-1-1：实例化resnet50 预测模型
net = resnet50(num_classes=num_class)

作用：创建 ResNet50 模型实例，输出维度适配新任务的 12 类分类需求。

关键：resnet50函数返回的模型结构已包含 ResNet50 的主干网络和替换后的 12 类全连接层（见前文代码）。

best_ckpt_path = 'BestCheckpoint/resnet50-best.ckpt'# 题目4-1-2：加载模型参数
param_dict = ms.load_checkpoint(best_ckpt_path)
ms.load_param_into_net(net,param_dict)

作用：将训练过程中保存的最佳模型权重（如验证集准确率最高的版本）加载到模型中，使模型具备 “记忆” 训练数据的能力。

关键 API：ms.load_checkpoint：读取.ckpt文件，返回参数字典（键为参数名，值为参数值）。

ms.load_param_into_net：将参数字典中的参数值赋值给模型net的对应参数，完成权重加载。

model = ms.Model(net)
image_size = 224
workers = 1

实例化模型，定义模型为推理功能的参数，单张224*224的图像推理

# 题目4-1-3：加载测试集的数据进行评估(补充代码块)
# 要求：在测试集上输出acc指标
test_acc, _ = test_loop(net, dataset_test, loss_fn)
print(f'Test Accuracy:{test_acc*100:.2f}%')

可以看到由于模型训练轮次较少，在测试集上的表现还有待提高

4.1.2通过传入图片路径进行推理

给定单张图片的路径推理预测分类结果

def predict_one(input_img):
    dataset_one = create_dataset_zhongyao(dataset_dir=input_img,
                                       usage="test",
                                       resize=image_size,
                                       batch_size=1,
                                       workers=workers)
    data = next(dataset_one.create_tuple_iterator())
    images = data[0].asnumpy()
    labels = data[1].asnumpy()# 题目4-1-4：利用predict接口预测图像类别
    output = model.predict(ms.Tensor(images)) # model = ms.Model(net)
    pred = output.argmax(axis=1).asnumpy()return index_label_dict[pred[0]]

input_img = "dataset1/zhongyiyao/train/wblx_tg/IMG_3978.JPG"
print(predict_one(input_img))

输出：wblx_tg

从文件路径也可以看出，模型推理结果正确，注意路径只是我们人类能看出结果，模型之会分析路径对应下的数据：也就是单张图片！

单张图片推理代码解释

单张图像分类预测函数

1. 加载单张图像并创建数据集（dataset_one）

dataset_one = create_dataset_zhongyao(dataset_dir=input_img,
                                      usage="test",
                                      resize=image_size,
                                      batch_size=1,
                                      workers=workers)

作用：调用自定义数据集创建函数create_dataset_zhongyao，将输入的单张图像（input_img）转换为模型可处理的数据集。

关键参数：usage="test"：指定为测试模式（不进行数据增强，仅做基础预处理）。

resize=image_size（224）：将图像缩放到模型输入尺寸（224×224）。

batch_size=1：单张图像作为一个批次（batch_size=1）。

2. 提取图像与标签数据

data = next(dataset_one.create_tuple_iterator())  # 获取数据迭代器的第一个批次
images = data[0].asnumpy()  # 提取图像数据（转换为numpy数组）
labels = data[1].asnumpy()  # 提取真实标签（转换为numpy数组，可选）

create_tuple_iterator()：MindSpore 中数据集的迭代器，返回(图像, 标签)的元组。

next()：获取迭代器的第一个（仅一个）批次数据（因batch_size=1，仅包含单张图像）。

3. 模型预测与类别推理（题目 4-1-4 核心）

output = model.predict(ms.Tensor(images))  # 模型推理，输入为MindSpore Tensor
pred = output.argmax(axis=1).asnumpy()  # 取输出中概率最大的类别索引（axis=1为类别维度）

model.predict：MindSpore 模型的推理接口，输入预处理后的图像 Tensor，输出各分类的预测值（如概率分布）。

argmax(axis=1)：在类别维度（通常为第 1 维）取最大值的索引，得到预测的类别编号（如[5]表示第 5 类）。

4. 索引转标签名称

return index_label_dict[pred[0]]  # 通过预定义的索引-标签字典，将编号转换为类别名称（如"ph_sp"）

index_label_dict：预定义的字典（如{0: "ph_sp", 1: "hz_sp", ...}），将模型输出的类别索引映射为具体的标签名称（如中药材名称）。

4.2图片推理

要求：

补充如下代码的空白处

主要完成：

1. 加载测试集的数据进行评估

2. 推理图像类别

3.显示图像及图像的预测值

4.2.1构造可视化推理结果函数

对测试集进行推理，可视化函数中包括了对模型的调用和对推理结果的输出

def visualize_model(dataset_test):# 要点4-2-1：加载测试集的数据进行评估：获取图片数据和label。
    data = next(dataset_test.create_tuple_iterator())
    images = data[0].asnumpy()
    labels = data[1].asnumpy()# 要点4-2-2：推理图像类别
    output = model.predict(ms.Tensor(images))
    pred = output.argmax(axis=1).asnumpy()    plt.figure(figsize=(10, 6))for i in range(6):
        plt.subplot(2, 3, i+1)
        color = 'blue' if pred[i] == labels[i] else 'red'
        plt.title('predict:{}  actual:{}'.format(index_label_dict[pred[i]],index_label_dict[labels[i]]), color=color)
        picture_show = np.transpose(images[i], (1, 2, 0))
        mean = np.array([0.4914, 0.4822, 0.4465])
        std = np.array([0.2023, 0.1994, 0.2010])
        picture_show = std * picture_show + mean
        picture_show = np.clip(picture_show, 0, 1)
        plt.imshow(picture_show)
        plt.axis('off')    plt.show()

可视化推理结果函数代码解释

模型预测结果可视化函数

1. 功能概述

visualize_model函数用于可视化测试集的预测结果，随机选取 6 张测试图像，展示模型的预测标签与真实标签，并通过颜色区分预测正确 / 错误，直观评估模型性能。

2. 核心步骤解析

(1) 加载测试集数据（要点 4-2-1）

data = next(dataset_test.create_tuple_iterator())  # 获取测试集的一个批次数据
images = data[0].asnumpy()  # 提取图像数据（shape: [batch, C, H, W]）
labels = data[1].asnumpy()  # 提取真实标签（shape: [batch]）

作用：从测试数据集dataset_test中获取一个批次的图像和标签。

关键：create_tuple_iterator()返回数据迭代器，next()取第一个批次（假设批次大小≥6，否则需调整循环次数）。

(2) 模型推理获取预测标签（要点 4-2-2）

output = model.predict(ms.Tensor(images))  # 模型推理，输出各分类的预测值（logits或概率）
pred = output.argmax(axis=1).asnumpy()  # 取概率最大的类别索引（shape: [batch]）

model.predict：MindSpore 模型推理接口，输入图像 Tensor，输出预测值（如 12 类的概率分布）。

argmax(axis=1)：在类别维度（第 1 维）取最大值索引，得到预测的类别编号（如[0, 5, 2, ...]）。

(3) 可视化预测结果

plt.figure(figsize=(10, 6))  # 创建10x6英寸的画布
for i in range(6):  # 遍历前6张图像
    plt.subplot(2, 3, i+1)  # 子图布局：2行3列，第i+1个位置# 判断预测是否正确，设置标题颜色（蓝色=正确，红色=错误）
    color = 'blue' if pred[i] == labels[i] else 'red'# 标题显示预测标签和真实标签（通过index_label_dict转换索引→名称）
    plt.title(f'predict:{index_label_dict[pred[i]]}\nactual:{index_label_dict[labels[i]]}', color=color)# 反归一化并调整通道顺序（CHW→HWC，适应Matplotlib）
    picture_show = np.transpose(images[i], (1, 2, 0))  # 通道维度从[C,H,W]→[H,W,C]
    mean = np.array([0.4914, 0.4822, 0.4465])  # 训练时的归一化均值
    std = np.array([0.2023, 0.1994, 0.2010])   # 训练时的归一化标准差
    picture_show = std * picture_show + mean  # 反归一化：x = x*std + mean
    picture_show = np.clip(picture_show, 0, 1)  # 限制像素值在[0,1]范围内（避免溢出）
    plt.imshow(picture_show)  # 显示图像
    plt.axis('off')  # 关闭坐标轴
plt.show()  # 显示画布

反归一化：训练时图像经过(x - mean)/std归一化，可视化需还原为原始像素范围（x = x*std + mean）。

通道调整：MindSpore 默认图像格式为[C, H, W]（通道优先），Matplotlib 需要[H, W, C]（通道最后），通过np.transpose调整。

颜色标记：预测正确时标题为蓝色，错误时为红色，直观展示模型的分类效果。

4.2.2进行单张推理

# 题目4-2-3：显示图像及图像的预测值:调用visualize_model函数，利用推理数据进行可视化展示
visualize_model(dataset_test)

可以看到预测结果一般吧，因为训练轮次还是较少。为什么这么说呢，因为对于工业场景，进行药物检测还是得有>95%的精确率，才可以有效降低人工成本，此处5/6的精确率还是低了。

MindSpore框架学习项目-ResNet药物分类-模型评估

目录 4.模型评估 4.1模型预测 4.1.1加载模型 4.1.2通过传入图片路径进行推理单张图片推理代码解释 4.2图片推理 4.2.1构造可视化推理结果函数可视化推理结果函数代码解释 4.2.2进行单张推理参考内容： 昇思MindSpore | 全场景AI框架 | 昇思MindSpore社区…...

编程日记 2025/8/3 22:26:41

Visual Studio Code 前端项目开发规范合集【推荐插件】

文章目录前言代码格式化工具（Prettier）1、下载 prettier 相关依赖：2、安装 Vscode 插件（Prettier）：3、配置 Prettier（.prettierrc.cjs）： 代码规范工具（ESLin…...

编程日记 2025/8/1 7:26:51

uniapp-商城-48-后台分类数据添加修改弹窗bug

在第47章的操作中，涉及到分类的添加、删除和更新功能，但发现uni-popup组件存在bug。该组件的函数接口错误导致在小程序中出现以下问题：1. 点击修改肉类名称时，回调显示为空，并报错“setVal is not defined”&#xff0…...

编程日记 2025/7/30 9:04:56

OpenLayers 精确经过三个点的曲线绘制

OpenLayers 精确经过三个点的曲线绘制根据您的需求，我将提供一个使用 OpenLayers 绘制精确经过三个指定点的曲线解决方案。对于三个点的情况，我们可以使用二次贝塞尔曲线或三次样条插值，确保曲线精确通过所有控制点。实现方案下面是…...

编程日记 2025/7/30 9:04:55

uniapp小程序中实现无缝衔接滚动效果

组件滚动通知只能实现简单的滚动效果，不能实现滚动内容中的字进行不同颜色的更改，下面实现一个无缝衔接的滚动动画，可以根据自己的需要进行艺术化的更改需要滚动的内容，也可以自定义更改滚动速度。 <template><view cla…...

编程日记 2025/7/30 9:04:53

【Docker 新手入门指南】第四章：镜像加速

【Docker 新手入门指南】系列文章目录【Docker 新手入门指南】第一章：前言【Docker 新手入门指南】第二章：架构概述【Docker 新手入门指南】第三章：快速安装【Docker 新手入门指南】第四章：镜像加速文章目录 🚀【Doc…...

编程日记 2025/7/30 9:04:51

原因是pv对应的lvm没删除 pv如下： local-068e2cac-22de-40f3-af90-efd151d043c8 100Gi RWO Retain Released sase-ops/alertmanager-kube-prometheus-stack-alertmanager-db-alertmanager-kube-prometheus-stack-alertmanager-0 …...

编程日记 2025/7/31 20:28:54

Ubuntu 22.04（WSL2）使用 Docker 安装 Zipkin 和 Skywalking

Ubuntu 22.04（WSL2）使用 Docker 安装 Zipkin 和 Skywalking 分布式追踪工具在现代微服务架构中至关重要，它们帮助开发者监控请求在多个服务之间的流动，识别性能瓶颈和潜在错误。本文将指导您在 Ubuntu 22.04（WSL2 环境…...

编程日记 2025/7/30 9:04:48

【DLF】基于语言的多模态情感分析

作者提出的不足模态平等处理导致冗余与冲突问题：现有MSA方法对所有模态（语言、视觉、音频）平等处理，忽略模态间贡献差异（如语言为主导模态）。后果：跨模态交互引入冗余信息（如视觉和音频中与情感无关的噪声），甚至模态对间双向信息传递（…...

编程日记 2025/7/30 4:51:07

window 显示驱动开发-线性伸缩空间段

线性伸缩空间段类似于线性内存空间段。但是，伸缩空间段只是地址空间，不能容纳位。若要保存位，必须分配系统内存页，并且必须重定向地址空间范围以引用这些页面。内核模式显示微型端口驱动程序（KMD）必须实…...

编程日记 2025/8/3 22:24:56

[Linux网络_71] NAT技术 | 正反代理 | 网络协议总结 | 五种IO模型

目录 1.NAT技术 NAPT 2.NAT和代理服务器 3.网线通信各层协议总结补充说明 4.五种 IO 模型 1.什么是IO？什么是高效的IO？ 2.有那些IO的方式？这么多的方式，有那些是高效的？ 异步 IO 🎣 关键缺陷类比…...

编程日记 2025/8/3 22:24:56

免费5个 AI 文字转语音工具网站！

一个爱代码的设计师在运营,不定时分享干货、学习方法、效率工具和AIGC趋势发展。个人网站：tomda.top 分享几个好用的文字转语音、语音转文字的在线工具，麻烦需要的朋友保存。 01. ChatTTS 中英文智能转换，语音自然流畅，在线免费…...

编程日记 2025/7/30 4:36:35

【入门】数字走向II

描述输入整数N，输出相应方阵。输入描述一个整数N。（ 0 < n < 10 ) 输出描述一个方阵，每个数字的场宽为3。 #include <bits/stdc.h> using namespace std; int main() {int n;cin>>n;for(int in;i>1;i--){for(…...

编程日记 2025/7/30 9:04:40

Linux基础(文件权限和用户管理)

1.文件管理 1.1 文件权限文件的权限总共有三种：r（可读），w（可写），x（可执行），其中r是read，w是write，x是execute的缩写。我们…...

编程日记 2025/8/3 3:51:34

【BYD_DM-i技术解析】

关键词：构型、能量流、DM-i 一、发展历史：从DM1到DM5的技术跃迁比亚迪DM（Dual Mode）技术始于2008年，其发展历程可划分为五代，核心目标始终围绕“油电协同”与“高效节能”展开： DM1&#xf…...

编程日记 2025/7/31 1:32:20

React Hooks 精要：从入门到精通的进阶之路

Hooks 是 React 16.8 引入的革命性特性，它让函数组件拥有了类组件的能力。以下是 React Hooks 的详细使用指南。一、基础 Hooks 1. useState - 状态管理 import { useState } from react;function Counter() {const [count, setCount] = useState(0); // 初始值为0return …...

编程日记 2025/8/3 4:33:03

为什么选择 FastAPI、React 和 MongoDB？

在技术日新月异的今天，全栈开发需要兼顾效率、性能和可扩展性。FastAPI、React 和 MongoDB 这三者的组合，恰好构成了一个覆盖前后端与数据库的技术黄金三角。它们各自解决了开发中的核心痛点，同时以轻量化的设计和强大的生态系统，成为现代 Web 开发的首选方案。以下将从架构…...

编程日记 2025/7/30 8:05:41

01背包类问题

文章目录 [模版]01背包1. 第一问: 背包不一定能装满(1) 状态表示(2) 状态转移方程(3) 初始化(4) 填表顺序(5) 返回值 2. 第二问: 背包恰好装满3. 空间优化 416.分割等和子集1. 状态表示2. 状态转移方程3. 初始化4. 填表顺序5. 返回值 [494. 目标和](https://leetcode.cn/proble…...

编程日记 2025/7/30 8:05:39

重复的子字符串

28. 找出字符串中第一个匹配项的下标给你两个字符串 haystack 和 needle ，请你在 haystack 字符串中找出 needle 字符串的第一个匹配项的下标（下标从 0 开始）。如果 needle 不是 haystack 的一部分，则返回 -1 。示例 1&#…...

编程日记 2025/7/30 8:05:37

Spark MLlib网页长青

一、实验目的 1．掌握Spark SQL中用户自定义函数的编写。 2. 掌握特征工程的OneHotEncoder、VectorAssembler。 3. 熟悉决策树算法原理，能够使用Spark MLlib库编写程序 4. 掌握二分类问题评估方法 5. 能够使用TrainValidation和crossValidation交叉验证找出最佳模型。 6…...

编程日记 2025/7/30 1:21:25

详解多协议通信控制器

详解多协议通信控制器在上文中，我们使用Verilog代码实现了完整的多协议通信控制器，只是讲解了具体原理与各个模块的实现代码，但是为什么这么写？这么写有什么用？模块与模块之间又是怎么连接相互作用的？今天我们就来处理这些问题。为什么不能直接用 FPGA 内部时钟给外设？…...

编程日记 2025/8/1 1:25:31

JavaWeb基础

七、JavaWeb基础 javaWeb：完整技术体系，掌握之后能够实现基于B/S架构的系统 1. C/S和B/S 1.1 C/S（Client/server） C/S：客户端与服务器本质：本地上有代码（程序在本机上）优点&#…...

编程日记 2025/8/2 13:19:03

localStorage和sessionStorage

localStorage和sessionStorage localStorage是指在用户浏览器中存储数据的方式，允许Web应用程序将少量的数据保存在用户设备上，便于页面之间、关闭浏览器后的数据持久化，他不会随着HTTP请求发送道服务器，减少带宽消耗&#xff0c…...

编程日记 2025/8/3 22:23:09

c++类【高潮】

类继承和直接复制源代码修改相比，继承的好处是减少测试。基类：原始类， 派生类：继承类，基于基类丰富更多内容的类。继承一般用公有继承，class 派生类名 : public 基类名{……}； 公有继承&…...

编程日记 2025/8/1 16:33:35

C++进阶--AVL树的实现续

文章目录 C进阶--AVL树的实现双旋AVL树的查找AVL树的检验结语很高兴和搭大家见面，给生活加点impetus，开启今天的比编程之路！！ 今天我们来完善AVL树的操作，为后续红黑树奠定基础！！ 作者&#x…...

编程日记 2025/7/31 11:14:35

1 2 3 4 5顺序插入，形成一个红黑树

红黑树的特性与优点红黑树是一种自平衡的二叉搜索树，通过额外的颜色标记和平衡性约束，确保树的高度始终保持在 O(log n)。其核心特性如下： 每个节点要么是红色，要么是黑色。根节点和叶子节点（NIL节点）是…...

编程日记 2025/8/3 22:23:10

Telnetlib三种异常处理方案

1. socket.timeout 异常触发场景网络延迟高或设备响应缓慢，导致连接或读取超时。示例代码 import telnetlib import socketdef telnet_connect_with_timeout(host, port23, timeout2):try:# 设置超时时间（故意设置较短时间模拟超时）tn…...

编程日记 2025/7/31 23:30:02

Linux：进程间通信---消息队列信号量

文章目录 1.消息队列1.1 消息队列的原理1.2 消息队列的系统接口 2. 信号量2.1 信号量的系统调用接口 3. 浅谈进程间通信3.1 IPC在内核中数据结构设计3.2 共享内存的缺点3.3 理解信号量序：在上一章中，我们引出了命名管道和共享内存的概念，了解…...

编程日记 2025/7/31 14:15:00

暗物质卯引力挂载技术

1、物体质量以及其所受到的引力约束（暗物质压力差）自然界的所有物体，其本身都是没有质量的。我们所理解的质量，其实是物体球周空间的暗物质对物体的挤压，压力差。对于宇宙空间中的单个星球而言，它的球周各处压力是相同的，所以，它处于平衡状态，漂浮在宇宙中。对于星…...

编程日记 2025/8/3 11:58:33

JMeter 中实现双 WebSocket（双WS）连接

在 JMeter 中实现双 WebSocket（双WS）连接的测试场景（例如同时连接两个不同的 WebSocket 服务或同一服务的两个独立会话），可以通过以下步骤配置： 1. 场景需求两个独立的 WebSocket 连接（例如 …...

编程日记 2025/8/3 11:25:05

卡尔曼滤波算法简介与 Kotlin 实现

一、引言卡尔曼滤波（Kalman Filter）是一种基于线性系统状态空间模型的最优递归估计算法，由鲁道夫・E・卡尔曼于 1960 年提出。其核心思想是通过融合系统动态模型预测值与传感器观测值，在最小均方误差准则下实现对系统状态的实时…...

编程日记 2025/8/1 21:27:03

【比赛真题解析】混合可乐

这次给大家分享一道比赛题：混合可乐。洛谷链接：U561549 混合可乐【题目描述】 Jimmy 最近沉迷于可乐中无法自拔。为了调配出他心目中最完美的可乐，Jimmy买来了三瓶不同品牌的可乐，然后立马喝掉了一些（他实在是忍不住了），所以第一瓶可口可乐最大容量为 a 升，剩余 …...

编程日记 2025/8/1 11:57:02

[论文阅读]BadPrompt: Backdoor Attacks on Continuous Prompts

BadPrompt: Backdoor Attacks on Continuous Prompts BadPrompt | Proceedings of the 36th International Conference on Neural Information Processing Systems 36th Conference on Neural Information Processing Systems (NeurIPS 2022) 如图1a，关注的是连续…...

编程日记 2025/8/3 9:13:13

DeepSeek 实现趣味心理测试应用开发教程

一、趣味心理测试应用简介趣味心理测试是一种通过简单的问题或互动，为用户提供心理特征分析的方式。它通常包含以下功能： 测试题目展示：以问答形式呈现心理测试题。用户行为分析：根据用户的回答或选择，分析心理特征…...

编程日记 2025/8/3 1:06:53

计算机网络八股文--day1

从浏览器输入url到显示主页的过程？ 1. 浏览器查询域名的IP地址 2. 浏览器和服务器TCP三次握手 3. 浏览器向服务器发送一个HTTP请求 4. 服务器处理请求，返回HTTP响应 5. 浏览器解析并且渲染页面 6. 断开连接其中使用到的协议有DNS协议&#xff08…...

编程日记 2025/8/2 21:39:16

【计算机视觉】OpenCV实战项目：FunnyMirrors：基于OpenCV的实时哈哈镜效果实现技术解析

FunnyMirrors：基于OpenCV的实时哈哈镜效果实现技术解析 1. 项目概述2. 技术原理2.1 图像变形基础2.2 常见的哈哈镜变形算法2.2.1 凸透镜效果2.2.2 凹透镜效果2.2.3 波浪效果 3. 项目实现细节3.1 核心代码结构3.2 主要功能实现3.2.1 图像采集3.2.2 变形映射生成3.2.3…...

编程日记 2025/8/1 6:55:39

量子机器学习：下一代AI的算力革命与算法范式迁移——从量子神经网络到混合量子-经典架构的产业落地

一、引言：当AI遇见量子力学 2025年，全球量子计算市场规模突破200亿美元，而量子机器学习（QML）正以370%的年复合增长率（数据来源：Gartner 2024）成为最受关注的技术融合领域。传统深度…...

编程日记 2025/8/1 12:47:05

【数据结构】——栈

一、栈的概念和结构栈其实就是一种特殊的顺序表，其只允许在一端进出，就是栈的数据的插入和删除只能在一端进行，进行数据的插入和删除操作的一端称为栈顶，另一端称为栈底。栈中的元素遵循先进后出LIFO（Last InFirst O…...

编程日记 2025/7/31 1:31:59

Octave 绘图快速入门指南

目录 1. 基本的 2D 绘图 2. 自定义图形样式 3. 绘制散点图 4. 绘制柱状图 5. 绘制直方图 6. 3D 绘图 6.6.1 3D 曲面图 6.6.2 3D 散点图 7. 绘制极坐标 8. 多子图绘制总结 Octave 是一个类似于 MATLAB 的开源数学软件，广泛用于数值计算和数据分析。它提供…...

编程日记 2025/7/31 1:31:56

RabbitMQ深入学习

继续上一节的学习，上一节学习了RabbitMQ的基本内容，本节学习RabbitMQ的高级特性。 RocketMQ的高级特性学习见这篇博客目录 1.消息可靠性1.1生产者消息确认1.2消息持久化1.3消费者消息确认1.4消费失败重试机制1.5消息可靠性保证总结 2.什么是死信交换机…...

编程日记 2025/7/31 13:36:11

数据结构中的栈与队列：原理、实现与应用

前言：栈和队列是计算机科学中两种最基础的线性数据结构，它们的独特操作规则和广泛的应用场景使其成为每一位开发者必须掌握的核心知识。本文将通过生活案例、代码实现和实际应用场景，带您深入理解这两种数据结构的精髓。 1.栈（Sta…...

编程日记 2025/7/31 1:31:51

Android 13 默认打开使用屏幕键盘

原生设置里，系统-语言和输入法-实体键盘-使用屏幕键盘选项， 关闭时，外接物理键盘，如USB键盘，输入时不会弹出软键盘。打开时，外接物理键盘，如USB键盘，输入时会弹出软键盘。这个选…...

编程日记 2025/8/1 20:47:55

C++GO语言微服务之图片、短信验证码生成及存储

目录 01 session的处理 02 获取网页图片验证码ID 03 测试图片验证码 04 图片验证码模块集成 05 图片验证码功能移植微服务 06 图片验证码功能对接微服务的web实现 07 对接微服务的web实现步骤小结 08 Redis数据库基本操作回顾 09 go语言操作Redis数据库API介绍 10 go语…...

编程日记 2025/8/3 19:27:11

视觉革命来袭！ComfyUI-LTXVideo 让视频创作更高效

探索LTX-Video 支持的ComfyUI 在数字化视频创作领域，视频制作效果的提升对创作者来说无疑是一项重要的突破。LTX-Video支持的ComfyUI便是这样一款提供自定义节点的工具集，它专为改善视频质量、提升生成速度而开发。接下来，我们将详细介绍其功…...

编程日记 2025/7/30 22:51:12

MySQL 索引（一）

文章目录索引（重点）硬件理解磁盘盘片和扇区定位扇区磁盘的随机访问和连续访问软件方面的理解建立共识索引的理解索引（重点） 索引可以提高数据库的性能，它的价值，在于提高一个海量数据的检索速度。案例…...

编程日记 2025/7/30 9:32:50

认识 Linux 内存构成：Linux 内存调优之内存分配机制和换页行为认知

写在前面博文内容涉及 Linux 中内存分配和换页机制的基本认知理解不足小伙伴帮忙指正 😃,生活加油99%的焦虑都来自于虚度时间和没有好好做事，所以唯一的解决办法就是行动起来，认真做完事情，战胜焦虑，战胜那些心里空荡荡的时刻，而不是选择逃避。不要站在原地想象困难，行…...

编程日记 2025/8/1 1:49:00

uniapp-商城-50-后台商家信息

本文介绍了如何在后台管理系统中添加和展示商家信息，包括商家logo、名称、电话、地址和介绍等内容，并支持后期上传营业许可等文件。通过使用uni-app的uni-forms组件，可以方便地实现表单的创建、校验和管理操作。文章详细说明了组件的引入、页…...

编程日记 2025/8/2 23:26:54

汇编语言的温度魔法：单总线温度采集与显示的奇幻之旅

在嵌入式系统的奇妙世界中，汇编语言与硬件的结合总是充满了无限可能。今天，我将带你走进一场充满乐趣的实验：如何用汇编语言在单片机上实现单总线温度采集与显示。这不仅是一次技术探索，更是一场点亮创意与灵感的奇幻之旅&#xf…...

编程日记 2025/7/30 22:51:04

2025盘古石初赛WP

来不及做，还有n道题待填坑文章目录手机取证 Mobile Forensics分析安卓手机检材，手机的IMSI是？ [答案格式：660336842291717]养鱼诈骗投资1000，五天后收益是？ [答案格式：123]分析苹果手机检材&a…...

编程日记 2025/8/1 11:56:45

巡检机器人数据处理技术的创新与实践

摘要随着科技的飞速发展，巡检机器人在各行业中逐渐取代人工巡检，展现出高效、精准、安全等显著优势。当前，巡检机器人已从单纯的数据采集阶段迈向对采集数据进行深度分析的新阶段。本文探讨了巡检机器人替代人工巡检的现状及优势&#xff0c…...

编程日记 2025/8/1 11:06:49

4.模型评估

4.1模型预测

4.1.1加载模型

4.1.2通过传入图片路径进行推理

单张图片推理代码解释

4.2图片推理

4.2.1构造可视化推理结果函数

可视化推理结果函数代码解释

4.2.2进行单张推理

相关文章：