- 博客(15)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 目标检测中mAP超详细解释
IOU (Intersection Over Union, 交并比)IOU指真实框和预测框之间交集和并集的比，假设这里有真实框BgtB_{gt}Bgt和预测框BpB_pBp，那么 IOU计算公式如下：IOU=area(Bp∩Bgt)area(Bp∪Bgt)IOU=\frac{area(B_p\cap B_{gt})}{area(B_p\cup B_{gt})}IOU=area(Bp∪...
2019-11-12 19:26:25
7532
2
原创 图像增强：直方图正规化、直方图均衡 (python实现)
当图像灰度级范围较小时，会造成图像对比度较低的问题。而图像增强则是通过把图像的灰度级范围进行扩大，从而使图像细节看起来更加清晰。下面我们一步一步进行说明。灰度直方图直方图是对灰度图像上的灰度值进行统计得到的关于灰度值的函数，用来描述每个灰度值在图像矩阵的像素个数或占有率。参考链接：OpenCV–Python 图像增强...
2019-06-27 18:06:27
7471
3
原创 认识决策树之分类树（ID3、C4.5、CART）
树模型的思想主要是每次选择具有分类能力强的特征作为树分裂的节点，重复该步骤直到在某一节点上的数据都属于同一类别时停止。由于在选择分类能力强的特征时，有不同的选择标准，因此出现了不同种树的模型。ID3在ID3算法中，通过信息增益来衡量特征的分类能力。在介绍熵之前首先介绍下自信息。相对于用概率表示该事件发生确定性的度量，自信息是该事件发生不确定性的度量，或者表示为该事件发生所携带信息量的大小。信息...
2019-04-04 17:57:26
821
原创 认识朴素贝叶斯
贝叶斯公式首先我们从实例来了解贝叶斯公式。某个医院早上收了六个门诊病人，如下表：症状职业疾病打喷嚏护士感冒打喷嚏农夫过敏头疼建筑工人脑震荡头疼建筑工人感冒打喷嚏教师感冒头疼教师脑震荡现在又来了第七个病人，是一个打喷嚏的建筑工人。请问他患上感冒的概率有多大？p(感冒∣打喷嚏，建筑工人)=p(打喷嚏∣感冒)×p(建...
2019-04-02 16:46:32
2360
原创 认识交叉熵
信息熵提到交叉熵，首先我们要知道熵的定义。熵也叫信息熵H(x)H(x)H(x)表示在信号源发出信号后每个信号的平均信息量，即该信号源的平均编码长度。也表示在信号输出前，信号源的不确定性。用信息熵H(x)H(x)H(x)来表征变量xxx的随机性。信息量越大则信号源的不确定性就越强。当变量xxx发生的概率为1时，信息熵为0.H(x)=−∑i=1np(xi)logp(xi)H(x)=-\sum_{i...
2019-04-02 12:12:29
328
原创 focal loss的tensorflow实现
最近在进行分类任务的时候，发现了数据存在类别不平衡问题。除了类别不平衡问题之外还有难学样本和易学样本之间的不平衡问题。因此考虑使用了focal loss。这里直接上代码：def focal_loss(logits, labels, gamma): ''' :param logits: [batch_size, n_class] :param labels: [batch...
2019-03-21 22:56:48
11867
11
原创 linux下进入recovery mode 的单用户模式
当linux无法正常开启，这时可能需要我们修改某些文件。但如果直接进入 recovery 模式，默认的是只读模式，所以不能够对文件内容进行修改。因此我们需要进入单用户模式，来对文件进行修改。1. 重启 ubuntu ,等待 grub 菜单的出现。2.选择 recovery mode, 按 e 进入编辑界面。3.将 ro recovery nomodeset 改为 rw single i
2018-06-29 10:33:08
5714
原创 Linux下非root用户安装Theano并配置GPU（以及集群上安装自己所需要的python依赖）
最近学校的集群更新了，只安装了一些基本的框架，但当我们自己跑代码时，往往会遇到缺少python包的问题，这时候由于我们没有集群的管理权限，只能把这些包安装到自己本地，因此下面就来介绍几中非root用户安装python包的方法
2018-01-20 22:39:14
1277
2
原创 item2vec的理解
最早提出 item2vec 这个方法是在这篇论文中Item2Vec: Neural Item Embedding for Collaborative Filtering 这里的 item2vec 用到的方法和 word2vec 中的方法基本类似。可以说是把 word2vec 中的方法迁移到了推荐系统中。基本思想是把原来高维稀疏的表示方式(one_hot)映射到低维稠密的向量空间中，这样我们就可以用
2017-10-07 11:05:30
9116
原创 论文笔记：session-based recommendations with recurrent neural networks
占坑中。。。。。。。。。。。。。。作者尝试了 常见的 point-wise rank loss，即认为负样本为 0， 正样本为 1 的loss function，发现训练出来的模型并不稳定，原因可能因为在推荐里面，并不存在绝对的正样本和负样本。在同一个情景里面，用户只能点击一个最偏好的item，对其他item可能也存在偏好，这并不是一个非黑即白的classification问题。然后作者尝试了 pa
2017-09-24 21:41:34
4481
2
原创 linux下卸载显卡驱动以及重新安装显卡驱动
在linux下安装了nvidia 显卡驱动之后，遇到过开机一直是循环登录的状态，或者双屏模式只有一个主显示屏能正常启动的情况。于是决定卸载显卡驱动。如果是循环登录的时候： 1. 进入循环登录的界面后，按住Ctrl+Alt+F1（听说F1～F6都行） 2. 进入Ubuntu命令行界面，输入用户名和密码就可以进行卸载驱动或者其他操作。下面我们将介绍卸载驱动及重新加载驱动的过程： （
2017-09-22 14:34:03
43577
2
原创 linux下进入recovery mode 的单用户模式
当linux无法正常开启，这时可能需要我们修改某些文件。但如果直接进入 recovery 模式，默认的是只读模式，所以不能够对文件内容进行修改。因此我们需要进入单用户模式，来对文件进行修改。重启 ubuntu ,等待 grub 菜单的出现。选择 recovery mode, 按 e 进入编辑界面。将 ro recovery nomodeset 改为 rw single init=/bin/ba
2017-09-22 10:24:40
9727
原创 配置多个python版本
在linux或者windows中，我们运行的代码可能有的需要python2.7，有的需要python3.4等等，这样我们就需要安装多个版本的python。anaconda可以很好的实现多版本之间的切换。比如我们当前在linux下用的是anaconda2下的python2.7，我们还想继续安装python3.4的版本，我们可以首先用anaconda创建一个python3.4的环境cond
2017-06-30 09:27:31
492
Attention-based LSTM for Aspect-level Sentiment Classification 论文代码
2018-03-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人