2018年04月_hzhj

原创 python字符串编码

中文输出>>> import io>>> import sys>>> if int(sys.version[0])==2:... f = open(txt_path, 'r')... else:... f = open(txt_path, 'r', encoding='utf-8')... >&g...

2018-04-24 16:50:00 226

原创 rnn理解

直观感受下cnn(左图)和rnn(右图)的整体结构，其中rnn中输出层和隐层间间的双向箭头不一定存在，一般是到输出的单向箭头。图片1来自这里为将整体结构与下文中的结构进行过度，先给出rnn的展开结构。图片2来自这里接着对比下单神经元的处理。图a即可以看作是输入到输出的变换，也可以看作是输入到隐层的变换。作为输入到输出的变换时，本质上和图c中的变换是一样的。cnn与r...

2018-04-18 19:53:30 435

原创反向传播算法的理解

BP(Backpropagation Algorithm，反向传播算法)在神经网络学习中有着无可替代的作用，关于其优化方法可阅读该文章《一文看懂各种神经网络优化算法：从梯度下降到Adam方法》。本文仅立足于反向传播的实现过程。文中如有理解偏差，请各位指正。就反向传播的字面理解是将数据从后(输出)向前(输入)传递，数据的具体形式是代价函数对其超参数(权重(W)和偏置(b))的偏导数，...

2018-04-13 18:40:55 3080

原创 git晋级之.gitignore 和 .gitmodules

.gitignore文件的使用开发中常遇到不需要跟踪的文件或文件夹，包括不限于编译生成的文件(如.pyc)、调试结果(如rst文件夹)等,原则是不想让其被看到，此时可使用".gitignore"文件进行管理，同时需要。如该文件的内容为：#compile*.pyc#rst 目录rst.gitimodules文件的使用从git官网上down了个开源代码，在此基础上开...

2018-04-12 17:53:24 3931

原创 python 中数据的浅拷贝与深拷贝

数据复制时，会涉及到浅拷贝与深拷贝，简单理解就是浅拷贝：两个数据变量复制后指向同一个内存地址；深拷贝：两个数据变量复制后指向了不同的内容地址；>>> a=[3,2]>>> id(a)32495952>>> b=a>>> id(b) #a,b变量的地址相同32495952>>&am

2018-04-12 15:06:54 131

原创 cnn中感受野的计算

medium上的这篇文章A guide to receptive field arithmetic for Convolutional Neural Networks是目前关于感受野计算最详细的文章，其翻译详见文章卷积神经网络中的感受野计算(译)和关于卷积神经网络(CNN)中的感受野，你知道多少？感受野（receive field）是指当前feature map中的一个原子点P与输...

2018-04-09 21:17:09 888

原创 python 如何调用py文件

同一文件夹下的.py文件调用方法1： from file_in import myFunc方法2：import file_infile_in.myFunc(arg) #函数调用不同文件下的.py文件调用，其中文件的组织形式如下，|-- demo.py`-- folder_A |-- __init__.py `-- file1.py现需要在demo.py中调用file...

2018-04-09 15:33:52 13987

原创非极大值抑制(nms)算法功能及python实现

有什么比一张图更能说明问题呢。nms广泛应用于边缘检测，人脸检测和目标检测等，用于消除冗余的框。也有专门研究它的论文。如下就Faster-RCNN_TF中nms的python源码进行注释。图1 nms的一个功能示意图，图片来源源码文件nms.pydef nms(dets, thresh): x1 = dets[:, 0] y1 = dets[:, 1] x2 = d...

2018-04-03 12:16:51 5541 5

原创 python对数组或字典变量排序

数据处理中需要对数组按行或按列进行排序，或者对字典变量中的键值对排序。主要用到的两个函数为np.lexsort()和内置函数sorted()。如下说明处理过程。对数组按最后一行排序，且保持列的相对位置不变>>> import numpy as np>>> data=np.array([[ 2, 7, 1, 2],[35, 9, 1, 2],...

2018-04-02 20:48:43 2976

翻译 YOLOv3: An Incremental Improvement

yolo之前已经出现了两版，最近，yolov3出现在作者官网。相关代码可见github网址。文中如有理解偏差，请各位指正。摘要作者对YOLO进行了一些改进！通过一堆小的设计变化使之变的更好。作者训练了这个新的模型，其性能很棒。模型比上次的有点大但是更加准确。速度仍然很快，所以不必担心。对320*320的图片测试时，YOLOv3的速度和mAP分别为22ms和28.2，和SSD一样准确...

2018-04-02 18:01:53 2074

hzhj的博客