- 博客(90)
- 收藏
- 关注
转载 tf.assign()函数简单解释
代码示例:import tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'state = tf.Variable(1)state_ = tf.assign(state, 10)with tf.Session() as sess: sess.run(tf.global_variables_initializer()) print(sess.run(state)) print(sess.run
2022-04-09 18:48:45
282
转载 ImageDraw类详解:几何图形的绘制与文字的绘制
python PIL图像处理模块中的ImageDraw类支持各种几何图形的绘制和文本的绘制,如直线、椭圆、弧、弦、多边形以及文字等。下面直接通过示例来进行说明:#-*- coding: UTF-8 -*- import numpy as npfrom PIL import Imagefrom PIL import ImageDrawfrom PIL import ImageFont def draw_test(): #生成深蓝色绘图画布 array = np.n
2022-03-30 17:11:28
1536
转载 os.path.join()函数
**os.path.join() 函数用于拼接文件路径,可以传入多个参数。**自动添加/import osprint os.path.join('111','222','333') #111/222/333print os.path.join('/111','222','333') #/111/222/333print os.path.join('/111','/222','333') #/222/333print os.path.join('/111','/222','/333') #/3
2022-03-30 16:35:27
667
转载 colorsys ---颜色系统之间的转换
这个 colorsys 模块定义了计算机监视器中使用的RGB(红-绿-蓝)颜色空间和其他三个坐标系统中表示的颜色之间颜色值的双向转换:YIQ、HLS(色调亮度饱和度)和HSV(色调饱和度值)。所有这些颜色空间中的坐标都是浮点值。在y IQ空间中,y坐标在0和1之间,但i和q坐标可以是正的或负的。在所有其他空间中,坐标都在0和1之间。...
2022-03-30 10:50:53
484
转载 深度学习参数初始化(weights initializer)策略大全
注:tf.contrib.layers.xavier_initializer():该函数返回一个用于初始化权重的初始化程序 “Xavier” 。这个初始化器是用来保持每一层的梯度大小都差不多相同。各个层对状态Z的梯度的方差要保持一致。...
2022-03-13 17:20:28
328
转载 常见的损失函数之MSE\Binary_crossentropy\categorical_crossentropy
loss:MSE均方误差损失函数:是最经典也是最简单的损失函数,几乎万能,但是不太准确。binary_crossentropy二分类交叉熵损失函数:配合sigmoid输出层用于二分类问题categorical_crossentropy多分类交叉熵损失函数,配合softmax输出层用于多分类问题损失函数是机器学习最重要的概念之一。这篇文章写的时候还很嫩,读者指出的很多问题无法一一答复,可参考其他文章哈。通过计算损失函数的大小,是学习过程中的主要依据也是学习后判断算法优劣的重要判据。常用的损失
2022-03-12 23:55:52
913
转载 Python图像处理 PIL中convert(‘L‘)函数原理,以及resize()方法改变图片大小,将png图片转换为jpg图片
from PIL import Imagedef convert_1(): image = Image.open("D:/pytorch_code/pytorch_study/fusion_datasets/1.jpg") image_1 = image.convert('1') image.show() image_1.show()from PIL import Imagedef convert_L(): image = Image.open(.
2022-03-10 21:49:51
3280
转载 np.pad()详解
代码示例:# pad()函数使用示例def testPad(): """ np.pad()用来在numpy数组的边缘进行数值填充,例如CNN网络常用的padding操作 np.pad(array,pad_width,mode,**kwargs) # 返回填充后的numpy数组 参数: array:要填充的numpy数组【要对谁进行填充】 pad_width:每个轴要填充的数据的数目【每个维度前、后各要填充多少个数据】 ...
2022-03-09 16:22:28
13196
转载 如何使用梯度裁剪(Gradient Clipping)避免梯度爆炸
给定误差函数,学习率,甚至目标变量的大小,训练神经网络可能变得不稳定。训练期间权重的较大更新会导致数值上溢或下溢,通常称为梯度爆炸(gradients exploding)。梯度爆炸在递归神经网络中更为常见,例如LSTM,因为梯度的累积在数百个输入时间步长上展开。梯度爆炸的一种常见且相对容易的解决方案是:在通过网络向后传播误差并使用其更新权重之前,更改误差的导数。两种方法包括:给定选定的向量范数( vector norm)来重新缩放梯度;以及裁剪超出预设范围的梯度值。这些方法一起被称为梯度裁剪(gra.
2022-03-06 13:57:57
7701
转载 【tf.keras】官方教程之一 Keras overview
这里的evaluate和上面的validation_freq是一样的,区别在于什么呢?区别在在于validation_freq是在traing中间进行的,为什么中间进行呢?因为在training的时候,我也不知道traing什么时候是个头,有可能traing10天,有可能是3个月,有可能更久,那么什么时候停止呢?我这个时候,就会隔一段时间做一次validation_freq或者隔一段时间做一次test,比如根据(我再中间写一段代码if test_accuracy>0.99,我就把当前的状态save..
2022-03-06 12:19:46
227
转载 np.eye()函数,np.expand_dims()函数,np.clip()函数, np.random.choice()函数
np.eye()的函数,除了生成对角阵外,还可以将一个label数组,大小为(1,m)或者(m,1)的数组,转化成one-hot数组。例如它可以将类别总数为6的labels=[1,2,3,0,1,1]的数组转化成数组[[0,1,0,0,0,0],[0,0,1,0,0,0],[0,0,0,1,0,0],[0,0,0,0,0,0],[0,1,0,0,0,0],[0,1,0,0,0,0]]这就是所谓的one-hot的形式。一、np.eye()函数的原型:numpy.eye(N,M=None,k=0,dtyp
2022-03-03 15:36:46
1776
1
转载 tf.argmax()函数说明
函数说明:tf.argmax( input, axis=None, name=None, dimension=None, output_type=tf.int64) 参数: input:输入矩阵 axis:默认为None name:默认为None dimension:默认为None output_type:默认类型为int64用途:返回最大的那个数值所在的下标(第一个参数是矩阵,第二个参数是0或者1。0表示的是按列比较返回最大值的索引,1表示按行
2022-03-01 20:55:21
326
转载 tf.get_variable()的使用方法
参数数量及其作用该函数共有十一个参数,常用的有:名称name、变量规格shape、变量类型dtype、变量初始化方式initializer、所属于的集合collections。 def get_variable(name, shape=None, dtype=None, initializer=None, regularizer=None,
2022-03-01 17:40:45
1312
转载 TensorFlow1安装和下载(超详细)
注:这一步使用如下命令:pip3 install --user --upgrade tensorflow==1.15tensorflow1.15版本以前区分CPU和GPU ,1.15版本以后不再区分了。
2022-02-17 00:28:47
9942
转载 Linux下安装Anaconda过程
今天在centos7下安装了Anaconda,将安装过程记录如下下载安装Anaconda下载地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/打开页面后,以Anaconda2开头的就是python2版本,以Anaconda3开头的就是python3版本,因为centos7本身就带有python2.7版本,所有我下载的是Anaconda3 比较新的版本 Anaconda3-2.4.0-Linux-x86_64.sh找到下载好的安装包:An
2022-02-16 22:36:56
678
原创 np.random.permutation()函数和np.shuffle()函数的使用
Permutation:(一组事物可能的一种) 序列,排列,排列中的任一组数字或文字;这个函数的使用来随机排列一个数组的,第一个例子如图1所示:对多维数组来说,是多维随机打乱而不是1维,例如:第一次运行结果(代码在左侧),如图2所示:第二次运行结果(代码在左侧),如图3所示:如果要利用次函数对输入数据X、Y进行随机排序,且要求随机排序后的X Y中的值保持原来的对应关系,可以这样处理:permutation = list(np.random.permutation(m)) #m为样本数s
2022-02-14 13:20:24
3796
转载 通过pycharm使用git[图文详解]
#如果之前已经正确clone后,可以通过git pull进行同步代码,可指定分支git pull #是pull当前分支的最新代码git pull origin dev #表示fetch origin 的dev分支到当前目录,并与当前分支合并,相当于git fetch origin dev && git merge origin dev,取下来再合并git pull origin dev:master #表示从远端origin dev取下代码,并与本地的mas...
2022-02-13 00:10:26
2814
转载 numpy的linalg.norm()函数求范数
np.liealg.norm函数用来计算所谓的范数,可以输入一个vector,也可以输入一个matrix。L2范数是最常见的范数,恐怕就是一个vector的长度,这属于2阶范数,对vector中的每个component平方,求和,再开根号。这也被称为欧几里得范数(Euclidean norm)。在没有别的参数的情况下,np.linalg.norm输入一个vector,就是计算vector的长度:vector的每个component的平方相加后开根号。当输入是一个matrix的时候,在没有其他参数的情况
2022-02-10 17:11:20
3094
原创 矩阵元素的运算
def test(): """ D1 = D1 < keep_prob 判断矩阵中的元素是否小于某个值keep_prob,若小于,为True;否则,False; 得到一个值为True或False的同样大小的矩阵 """ np.random.seed(1) A1 = np.random.randn(1, 3) D1 = np.random.rand(1, 3) print(D1) # [[0.
2022-02-10 13:49:23
1166
原创 loadmat()函数加载.mat数据文件
loadmat()函数源码如下:def loadmat(file_name, mdict=None, appendmat=True, **kwargs): variable_names = kwargs.pop('variable_names', None) MR, file_opened = mat_reader_factory(file_name, appendmat, **kwargs) matfile_dict = MR.get_variables(variable_nam
2022-02-09 20:58:06
8688
2
转载 sklearn.datasets.make_circles()函数和make_moons()函数
sklearn.datasets.make_circles(n_samples = 100,shuffle = True,noise = None,random_state = None,factor = 0.8 )作用:在2d中创建一个大圆包含小圆的的样本集。一个简单的数据集,用于可视化聚类和分类算法。 n_samples : int,optional(默认值= 100) 生成的总点数。如果是奇数,则内圆将比外圆具有一个点。 shuffle : bool,optional(默认值= True
2022-02-09 19:45:49
2785
转载 什么是dropout?
最近有个新闻闹得沸沸扬扬,那就是dropout这个算法竟然被谷歌申请了专利真是神奇了,加减乘除还能被申请专利?不过大家不用担心,dropout肯定用还是可以用的,谷歌只是想特定时刻,利用专利保护或者对抗某些竞争对手或者不良企业那么今天我们就来看看,这个dropout到底是如何一顿操作猛如虎,让谷歌能花费3年时间就为了一个简单的算法申请专利dropout 从字面意思就是‘丢掉’丢掉?丢掉什么?别急,我们来看看?上图特征清晰明了,相必大家一眼就能认出是谁了把根据这些特征,神经网络也能认出来,
2022-01-28 19:52:25
1029
转载 Blue得分详细计算过程
# 计算BLEU值def bleu(candidate, references, weights)# (1)私有函数,计算修正的n元精确率(Modified n-gram Precision)def _modified_precision(candidate, references, n)# (2)私有函数,计算BP惩罚因子def _brevity_penalty(candidate, references)def _modified_precision(candidate, refe.
2022-01-28 19:42:37
1404
转载 一文看懂Word2Vec
什么是 Word2vec ?Word2vec 是 Word Embedding 的方法之一。他是 2013 年由谷歌的 Mikolov 提出了一套新的词嵌入方法。需要说明的是:Word2vec 是上一代的产物(18 年之前), 18 年之后想要得到最好的效果,已经不使用 Word Embedding 的方法了,所以也不会用到 Word2vec。这种方式在 2018 年之前比较主流,但是随着 BERT、GPT2.0 的出现,这种方式已经不算效果最好的方法了。Word2vec 在整个 NLP 里的位置可以
2022-01-23 22:53:07
956
转载 centos6中yum无法使用
一键修复代码:sed -i “s|enabled=1|enabled=0|g” /etc/yum/pluginconf.d/fastestmirror.confmv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.backupcurl -o /etc/yum.repos.d/CentOS-Base.repo https://www.xmpan.com/Centos-6-Vault-Aliyun.repoy...
2022-01-22 11:04:16
270
原创 numpy学习之七:where(),copy(),zeros_like()函数
where()函数:# where()函数:返回输入数组中满足给定条件的元素的索引def testWhere(): x = np.arange(9.).reshape(3, 3) print('我们的数组是:') print(x) print('大于 3 的元素的索引:') y = np.where(x > 3) # y是tupe类型 print(y) print('使用这些索引来获取满足条件的元素:') print(x[y])
2022-01-20 02:14:18
1142
转载 Pascal Voc数据集详细分析
前言做深度学习目标检测方面的同学怎么都会接触到PASCAL VOC这个数据集。也许很少用到整个数据集,但是一般都会按照它的格式准备自己的数据集。所以这里就来详细的记录一下PASCAL VOC的格式,包括目录构成以及各个文件夹的内容格式,方便以后自己按照VOC的标准格式制作自己的数据集。正文相关网址Pascal VOC网址:http://host.robots.ox.ac.uk/pascal/VOC/查看各位大牛算法的排名的Leaderboards:http://host.robots.ox.ac.
2022-01-09 11:42:54
466
转载 PASCAL VOC 数据集简介
三、标注标准及 XML 解析标注标准:VOC2011 Annotation Guidelines标注信息是用 xml 文件组织的如下:<annotation> <folder>VOC2007</folder> <filename>000001.jpg</filename> # 文件名 <source> <database>The VOC2007 Database</database> ...
2022-01-09 11:35:24
263
转载 MS COCO数据集详解
一、一些网址数据集官网首页:http://cocodataset.org/#home数据集下载:可用迅雷去下载官方链接,速度还是挺快的。如果速度不快,可能你需要找“正确版本”的迅雷也可以去这个高中生搭建的下载站下载:http://bendfunction.f3322.net:666/share/。 他的首页是这样子的:http://bendfunction.f3322.net:666/https://pjreddie.com/projects/coco-mirror/数据集格式介绍:http
2022-01-09 11:30:14
2263
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人