以笔为剑的唐吉坷德

Go for it!导入模块的根路径和导入文件的根路径导入模块的根路径和导入文件的根路径经过测试发现，Python导入模块的根路径和导入文件的根路径是不一致的。但是平时由于我们一般会在当前路径下直接运行python代码，这个特殊情况下两者是一致的。比如：C:\>python test.py 这里的导入模块根路径和导入文件根路径都是C:\目录。但是，考虑如下情况：C:\>python Adir/test.py那么，这个时候，导入模块的根路径则是C:\Adir，而导入文件的根路径则为

Python3的sorted函数具有key参数，可以进行自定义的排序，但并不是直接将自定义比较函数赋给key（这一点和C++是不一样的）。在python3中，需要import functools来传递比较函数。注意，在Python3中，自定义比较函数的返回值必须为[1, -1, 0]，具体如何使用以下列简单程序为例：from functools import cmp_to_keynums = [1, 3, 2, 4]nums.sort(key=cmp_to_key(lambda a, b: a

Go for it! 1. 递归（分治）1.1 递归累加问题1.2 第二种问题1. 递归（分治）最近刷到一些递归题目，总结了一下递归的程序编写框架。针对不同问题，递归函数有两种不同的形式：递归累加问题：具有返回值的递归函数；全排列问题：没有返回值，但对某一中间变量进行增删的递归函数。1.1 递归累加问题对于第一种问题的递归函数一般只包含两部分内容：返回的边界条件；递归公式。以斐波那契问题为例，我们可以很容得到斐波那契函数的递归函数：def fib(x): # 定义返回的边界条件

Go for it!1. 机器学习1.1 Pytorch1.1 分类器训练函数1.2 分类器测试函数1.2 结果评估1.2.1 Confusion Matrix1. 机器学习1.1 Pytorch1.1 分类器训练函数from tqdm import tqdmdef train(model, device, epoch, train_loader, optimizer, loss_func): model.train().to(device) train_loss = 0

Go for it!1. Python lambda2. map&reduce&filter1. Python lambda之前没怎么看过Python的lambda（匿名函数）的用法，最近抽空记一下。lambda本质是一个可以返回单个值的函数（输入参数则不限）。 其函数形式为：lambda <input1>, <input2>, <input3>:<expression>冒号之前是输入的参数，冒号之后是返回的表达式。比如f(x,y,

文章目录1. 什么是反卷积2. 转置卷积过程2.1 Case 1Case 21. 什么是反卷积当我们需要将图像由小分辨率到大分辨率映射的时候，我们需要进行上采样（Upsample）。一般上采样方式有三项：反卷积（可能会导致棋盘效应）双线性插值反池化（Unpooling）转置卷积是一种特殊的正向卷积，先按照一定的比例通过补充0来扩大输入图像的尺寸，接着旋转卷积核，进行正向卷积。2. 转置卷积过程转置卷积需要假设如下参数：input_sizekernel_sizepadding

之前有记录图像清晰度评价指标的Python实现：传送门。今天来记录一下关于GAN的生成结果的一些评价指标。文章目录1. Perceptural2. FID (Frechet Inception Distance)3. AKD (Average Keypoint Distance )4. IS (Inception Score)5. SSIM (Structural Similarity)1. Perceptural2. FID (Frechet Inception Distance)3. AKD.

OpticFlow1. 什么是OpticFlow2. 稠密光流的格式3. 快速开始（Quick start）4. 与Pytorch函数兼容参考资料项目地址：使用Opencv/Pytorch的稠密光流项目1. 什么是OpticFlow光流是空间运动物体在观察成像平面上的像素运动的瞬时速度，是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。一般而言，光流是由于场景中前景目标本身的移动、相机的运动，或者两者的共同

目录1. 人类行为（层次）：2. 输入数据3. 基于骨架的行为识别4. 数据集4.1 NTU RGBD4.1.1 下载方式4.1.2 Benchmark5. 相关论文5.1 Skeleton-based Action Recognition with Convolution Neural Networks(2017.8 海康威视)5.1.1 论文亮点5.2 Co-ocurrence Feature Learning from Skeleton Data for Action Recognition and

ROS学习快速索引基础相关创建工作空间（workspace）创建ROS package消息传输机制Publisher & Subcriber（Message）基础相关创建工作空间（workspace）ROS中整体代码是在工作空间中运行，因此我们需要先创建工作空间。假定我们的工作空间为test_ws，创建步骤如下：创建文件夹test_ws/src，或者在某个路径下（自己想要创建工作...

今天是Jetson TX2刷机第四天，期间遇到各种奇葩错误，联系了各路好汉，查看了各种文档，在此进行汇总并事先声明：我吴彦祖就是饿死，从这儿跳下去，死外边，我也不会再买老黄家的Jetson系列任何一台设备！1 TX2鼠标键盘不能动了1.1 事情经过当事人现身说法：当时是一个焦躁的晚上，我使用了Jetson 3.3进行了刷机，之后在进入寻找IP的过程后，没找到我局域网中的TX2的地址。理论...

文章目录1. 相关概念1.1 Portrait Editing1.2我们先看一下论文题目Mask-Guided Portrait Editing with CGAN，使用cGAN来进行掩膜引导的肖像编辑1. 相关概念1.1 Portrait Editing肖像编辑是图像处理里的热门话题，我的理解就是对人脸或者人脸的某一部分（鼻子、眼睛等等）进行处理，处理的手段包括美化、替换等等。1....

1. Categorical()torch.distributions.Categorical()可以按照一定概率产生具体数字，比如：import torchfrom torch.distributions import Categoricalrand = Categorical(torch.tensor([0.25,0.25,0.25,0.25]))print(rand.sam...

目录1.1 论文解释新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入1.1 论文解释最近在做数字图像处理作业...

学习目录1. 强化学习基础1. 强化学习基础[1] Q-Learning（中文）[1] Q-Learning（英文）[2] DQLearning（英文）:let’s play Doom[2] DQLearning（中文）:let’s play Doom（上）[2] DQLearning（中文）:let’s play Doom（下）[3] 以Cartpole和Doom为例介绍策略梯度（...

Python设计模式设计模式（Design Pattern）是一套被反复使用、多数人知晓的、经过分类的、代码设计经验的总结。 使用设计模式的目的：为了代码可重用性、让代码更容易被他人理解、保证代码可靠性。 设计模式使代码编写真正工程化；设计模式是软件工程的基石脉络，如同大厦的结构一样。所有的设计模式示例都是来源于 菜鸟教程 ，每个设计模式的UML都可以在菜鸟教程中找到相应的示例githu...

为了更加方便地进行深度学习开发，我们将一些常用的操作，比如常用的优化器函数，更加方便我们进行开发。TenorTool：我设计的Tensorflow工具箱1 Adam优化器Adam_optimizer(loss,variables,starter_learning_rate = 0.0002,end_learning_rate = 0.0,start_decay_step = 100000...

为了更加方便地进行深度学习开发，我们将一些常用的操作，比如“卷积-标准化-激活函数”这样的层级结构写成一个函数调用，更加方便我们进行开发。1 CkCk是“convolution—normal—leaky_relu”的层级结构。函数定义为：Ck(input,k_size=3,k, slope=0.2, stride=2, reuse=False, norm='instance', is_...

最近在毕业设计中涉及了有关消除图像清晰度的实验，需要一些指标来进行实验结果的评估。刚好网上有个总结的非常好的博客（见参考文献[1]），但没有实现方法。因此，我将在我的博客中用Python实现。评估方法实现所有函数的具体说明都在参考文献[1]里，这里不做过多的赘述，只讨论实现。1 Brenner 梯度函数参考文献[1] 图像清晰度的评价指标...

概念马尔可夫判别器是判别模型的一种。基于CNN的分类模型有很多种，很多网络都是在最后引入了一个全连接层，然后将判别的结果输出（输出结点）。马尔可夫判别器则是不一样，直观来看，它完全由卷积层构成，最后输出的是一个n*n的矩阵，最后取输出矩阵的均值作为True/False的输出。事实上，输出矩阵中的每一个输出，代表着原图中一个感受野，对应了原图的一片（patch），而具有这样结构的GAN被称为...