AI研究
文章平均质量分 82
AI研究
「已注销」
这个作者很懒,什么都没留下…
展开
-
C#机器学习(5)-科学计算(1)
Math.NET Numerics是Math.NET计划的一部分,是将dnAnalytics与Math.NET铱合并的结果,取代了两者。Math.NET Numerics是Math.NET项目的数值基础,旨在为科学、工程和日常使用中的数值计算提供方法和算法。Math.NET Numerics是Math.NET倡议的数值基础,旨在为科学、工程和日常使用中的数值计算提供方法和算法。涵盖的主题包括特殊函数、线性代数、概率模型、随机数、统计学、插值、积分、回归、曲线拟合、积分变换(FFT)等。原创 2023-04-02 09:06:23 · 1573 阅读 · 0 评论 -
C#机器学习(4)-Azure AI(4)
读取操作包含可选语言请求参数。检索提取文本所在的URI,该URI用于进一步提取文本操作,它被保存在操作位置标头(Operation Location header)中。这样,应用程序便可以检索提取的文本作为服务响应的一部分。全局唯一标识符(GUID,Globally Unique Identifier)是一种由算法生成的二进制长度为128位的数字标识符。当 status 字段的值为 succeeded 时,JSON 响应将包含从图像或文档提取的文本内容。子字符串在指定的字符位置开始并一直到该字符串的末尾。原创 2023-03-08 10:15:27 · 464 阅读 · 0 评论 -
C#机器学习(3)-Azure AI(3)
使用 Azure Cloud Shell 环境或 Azure CLI 创建子域、分配角色和获取持有者令牌来调用 Azure 认知服务。第一步是创建自定义子域。如果要使用没有自定义子域名的现有认知服务资源,为资源启用自定义子域。Azure 认知服务对通过 Azure 门户、Azure Cloud Shell 或 Azure CLI 创建的每个资源使用自定义子域名。不同于特定 Azure 区域中所有客户经常使用的区域终结点,自定义子域名对于资源是唯一的。原创 2023-03-05 23:00:07 · 856 阅读 · 0 评论 -
C#机器学习(1)-Azure AI(1)
Azure 认知服务是基于云的人工智能 (AI) 服务,可帮助开发人员在不具备直接的 AI 或数据科学技能知识的情况下将认知智能内置于应用程序中。可采用常用开发语言通过 REST API 和客户端库 SDK 使用此类服务。借助 Azure 认知服务,开发人员可以通过能够看、听、说和分析的认知解决方案,轻松将认知功能添加到他们的应用程序中。认知服务类别影像语音语言决策Azure OpenAI 服务使用基于云的计算机视觉 API,开发人员可以访问用于处理图像并返回信息的高级算法。原创 2023-02-25 11:36:44 · 1835 阅读 · 1 评论 -
C#机器学习(2)-Azure AI(2)
名字空间:Microsoft.Azure.CognitiveServices.Vision.ComputerVision装配:Microsoft.Azure.CognitiveServices.Vision.ComputerVision.dll包:Microsoft.Azure.CognitiveServices.Vision.ComputerVision v7.0.1属性上一节例子虽然ReadFileUrl使用了async声明为异步方法,但看如下代码使用同步调用的方式。Task.Wait原创 2023-03-02 22:31:26 · 443 阅读 · 0 评论 -
matlab基础到实战(1)
MATLAB是美国MathWorks公司出品的商业数学软件,用于数据分析、无线通信、深度学习、图像处理与计算机视觉、信号处理、量化金融与风险管理、机器人,控制系统等领域。[1]MATLAB是matrix&laboratory两个词的组合,意为矩阵工厂(矩阵实验室),软件主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。原创 2023-03-07 22:17:22 · 1063 阅读 · 0 评论 -
谷歌Colab 免费运行pytorch
Colaboratory 简称“Colab”,是Google Research 团队开发的一款产品。在Colab 中,任何人都可以通过浏览器编写和执行任意Python 代码。它尤其适合机器学习、数据分析和教育目的。从技术上来说,Colab 是一种托管式Jupyter 笔记本服务。Colaboratory 简称“Colab”,是 Google Research 团队开发的一款产品。在 Colab 中,任何人都可以通过浏览器编写和执行任意 Python 代码。它尤其适合机器学习、数据分析和教育目的。原创 2023-03-08 23:25:47 · 2873 阅读 · 0 评论 -
c++机器学习之pytroch(1)-TorchScript(1)
1、TorchScript允许Python中定义的PyTorch模型被序列化,然后在C++中加载和运行,通过编译或跟踪其执行来捕获模型代码。您可以在C++中加载TorchScript模型教程中了解更多信息。2、这意味着您可以尽可能多地用Python定义模型,但随后通过TorchScript导出它们,以便在生产环境或嵌入式环境中不执行Python。加载从Python保存的序列化TorchScript模型如果需要,进行简单的模型修改(例如拉出子模块)原创 2023-01-02 12:50:30 · 624 阅读 · 0 评论 -
C++机器学习之OpenCV(1)-安装与配置
OpenCV是一个基于Apache2.0许可(开源)发行的跨平台计算机视觉和机器学习软件库,可以运行在Linux、Windows、Android和Mac OS操作系统上。 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。原创 2022-12-02 17:03:23 · 1768 阅读 · 0 评论 -
C++机器学习之OpenCV(2)-灰度化及写入图片
灰度化,在RGB模型中,如果R=G=B时,则彩色表示一种灰度颜色,其中R=G=B的值叫灰度值,因此,灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值),灰度范围为0-255。计算公式如下。原创 2022-12-02 22:11:49 · 557 阅读 · 0 评论 -
pytorch集锦(9)-数据变换(2)
AutoAugment是一种常见的数据增强技术,可以提高图像分类模型的准确性。尽管数据扩充策略直接与它们的训练数据集相关联,但实证研究表明,ImageNet策略在应用于其他数据集时提供了显著的改进。使用TrivialAugment Wide进行数据集无关的数据扩充,如“TrivialAugment:无需调整但最先进的数据扩充”中所述。通过重新映射每个通道的像素来最大化图像的对比度,使最低的变成黑色,最轻的变成白色。将任何模式(RGB、HSV、LAB等)的PIL图像转换为图像的灰度版本。原创 2023-01-14 20:24:23 · 555 阅读 · 0 评论 -
pytorch集锦(8)-数据变换(1)
它首先创建一个大小为10的零张量(我们数据集中标签的数量),并调用scatter_,scatter_为索引指定一个值=1,如标签y所示。张量图像是具有(C,H,W)形状的张量,其中C是多个通道,H和W是图像的高度和宽度。一批张量图像是(B,C,H,W)形状的张量,其中B是一批图像中的数量。随机化变换将对给定批次的所有图像应用相同的变换,但它们将在调用之间产生不同的变换。确保只使用可编写脚本的转换,即与torch.Tensor一起工作的转换,并且不需要lambda函数或PIL.Image。原创 2023-01-08 09:11:02 · 632 阅读 · 0 评论 -
pytorch集锦(7)-处理数据DataLoader和Dataset(4)
默认情况下,如果钉扎逻辑看到一个自定义类型的批(如果您有一个返回自定义批类型的collate_fn,则会发生这种情况),或者如果批中的每个元素都是自定义类型,钉扎逻辑将无法识别它们,它将返回该批(或这些元素)而不钉扎内存。(请参见常见问题解答中的本节)。例如,如果每个数据样本由一个3通道图像和一个完整的类标签组成,即数据集的每个元素都返回一个元组(image,class_index),则默认的collated_fn将这些元组的列表整理成一个由批处理图像张量和批处理类标签tensor组成的单个元组。原创 2023-01-05 13:43:47 · 805 阅读 · 0 评论 -
pytorch集锦(5)-Tensors
张量与NumPy的ndarray类似,只是张量可以在GPU或其他硬件加速器上运行。事实上,张量和NumPy数组通常可以共享相同的底层内存,从而无需复制数据。在PyTorch中,我们使用张量对模型的输入和输出以及模型的参数进行编码。这里全面介绍了100多种张量运算,包括算术、线性代数、矩阵操作(换位、索引、切片)、采样等。CPU和NumPy阵列上的张量可以共享它们的底层内存位置,改变一个会改变另一个。在下面的函数中,它决定了输出张量的维数。新张量保留参数张量的属性(形状、数据类型),除非显式重写。原创 2022-12-31 18:24:14 · 242 阅读 · 0 评论 -
pytorch集锦(3)-类型判断
是否为复数,tensor大小 。#/usr/bin/env python3# -*- coding: utf-8 -*-import torchx_data = torch.tensor([[12 + 0.2j],[6 - 1.2j]])print(f"Tensor: \n {x_data} \n")print(f"is_complex: \n {torch.is_complex(x_data)} \n")print(f"shape: \n {x_data.shape} \n")Te原创 2022-01-05 12:08:21 · 990 阅读 · 0 评论 -
pytorch集锦(6)-处理数据DataLoader和Dataset(3)
它可以在数据集的__iter_()方法或DataLoader的worker_init_fn选项中使用,以修改每个副本的行为。例如,直接加载批处理数据(例如,从数据库批量读取或读取连续的内存块)可能更便宜,或者批处理大小取决于数据,或者程序设计用于处理单个样本。可迭代样式数据集是IterableDataset子类的一个实例,它实现__iter_()协议,并表示可迭代的数据样本。映射样式数据集是实现__getitem__()和__len__()协议的数据集,它表示从(可能是非整数)索引/键到数据样本的映射。原创 2023-01-05 09:12:35 · 632 阅读 · 0 评论 -
pytorch集锦(1)-处理数据DataLoader和Dataset(1)
1、torch.utils.data.DataLoader和torch.utils.data.Dataset.Dataset用于存储样本和相关表格2、DataLoader 在Dataset中迭代滑动。import torchfrom torch import nnfrom torch.utils.data import DataLoaderfrom torchvision import datasetsfrom torchvision.transforms import ToTensor3、原创 2022-05-27 13:56:21 · 711 阅读 · 1 评论 -
pytorch集锦(4)-ResNet图像分类
https://image-net.org/里找到 imagenet_classes.txt下载,这是标签文件。2、将输入图像缩放到256*256个像素,围绕中心将图像裁剪为224*224个像素。需要将对应出错文件的PILLOW_VERSION改为__version__新建一个imagenet_classes.txt文件,粘贴进去。1、定义了转换操作,允许快速定义基本预重函数的管道。3、图像转换为一个张量,对RGB分量进行归一化处理。这里, 将它复制下来。原创 2022-12-30 14:37:21 · 900 阅读 · 0 评论 -
pytorch集锦(2)-处理数据DataLoader和Dataset(2)
1、处理数据样本的代码可能会变得混乱,难以维护。2、为实现更好的可读性和模块化,希望处理数据集代码与模型训练代码实现脱钩与分离。3、PyTorch提供了两个数据基元torch.utils.data.DataLoader和torch.utils.data.Dataset。它们允许你像使用自己的数据一样使用预加载的数据集。(1)Dataset存储样本和它们对应的标签(2)DataLoader在Dataset周围包装一个可迭代对象,以便方便地访问样本。...原创 2022-12-29 19:00:36 · 368 阅读 · 0 评论