- 直方图匹配是一种快速简便的方法来“校准”一个图像以匹配另一个。用数学术语来说，它是转换一幅图像的过程，以便每个波段中值的累积分布函数 (CDF) 与另一幅图像中波段的 CDF 匹配。 为了说明这是什么样子以及它是如何工作的，我将把高分辨率（0.8m/像素）SkySat 图像与大约在同一时间拍摄的 Landsat 8 校... 直方图匹配是一种快速简便的方法来“校准”一个图像以匹配另一个。用数学术语来说，它是转换一幅图像的过程，以便每个波段中值的累积分布函数 (CDF) 与另一幅图像中波段的 CDF 匹配。 为了说明这是什么样子以及它是如何工作的，我将把高分辨率（0.8m/像素）SkySat 图像与大约在同一时间拍摄的 Landsat 8 校...
- 先前的数据可视化表明，内华达山脉生态区的干旱与植被压力和死亡率之间存在关系。 本节将着眼于预测未来气候将如何变化，这可以让我们了解对干旱条件的预期，并推测其对植被的影响。 我们将查看历史和预测的温度和降水。预测数据由 NEX-DCP30 表示，历史观测由 PRISM 表示。 未来气候 NEX-DCP30 数据包含使用多种温室气体... 先前的数据可视化表明，内华达山脉生态区的干旱与植被压力和死亡率之间存在关系。 本节将着眼于预测未来气候将如何变化，这可以让我们了解对干旱条件的预期，并推测其对植被的影响。 我们将查看历史和预测的温度和降水。预测数据由 NEX-DCP30 表示，历史观测由 PRISM 表示。 未来气候 NEX-DCP30 数据包含使用多种温室气体...
- LT-GEE 的结果包括（图 5.1）： 每个像素时间序列的观测年份；二维谱-时间空间中的 x 轴值；（默认） 每个像素时间序列的观测源值；二维谱时间空间中的 y 轴值；（默认） 拟合到每个像素时间序列顶点之间的线段 (FTV) 的观测值的源值；二维谱时间空间中的 y 轴值；（默认） FTV 值的均方根误差 (RMSE)，相... LT-GEE 的结果包括（图 5.1）： 每个像素时间序列的观测年份；二维谱-时间空间中的 x 轴值；（默认） 每个像素时间序列的观测源值；二维谱时间空间中的 y 轴值；（默认） 拟合到每个像素时间序列顶点之间的线段 (FTV) 的观测值的源值；二维谱时间空间中的 y 轴值；（默认） FTV 值的均方根误差 (RMSE)，相...
- 我将教你一种编程语言：Octave语言。你能够用它来非常迅速地实现这门课中我们已经学过的，或者将要学的机器学习算法。 过去我一直尝试用不同的编程语言来教授机器学习，包括C++、Java、Python、Numpy和Octave。我发现当使用像Octave这样的高级语言时，学生能够更快更好地学习并掌握这些算法。事实上，在硅谷，我经常看到进... 我将教你一种编程语言：Octave语言。你能够用它来非常迅速地实现这门课中我们已经学过的，或者将要学的机器学习算法。 过去我一直尝试用不同的编程语言来教授机器学习，包括C++、Java、Python、Numpy和Octave。我发现当使用像Octave这样的高级语言时，学生能够更快更好地学习并掌握这些算法。事实上，在硅谷，我经常看到进...
- 在上一篇文章中，我们将数据导出到 Google Cloud Storage。在这篇文章中将读取数据并使用数据运行模型。有很多使用 colab 的例子。在这里，我们专注于在您的 PC 或服务器上训练您的模型。 从 gcp 存储桶下载数据。 使用 gsutil 将文件复制到您电脑上选择的文件夹中 gsutil -m cp -r gs... 在上一篇文章中，我们将数据导出到 Google Cloud Storage。在这篇文章中将读取数据并使用数据运行模型。有很多使用 colab 的例子。在这里，我们专注于在您的 PC 或服务器上训练您的模型。 从 gcp 存储桶下载数据。 使用 gsutil 将文件复制到您电脑上选择的文件夹中 gsutil -m cp -r gs...
- 前两篇网站我简单介绍了python环境的安装和基本的变量及运算。到目前为止，我们没办法用python做任何事，所以这篇文章我会介绍python的判断和循环语句，据说顺序、判断、循环可以解决计算机中的任... 前两篇网站我简单介绍了python环境的安装和基本的变量及运算。到目前为止，我们没办法用python做任何事，所以这篇文章我会介绍python的判断和循环语句，据说顺序、判断、循环可以解决计算机中的任...
- 通常我们希望 70% 的数据用于训练，20% 用于测试，10% 用于验证。下面你可以在 python 中找到一个示例来批量导出样本。我们更喜欢将 Python api 用于这些目的，因为我们只能为每个任务导出有限数量的点，而 Python 使我们能够自动执行此过程。 import eefrom time import sleepimp... 通常我们希望 70% 的数据用于训练，20% 用于测试，10% 用于验证。下面你可以在 python 中找到一个示例来批量导出样本。我们更喜欢将 Python api 用于这些目的，因为我们只能为每个任务导出有限数量的点，而 Python 使我们能够自动执行此过程。 import eefrom time import sleepimp...
- 在学习Python基础的时候，在创建某一个shownametest()函数，解析器会报错 TypeError: shownametest() takes 0 positional arguments but 1 was given &n... 在学习Python基础的时候，在创建某一个shownametest()函数，解析器会报错 TypeError: shownametest() takes 0 positional arguments but 1 was given &n...
- 在 Python 中可视化来自栅格数字高程模型的高程等高线 数字高程模型 (DEM) 是二维数组格式的数据，其中每个像元都有相应的高程值。因此，有时证明使用等高线等机制可视化这些高程模型是有用的。幸运的是，这在 Python 中使用 GDAL 和 Matplotlib 等包很容易实现。 目标 读入 DEM 数据 使用 Mat... 在 Python 中可视化来自栅格数字高程模型的高程等高线 数字高程模型 (DEM) 是二维数组格式的数据，其中每个像元都有相应的高程值。因此，有时证明使用等高线等机制可视化这些高程模型是有用的。幸运的是，这在 Python 中使用 GDAL 和 Matplotlib 等包很容易实现。 目标 读入 DEM 数据 使用 Mat...
- import numpy as npimport matplotlib.pyplot as pltdef sigmoid(x): y=1/(1+np.exp(-x)) #dy=y*(1-y) return y def plot_sigmoid(): # param:起点，终点，间距 x = np.ara... import numpy as npimport matplotlib.pyplot as pltdef sigmoid(x): y=1/(1+np.exp(-x)) #dy=y*(1-y) return y def plot_sigmoid(): # param:起点，终点，间距 x = np.ara...
- 在本节中，我们将把干旱严重程度的时间序列视为日历热图和条形图。 导入数据 将网格化的帕尔默干旱严重程度指数 (PDSI) 数据加载为ee.ImageCollection. 将 EPA 3 级生态区边界加载为ee.FeatureCollection并对其进行过滤以仅包括内华达山脉区域，该区域定义了感兴趣的区域 (AOI)。 #加... 在本节中，我们将把干旱严重程度的时间序列视为日历热图和条形图。 导入数据 将网格化的帕尔默干旱严重程度指数 (PDSI) 数据加载为ee.ImageCollection. 将 EPA 3 级生态区边界加载为ee.FeatureCollection并对其进行过滤以仅包括内华达山脉区域，该区域定义了感兴趣的区域 (AOI)。 #加...
- LT-GEE 指南 俄勒冈州立大学eMapR 实验室的Justin Braaten撰写的文档、应用程序和 API ，由Robert Kennedy 博士指导 非常感谢杨志强 (OSU) 和 Google Earth Engine 的工程师。没有您的帮助，这是不可能的！ 这项工作得到了美国森林服务景观变... LT-GEE 指南 俄勒冈州立大学eMapR 实验室的Justin Braaten撰写的文档、应用程序和 API ，由Robert Kennedy 博士指导 非常感谢杨志强 (OSU) 和 Google Earth Engine 的工程师。没有您的帮助，这是不可能的！ 这项工作得到了美国森林服务景观变...
- 下面代码可以实现MP4格式视频与图片的相互转换，亲测可用！ import cv2from cv2 import VideoWriter, VideoWriter_fourcc, imread, resizeimport osfrom PIL import Image def Pic2Video(): imgPath =... 下面代码可以实现MP4格式视频与图片的相互转换，亲测可用！ import cv2from cv2 import VideoWriter, VideoWriter_fourcc, imread, resizeimport osfrom PIL import Image def Pic2Video(): imgPath =...
- Pandas是一个数据处理的库，今天我们来学习reset_index()这个函数的用法。 pandas.DataFrame.reset_index 函数作用：重置索引或其level。 &nb... Pandas是一个数据处理的库，今天我们来学习reset_index()这个函数的用法。 pandas.DataFrame.reset_index 函数作用：重置索引或其level。 &nb...
- 这个系列其实是想给非计算机专业的人一个python的入门指导，已经写了3篇，这篇拖了好久了。我开始觉得学编程真的很难，计算机有些方面的知识真是常人所不能理解的，仅仅靠这几篇文章肯定是做不到入门的，如果... 这个系列其实是想给非计算机专业的人一个python的入门指导，已经写了3篇，这篇拖了好久了。我开始觉得学编程真的很难，计算机有些方面的知识真是常人所不能理解的，仅仅靠这几篇文章肯定是做不到入门的，如果...
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签