- 博客(44)
- 资源 (11)
- 收藏
- 关注
原创 机器学习—深度学习之基础理论算法原理推导逻辑回归(Logistic Regression)算法原理推导
1. 概述逻辑回归(Logistic Regression)是一个经典的二分类算法,并非回归算法。在机器学习实际解决分类问题时,可优先考虑逻辑回归算法。逻辑回归的决策边界可以是非线性的。同时也可用其变形softmax完成多分类任务。2. 算法推导2.1 Sigmoid函数Sigmoid函数公式为:fx=11+e-x#1其中定义域x∈(-∞, +∞),值域f(x)为(0,1)。可以看出Sigmoid函数将任意大小的实数输入映射到了(0,1)之间的值,而(0,1)之间的数刚好可当作分
2020-06-07 18:30:20 992 1
原创 机器学习—深度学习之基础理论算法原理推导—线性回归(Linear Regression)算法原理推导
1. 概念线性回归(Linear Regression)解决的是连续数据的预测问题,是一种通过属性的线性组合来进行预测的线性模型,其目的是找到一条直线或者一个平面或者更高维的超平面,使得预测值与真实值之间的误差最小化。线性回归是一个典型的回归问题,也即平时所说的最小二乘法。2. 特点优点:结果具有很好的可解释性(w直观表达了各属性在预测中的重要性),计算熵不复杂。缺点:对非线性数据拟合不好适用数据类型:数值型和标称型数据3. 理论推导3.1 给定数据集D={(xi, yi)},
2020-06-07 11:34:15 902
原创 机器学习—深度学习之基础理论算法原理推导支持向量机(SVM: Support Vectors Machine)算法原理推导
SVM可以同时支持线性和非线性的分类和回归任务。SVM常用核的类型;
2020-06-30 16:44:22 283
原创 机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第4章 训练模型
通过之前的学习,我们已经可以创建出手写数字训练的模型,并且经过不断优化能达到一个很好的效果,但是这些模型背后是如何工作,我们却一无所知,就像一个黑盒。深入了解模型背后的原理,可以使我们更快地适应模型、选择合适的算法、选择合适的超参数等等,甚至可以快速分析误差来源。0. 导入所需的库import numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlineimport sklearn
2020-06-29 21:55:22 1709
原创 机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第3章 分类任务
0. 导入所需的库import sklearnimport matplotlib as mplfrom matplotlib import pyplot as pltplt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示负号import numpy as npfor i in [mpl, np, sklearn]: print(i.
2020-06-28 20:15:40 2195 3
原创 计算机视觉之OpenCV中的图像处理2(18章-20章)
导入所需的库import cv2import numpy as npimport matplotlib.pyplot as pltfor i in [cv2, np]: print(i.__name__,": ",i.__version__,sep="")输出:cv2.cv2: 4.2.0numpy: 1.17.4# 定义图像显示函数def showImages(original, processed): plt.figure(figsize=(10,5))
2020-06-28 00:00:03 476
原创 计算机视觉之OpenCV中的图像处理1(13章-17章)
导入所需的库import cv2import numpy as npimport matplotlib.pyplot as pltfor i in [cv2, np]: print(i.__name__,": ",i.__version__,sep="")输出:cv2.cv2: 4.2.0numpy: 1.17.4# 定义图像显示函数def showImages(original, processed): plt.figure(figsize=(10,5))
2020-06-27 23:42:48 518
原创 机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第2章 端到端机器学习项目实践
本章使用California房价数据集进行案例分析1. 导入所需的库import osimport tarfileimport urllibimport pandas as pdimport numpy as npimport matplotlib.pyplot as plt%matplotlib inlinefor i in [pd,np]: print(i.__name__,": ",i.__version__,sep="")输出:pandas: 0.25.3
2020-06-26 22:30:40 3643 7
原创 TensorFlow2利用Oxford-IIIT Pets dataset数据集(MobileNetV2预训练模型和pix2pix)完成图像分隔任务
图像分隔就是给图像中的每个像素分配一个标签,图像分隔的任务是训练一个神经网络来输出该图像对每一个像素的掩码。1. 导入所需的库import tensorflow as tfimport tensorflow_datasets as tfdsimport tensorflow_examples.models.pix2pix.pix2pix as pix2piximport matplotlib.pyplot as pltfrom IPython.display import clear_ou
2020-06-25 19:09:39 2952
原创 TensorFlow2利用tf.image实现数据增强
本案例使用tf.image完成图像操作和预处理的过程,数据增强是防止过拟合的最常用的手段。1. 导入所需的库import tensorflow as tfimport numpy as npimport tensorflow_datasets as tfdsimport matplotlib as mplimport matplotlib.pyplot as plt%matplotlib inlinefrom PIL import Imagefor i in [tf,np,tfds
2020-06-24 11:09:29 3601
原创 计算机视觉之OpenCV图像的基础操作
9. 图像的基础操作import cv2import numpy as npimport matplotlib.pyplot as pltfor i in [cv2, np]: print(i.__name__,": ",i.__version__,sep="")输出:cv2.cv2: 4.2.0numpy: 1.17.4# 定义显示图片函数def showImage(img): plt.figure() plt.imshow(img) pl
2020-06-23 23:22:54 308
原创 TensorFlow2使用预训练的卷积网络(ConvNet)进行迁移学习
本案例使用预训练的模型对猫狗数据集进行分类任务。使用预训练的模型有两种方式:一是利用特征提取器。利用预训练模型的前几层对新数据进行特征提取,最后加入分类的层即可完成新模型的创建。 二是Fine Tuning。解冻冻结模型的几个顶层,并同时训练新添加的分类器层和预训练模型的最后一层,使得通过微调基本模型中的高阶特征表示,达到特定分类任务的目的。1. 导入所需的库import tensorflow as tfimport tensorflow_datasets as tfdsimport ..
2020-06-23 20:44:07 1662 1
原创 TensorFlow2使用TensorFlow Hub进行迁移学习(利用flower_photos.tgz数据集)
TensorFlow Hub共享了许多预训练好的模型组件。本案例主要内容:通过tf.keras使用TensorFlow Hub 使用TensorFlow Hub完成图像分类任务 完成简单的迁移学习1. 导入所需的库import tensorflow as tfimport tensorflow_hub as hubimport matplotlib.pylab as pltimport numpy as npfrom PIL import Imagefor i in [tf,
2020-06-23 11:23:02 1225
原创 计算机视觉之OpenCV中的GUI特性
4. 图片学习函数:cv2.imread(), cv2.imshow(), cv2.imwrite()4.1 读入图像import numpy as npimport cv2%matplotlib inlineprint(np.__version__)print(cv2.__version__)img = cv2.imread("messi5.jpg", 0) # 以灰度模式读入图片输出:1.17.44.2.0注意:如果图像的路径是错的,OpenCV也不会有任何报
2020-06-22 23:53:38 299
原创 人工智能机器学习模型构建数据集猫狗数据集(cats_and_dogs_filtered.zip)数据集百度网盘下载地址
猫狗数据集源于kaggle,由2000张训练图像和1000张验证集图像组成,图片均为彩色图像,大小(像素)各不相同。训练集:共2000张图片,其中猫和狗分别1000张。验证集:共1000张图片,其中猫和狗分别500张。下载地址:链接:https://pan.baidu.com/s/1FtgzjRtWSAp9AUBvs3SX1g提取码:3ouj...
2020-06-22 21:14:01 2749
原创 人工智能机器学习模型构建数据集波士顿房价(boston_housing)数据集百度网盘下载地址
波士顿房价数据集是统计的20世纪70年代中期波士顿郊区房价的中位数,统计了当时教区部分的犯罪率、房产税等共计13个指标,统计出房价,试图能找到那些指标与房价的关系。该数据集通常用于回归模型的案例,在数据集中包含506组数据,其中404是训练样本,剩下的102组数据作为验证样本。每条数据包含房屋以及房屋周围的详细信息。其中包含城镇犯罪率,一氧化氮浓度,住宅平均房间数,到中心区域的加权距离以及自住房平均房价等等,13个指标及房价(通常用作标签使用):CRIM:城镇人均犯罪率。 ZN:住宅用地超过 25
2020-06-22 21:06:58 1648
原创 人工智能机器学习模型构建数据集IMDB数据集百度网盘下载地址
IMDB数据集来自 IMDB网站 的 25,000 条电影评论,以情绪(正面/负面)标记。评论已经过预处理,并编码为词索引(整数)的序列表示。为了方便起见,将词按数据集中出现的频率进行索引,例如整数 3 编码数据中第三个最频繁的词。这允许快速筛选操作,例如:「只考虑前 10,000 个最常用的词,但排除前 20 个最常见的词」。下载地址:链接:https://pan.baidu.com/s/1zvFeXTLPRItJLbF8ENnVbQ提取码:snho...
2020-06-22 21:00:19 1277
原创 人工智能机器学习模型构建数据集HIGGS Data Set数据集百度网盘下载地址
HIGGS Data Set数据集官网:https://archive.ics.uci.edu/ml/datasets/HIGGS下载地址:链接:https://pan.baidu.com/s/1OpikAFVlXKKACM0Yx53_Nw提取码:u1vu
2020-06-22 20:56:44 1125
原创 TensorFlow2利用猫狗数据集(cats_and_dogs_filtered.zip)实现卷积神经网络完成分类任务
本案例使用TensorFlow2高级API完成猫狗数据集中猫和狗的分类任务,主要内容或采用的方法有:数据预处理:tf.keras.preprocessing.image.ImageDataGenerator 防止过拟合 数据增强和drop1. 导入所需的库import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltimport osfor i in [tf, np]: print(i.__n
2020-06-22 20:23:04 3667
原创 TensorFlow2利用Cifar10数据集实现卷积神经网络
1. 导入所需的库import tensorflow as tfimport matplotlib.pyplot as pltfor i in [tf]: print(i.__name__,": ",i.__version__,sep="")输出:tensorflow: 2.2.02. 下载并导入数据cifar10数据集(train_images, train_labels),(test_images, test_labels) = tf.keras.datasets
2020-06-22 09:22:34 1796 1
原创 TensorFlow2加载NumPy数组格式MNIST数据集完成神经网络构建
本案例将MNIST数据集.npz文件以NumPy数组的形式加载到tf.data.Dataset中,并喂入神经网络,完成建模过程。1. 导入所需的库import tensorflow as tfimport numpy as npimport tensorflow_datasets as tfdsfor i in [tf,np,tfds]: print(i.__name__,": ",i.__version__,sep="")输出:tensorflow: 2.2.0num
2020-06-20 15:30:32 499
原创 TensorFlow2利用泰坦尼克号获救CSV数据集完成数据预处理
本案例使用TensorFlow2加载CSV数据到tf.data.Dataset中,使用经典的数据集:泰坦尼克乘客数据。1. 导入所需的库import tensorflow as tfimport numpy as npimport pandas as pdimport functoolsfor i in [tf,np,pd]: print(i.__name__,": ",i.__version__,sep="")输出:tensorflow: 2.2.0numpy:
2020-06-20 10:45:40 1542
原创 TensorFlow2中使用Keras Tuner搜索网络的超参数
1. 导入所需的库import tensorflow as tfimport kerastuner as ktimport IPythonfor i in [tf, kt]: print(i.__name__,": ",i.__version__,sep="")输出:tensorflow: 2.2.0kerastuner: 1.0.12. 导入数据集本案例中使用Fashion MNIST构建神经网络,并用Keras Tuner寻找最优的超参数。(trainIm
2020-06-20 00:09:10 1511 7
原创 TensorFlow2模型保存与加载
0. 概述TensorFlow训练的模型可以保存起来,方便自己使用或模型分享给他人。同时,如果模型训练非常耗时,则模型保存可以达到断点续训的功能。分享自己的模型可以有两种方式:一是将模型的源代码分享给他人,这时别人拿到代码后需要从头开始训练。二是将训练好的模型,即训练保存的模型(里面包含权重、超参数等)分享给他人,这里别人拿到模型就可以使用或者稍加训练即可使用。TensorFlow中模型的保存有很多种方法。本案例使用tf.keras进行保存。1. 导入所需的库import tensorfl
2020-06-19 21:22:19 1259
原创 TensorFlow2利用Auto-MPG数据集实现神经网络回归任务
1. 导入所需的库import tensorflow as tfimport pandas as pdimport seaborn as snsimport matplotlib.pyplot as pltfor i in [tf, pd, sns]: print(i.__name__,": ",i.__version__,sep="")输出:tensorflow: 2.2.0pandas: 0.25.3seaborn: 0.10.12. 下载并导入数据集Aut
2020-06-18 23:42:29 3285 1
原创 TensorFlow2使用IMDB数据集电影评论完成文本分类任务
1. 导入需要的库import numpy as npimport tensorflow as tfimport tensorflow_hub as hubimport tensorflow_datasets as tfdsfor i in [np, tf, hub, tfds]: print(i.__name__,": ",i.__version__,sep="")print("Eager mode: ", tf.executing_eagerly())输出:nump
2020-06-18 20:49:12 1682
原创 TensorFlow2利用Fashion_mnist数据集实现神经网络图像分类任务
1. 导入所需的库import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltfor i in [tf, np]: print(i.__name__,": ",i.__version__,sep="")输出:tensorflow: 2.2.0numpy: 1.17.42. 导入Fashion_MNIST数据集fashion_mnist = tf.keras.datasets.fas
2020-06-18 16:18:26 2021 3
原创 考研英语常见重要单词
ir——在单词最前面表示否定irritate——激怒,刺激irrigate——灌溉apt——adj. 恰当的,有...倾向的,灵敏的optimistic——乐观的,pessimistic——悲观的optimize——完善,完美optimum——最佳条件(本身为最高级形式)addictive——adj. 上瘾的,不可治的be addictive to——对...上瘾property——1. 财产,所有产 2. 不动产immovable——不动的,固定的rea..
2020-06-18 00:28:28 454
原创 高效的TensorFlow 2.0 (tensorflow2官方教程翻译)
0. 概述TensorFlow 2.0中有多处更改,以使TensorFlow用户使用更高效。TensorFlow 2.0删除冗余APIs,使API更加一致(统一RNNs,统一优化器),并通过Eager execution模式更好地与Python运行时集成。1. TensorFlow2主要变化1.1 清理、合并重复API许多API在tensorflow 2.0中已经消失或者移动到其它地方。例如删除了tf.app、tf.flags和tf.logging等,转而支持现在开源的absl-py,重新整
2020-06-17 22:31:04 420
原创 TensorFlow2利用MNIST数据集实现LeNet5卷积神经网络模型
1. LeNet5简介LeNet5是由Yann LeCun等人在1998年提出的卷积神经网络,是第一个卷积神经网络并用于美国银行系统支票手写数字识别。LeNet5共有5层,其中3层卷积层和2层全连接层,其中某些层使用了Sigmoid激活函数。原著论文中输入大小为32*32的灰度图像,输出层采用了径向其函数。更多关于LeNet5的介绍请移步:https://blog.csdn.net/Jwenxue/article/details/1068099922. 网络模型本次实战案例使用MNIST数据
2020-06-17 18:27:42 1985 1
原创 深度学习之卷积神经网络经典网络LeNet-5简介
1. LeNet5简介LeNet5卷积神经网络源于Yann LeCun在1998年发表的论文:Gradient-based Learning Applied to Document Recognition,是一种用于手写数字识别的卷积神经网络。2. MNIST数据集MNIST数据集(官网:http://yann.lecun.com/exdb/mnist/)是由Yann LeCun等人收集整理,其目的是用于手写数字识别模型的训练。主要包括了6万张训练图像和1万张测试图像,每张图像大小为28*28的
2020-06-17 15:51:25 3000
原创 考研英语常见重要单词
diploma ——n.毕业证书,公文,文凭,v. 发...文凭diplomat——n. 外交官,外交家certificate——n. 证书,执照,v. 发证书,授权certainty——n. 必然,确实oblige——v. 迫使,强制,压迫obligation——n. 义务,职责sink——v. 下沉,消沉passage——n. 一段文章,通路(pass的名词形式)选项中问到原因的方式,即表示:源于,归因于,....的原因in that v + from ow.
2020-06-15 22:59:36 577
原创 生物信息学测序之常见测序方法DNA文库构建
1. 第三代测序检测样品要求:纯度:DNA纯度较高,无RNA、蛋白质污染 浓度:大于等于30ng/uL 完整性:无降解 样品量:大于等于5ug2. Hiseq小片段文库建库样品处理建库过程:打断——>接头——>扩增2.1 打断打断方式:超声波、雾化、物理方式2.2 接头末端修复的三种酶:T4 DNA聚合酶、T4 PNK、Klenow DNA聚合酶Klenow DNA聚合酶 3'端加A,为了方便连接接头,即A-T连接。加接头:T4连接酶H..
2020-06-15 22:48:58 3516
原创 感受神经网络的强大,对比普通机器学习分类算法与神经网络算法的分类能力
1. 项目背景通过构造类似下图的数据,分别用普通机器学习分类器和神经网络模型对其进行建模,观察普通机器学习分类算法与神经网络算法的分类能力差别。2. 导入python库import numpy as npimport matplotlibimport matplotlib.pyplot as plt%matplotlib inlinefor i in [np, matplotlib]: print(i.__name__,": ",i.__version__,sep="")
2020-06-15 18:46:27 1309
原创 notebook中显示本地图片
在notebook中选择“MarkDown”模式:然后在代码框中输入如下代码:![title](image.png)其中image.png为待显示的本地照片。当图片在jupyter notebook当前打开的目录中时直接用照片名称即可打开。如果照片在其它目录中时需要加上绝对路径...
2020-06-15 18:07:50 785
原创 python徒手实现反向传播算法
1. 项目背景假设有如上图所示的全连接神经网络,该网络共有三层L1、L2、L3,输入层为X。每层输出经过Sigmoid激活函数。其中X为100*3的矩阵,即表示有100个样本,每个样本有3个特征。L1层有5个神经元,L2层有8个神经元,L3有10个神经元。y为100*1的向量,是数据集X对应的标签。W1,W2,W3矩阵形状如图所示。2. 导入所需的库import numpy as npimport pandas as pdfor i in [np, pd]: pri.
2020-06-14 22:52:40 1221 1
原创 Python机器学习实践项目1——线性回归预测汽车油耗里程数
1. 导入python库和数据import pandas as pdimport matplotlibimport sklearnfrom sklearn.linear_model import LinearRegressionimport matplotlib.pyplot as pltfor i in [pd, matplotlib, sklearn]: print(i.__name__,": ",i.__version__, sep="")输出:pandas: 0.
2020-06-13 19:39:30 2992 1
原创 案例实战:Python实现逻辑回归(Logistic Regression)与梯度下降策略
0. 案例背景我们将建立一个逻辑回归模型来预测一个学生是否被大学录取。假设你是一个大学系的管理员,你想根据两次考试的结果来决定每个申请人的录取机会。你有以前的申请人的历史数据,你可以用它作为逻辑回归的训练集。对于每一个培训例子,你有两个考试的申请人的分数和录取决定。为了做到这一点,我们将建立一个分类模型,根据考试成绩估计入学概率。1. 导入pythony库#导入机器学习三大件:Numpy, Pandas, Matplotlibimport numpy as npimport pandas
2020-06-09 16:04:55 6474 4
原创 sklearn中TypeError: reduction operation argmax not allowed for this dtype idmax报错解决方案
sklearn中如下报错:TypeError: reduction operation 'argmax' not allowed for this dtype造成如上报错的原因,可能是参数类型不支持,如对象是NAN时就会报错。解决方法是对对象进行类型转换:best_c=results_table.loc[results_table['Mean recall score'].astype(float).idxmax()]['C_parameter']将上述NAN值转换成flo.
2020-06-09 11:02:42 558 1
原创 sklearn导入KFold时TypeError: __init__() got multiple values for argument shuffle not iterable报错解决方案
在使用sklearn老版本中KFold时会出现如下报错:TypeError: __init__() got multiple values for argument 'shuffle'在新版中通过:from sklearn.model_selection import KFold导入KFold后,只需两个参数即可:fold = KFold(5,shuffle=False) # 无需传入n。老版本中:from sklearn.cross_validation impor.
2020-06-09 10:40:51 1734 2
yolov5x.zip
2020-08-09
yolov3-spp.zip
2020-08-09
yolov5l.zip
2020-08-09
yolov5m.zip
2020-08-09
yolov5s .zip
2020-08-09
在家宽带上网体验IPv6世界的极速魅力.pdf
2020-05-09
世界人工智能产业发展蓝皮书-2018年版
2018-12-20
Chapter1-厦门大学-林子雨-大数据技术原理与应用-第1讲-大数据概述(中国大学MOOC2018年春季学期)
2018-12-18
CentOS7系统管理与运维实战.pdf
2018-04-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人