![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 92
半九拾
凡你能说的,你说清楚。凡你说不清楚的,留给沉默。
展开
-
[NLP]keras模型部署加速(ONNX Speed Keras_Model Inference)
目录使用如下方法,可将Keras_model写成pb文件tf2onnx 将pbfile转成onnx背景:用keras 训练 NER 模型,模型架构为:Roberta_CRF。整个模型保存下来,1.2G 左右。欲部署在cpu环境下,需要对模型进行压缩和加速。没有找到bert的蒸馏后的中文预训练模型。整体方案是:keras_weights -> tf_pb_model(freeze graph) -> tf2onnxps:直接使用keras2onnx,因为tran原创 2022-04-20 15:02:17 · 1403 阅读 · 0 评论 -
【DIP】一种去水印的方案
这是一个用来去除水印的小demo。适合于去除水印颜色较浅,保留元素颜色较深的图片。比如白底黑字,但带白色或灰色的图片或者其他彩色图片但有白色或灰色水印该算法对于偏暗的图片去水印的效果不是很好。基于滑动窗口的图片去水印方法 传统去水印方式是统计图片上水印的像素值范围,将RGB值属于某一范围内的像素赋值为[0,0,0]或[255,255,255]已达到去水印效果。 但对于受光照影响或本身图片较暗的图片,上述去水印方法效果不理想。 针对以上特征的图片,采用局部去水印的方式原创 2020-08-20 17:46:02 · 476 阅读 · 0 评论 -
图像变换与平面坐标系的关系
转载自:[1]http://blog.csdn.net/tangyongkang[2]https://zhuanlan.zhihu.com/p/74597564坐标旋转变换公式(围绕原点)如图, 在二维坐标上,有一点, 直线 的长度为r, 直线 和 轴的正向的夹角为。 直线 围绕原点做逆时针方向 度的旋转,到达。那么有: (1.1) (1.2)其中代入(1.1), (1.2) ,用行列式表达如下:综上:将图形围绕原点逆时针方...转载 2020-05-22 14:00:28 · 822 阅读 · 1 评论 -
【NLP】LSTM总结记录
前言如果有一天,你发现有大佬会看你写的东西,你感觉一切的一切都变得有意义了。好比一个资质极差的凡人,终于发现自己可以凭借后天的极限奋斗,能有希望入道成仙,因而欢喜无尽。希望未来的那么一天,也有人会跟我说一句:吾道不孤也!----感谢boss上跟我聊过的这位大佬!这篇文章写一些关于LSTM的总结。RNN为了更加好的建模一些序列化信息,比如文本,语音,我们有了RNN(Recurre...原创 2020-05-08 09:16:37 · 2089 阅读 · 0 评论 -
【ML】从HMM到CRF,我学到了什么?
可以略过的前言我必须要先承认,这是一篇入门级别的文章。源自上次电话面试中被问到HMM与CRF的异同,我没有回答好,于是写一篇粗浅的总结性文章,希望能让自己有所进步。若有不足之处,还请大佬们不吝赐教。百拜为谢!以前总结HMM与CRF的区别是什么,只是记住了HMM是判别模型,CRF是生成模型,深一点的,HMM针对于建模,而CRF是针对于建模,至于他们的原理是什么,他们到底在干什么,根本没有弄明...原创 2020-04-28 14:40:41 · 730 阅读 · 1 评论 -
【NLP】TextRank&NMF文本摘要总结
TextRank&NMF文本摘要总结我们在用TextRank作文本摘要时,提出一种新颖的方法来解决长文本的摘要提取问题。TextRank的思想很简单,其基本思想来源于谷歌的PageRank算法, 通过把文本分割成若干组成单元(单词、句子)并建立图模型, 利用投票机制对文本中的重要成分进行排序, 仅利用单篇文档本身的信息即可实现关键词提取、文摘。和 LDA、HMM 等模型不同...原创 2019-09-26 13:58:15 · 933 阅读 · 0 评论 -
【ML】随机森林(Random Forest) 从入门到放弃再到掌握
一切为了学习,一切为了面试,一切为了成长,一切为了梦想。加油希望这个文章不仅是我的笔记,也成为帮助您进一步理解RF的桥梁,大佬万福,请不吝赐教!让我们先看看集成学习基础理论集成学习集成学习的主要思路是先通过一定的规则生成多个学习器,再采用某种集成策略进行组合,最后综合判断输出最终结果。一般而言,通常所说的集成学习中的多个学习器都是同质的"弱学习器"。基于该弱学习器,通过样本集...原创 2019-04-09 11:05:09 · 4351 阅读 · 0 评论 -
【ML】决策树(decesion Tree)从入门到放弃再到掌握
希望写一篇关于决策树的总结,对自己所学做一个梳理.诚盼各位大佬不吝赐教。一切为了学习,一切为了面试,一切为了成长,一切为了梦想。人类做决策的时候,往往基于一些经验或者条件,比如我开始写这篇文章之前,我做了这么一些判断:1、我是否一心想要做工程师?——>是(执行下一步)/否(放弃写博客)2、我是否需要写一篇博客来加深一下关于决策树的印象?——> 是(执行下一步)/否...原创 2019-04-08 16:39:03 · 3305 阅读 · 0 评论 -
【ML】由最大似然到EM算法从入门到入门
一切为了梦想。期望在概率论和统计学中,数学期望(mean)(或均值,亦简称期望)是试验中每次可能结果的概率乘以其结果的总和,是最基本的数学特征之一。它反映随机变量平均取值的大小。大数定律规定,随着重复次数接近无穷大,数值的算术平均值几乎肯定地收敛于期望值。(百度百科)期望反应随机变量平均取值的大小,于是离散性随机变量的期望表示为:,这里是离散取值的概率。连续型随机变量的期...原创 2019-04-10 14:43:50 · 638 阅读 · 0 评论 -
【ML】逻辑回归(Logistic Regression-LR)从入门到放弃再到掌握
logistic regression (LR)是一个简单又复杂的模型.让我们一起来回顾和总结.一切为了学习,一切为了面试,一切为了成长,一切为了梦想。LR简单是因为从其根本上来学习,他很容易了解.复杂则在于:LR以其简单,经济,相对实用的原因经常被使用,被用的多,自然就被理解的透彻,而当一个对其理解透彻之人(比如面试官)对一个还不怎么理解的人(比如说我)针对性地提问的时候,他的复杂就...原创 2019-03-20 14:36:27 · 7551 阅读 · 0 评论 -
python 时间序列
时间数据基本处理方法时间数据的意义一般有以下几种:时间戳固定时期时间间隔 python 中处理时间的包:datetime、time、calendardatetime以毫秒的形式储存日期和时间。 两个datetime对象之间的时间差为datetime.timedelta datetime 加上或减去datetime.timedelta,产生新的时间对象。In [4]: ...原创 2018-08-14 14:23:16 · 1213 阅读 · 0 评论 -
数据分析基本技巧总结-特征工程(二)
特征工程特征工程包括数据预处理,特征选择数据清洗(特征预处理)异常值的识别:#判断是否空值df.isnull()#是否重复df.duplicated()#四分位上下界的方法判定异常值(见下文)异常值处理:1、丢弃:#dropna 默认axis= 0 表示丢弃NaN和None的行,#axis= 1表示丢弃列,subset可指定特定丢弃的属性df.d...原创 2018-08-15 17:33:41 · 885 阅读 · 0 评论 -
【ML】支持向量机(SVM)从入门到放弃再到掌握
朋友,你通过各种不同的途经初次接触支持向量机(SVM)的时候,是不是会觉得这个东西耳熟能详,感觉大家都会,却唯独自己很难理解? 每一次你的老板或者同仁让你讲解SVM的时候,你觉得你看过这么多资料,使用过这么多次,讲解应该没有问题,但偏偏在分享的时候结结巴巴,漏洞百出? 每一次机器学习相关的面试在问到支持向量机(SVM)的时候,尽管你觉得你都准备好了,可是一次又一次败下阵来,以至于觉得问那些问题...原创 2018-08-23 16:46:26 · 203385 阅读 · 77 评论 -
如何判断两条线(轨迹)的重叠区域
转载于:http://www.cnblogs.com/naaoveGIS/。1.背景 假设有两条轨迹,一条是预定轨迹,一条是实际轨迹,分别为L1、L2。L1由点(A1、A2、A3、…、AN)组成,L2由(B1、B2、B3、…、BM)组成。现在给出了一个容差范围,即L2上的点能与L1这条预定路线的垂直容差范围Range,求L2上满足要求的实际点。这个需求我们实际可以分为两种情况来考虑,一种...转载 2018-09-17 10:59:32 · 13444 阅读 · 0 评论 -
Ubuntu下 python3安装tensorflow(CPU版) 和 jupyter notebook
大佬万福.我是一个新手菜鸟, 想要入门tensorflow来的.我写的东西是入门级别的(因为怕自己以后忘记).tensorflow的安装是基于单CPU的.您如果要查找GPU版本的Tensorflow安装方法,建议您参考:https://blog.csdn.net/u014797226/article/details/80229887我开始了:确保Virtualenv 和 pip 被...原创 2019-01-11 11:09:33 · 456 阅读 · 0 评论 -
ResNet,DenseNet神经网络的差异和性能分析
参考文献:网络框架的演变:https://www.cnblogs.com/skyfsm/p/8451834.htmldensenet 性能分析:https://blog.csdn.net/u013214262/article/details/82846564http://www.yyliu.cn/post/7cabb4ff.htmlRESNET随着网络深度...原创 2019-03-15 10:56:05 · 7551 阅读 · 0 评论