基础知识学习
Infinite_LW
这个作者很懒,什么都没留下…
展开
-
np.mod
numpy.mod(x1, x2)相当于Python模运算符``x1%x2``,并且与除数x2具有相同的符号。>>> np.mod(5,2)1>>> np.mod(5,3)2>>> np.mod(5,-3)-1>>> np.mod(-5,3)1 ...原创 2019-01-14 09:50:18 · 10345 阅读 · 0 评论 -
os.path.basename()
返回path最后的文件名。如果path以/结尾,那么就会返回空值。 >>> import os>>> os.path.basename('a/b/c/d/e')'e'>>> os.path.basename('a/b/c/d/e/')''>>> os.path.basename('a\b\c\d...原创 2019-01-14 13:07:25 · 890 阅读 · 0 评论 -
优化器Optimizer
格式为: tf.train.×××Optimizer(learning_rate).minimize(loss)http://blog.720ui.com/2018/tensorflow_03_dl_tensorflow_optimizer/#tf-train-AdamOptimizerhttps://vimsky.com/article/3875.htmlAdam...原创 2019-01-10 09:33:09 · 447 阅读 · 0 评论 -
tf.train.Saver,和模型参数微调
https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/5-06-save/ https://blog.csdn.net/Jerr__y/article/details/78594494 博客还提到:一般来说,tf.Saver 可以和 tf.variable_scope() 巧妙搭配,可以参考: 【...原创 2019-01-10 10:06:52 · 388 阅读 · 1 评论 -
xrange
http://www.runoob.com/python/python-func-xrange.html 描述xrange() 函数用法与 range 完全相同,所不同的是生成的不是一个数组,而是一个生成器。语法xrange 语法:xrange(stop)xrange(start, stop[, step])参数说明:start: 计数从 start 开始。默认...转载 2019-01-10 10:45:15 · 661 阅读 · 0 评论 -
glob
https://lampeter123.iteye.com/blog/546152 显示目录下所有jpg的文件列表了,并且打印的都是绝对路径>>> import glob>>> list = glob.glob('/home/datasets/yibiaoMerge/train/*.jpg')>>> print(list)...原创 2019-01-10 10:49:11 · 1248 阅读 · 0 评论 -
scipy.misc.imresize
此函数的作用是: 对图像进行成比例放大或缩小,且归一化到0-255区间https://blog.csdn.net/u013066730/article/details/59528939>>> from scipy.misc import imresize>>> import numpy as np>>> a = np.random...转载 2019-01-10 11:32:25 · 985 阅读 · 0 评论 -
散度
摘自:一文搞懂散度用一个分布Q去逼近一个目标分布P,希望找到一个目标函数D(Q,P),计算Q到P的距离。这一个目标函数,正是Divergence(散度)。通过散度的计算就能不断地优化Q,寻找一个最优的参数去逼近真实的分布P。注意,散度跟距离不一样,他没有距离的对称性d(x,y)=d(y,x),或是三角不等式d(x,y)≤d(x,z)+d(z,y) 的要求。KL散度,KL(P∥Q)可以理解...原创 2019-03-28 09:48:02 · 1180 阅读 · 0 评论 -
eval函数
errD_fake = self.d_loss_fake.eval({self.real_data: batch_images})http://www.voidcn.com/article/p-ydfeiqsg-bgt.html对 d_loss_fake 函数的调用https://blog.csdn.net/jiaoyangwm/article/details/79248535e...原创 2019-01-14 09:26:02 · 730 阅读 · 0 评论 -
运行含中文的程序,打印名片
#-*- coding:utf-8 -*-#让python2也能运行含中文的程序print("hello world")applePrice = 3.5 #苹果的价格 元/斤weight = 7.5 #购买苹果的重量 斤money = applePrice + weight#input("请输入你的身高:")high = input("请输入你的身高:") #获取用...原创 2018-08-28 11:02:29 · 664 阅读 · 0 评论 -
IOU,NMS
1. IOU(交并比)1、2均引用此文章内容:物体检测中常用的几个概念迁移学习、IOU、NMS理解物体检测需要定位出物体的bounding box,就像上面的图片一样,我们不仅要定位出车辆的bounding box 我们还要识别出bounding box 里面的物体就是车辆。对于bounding box的定位精度,有一个很重要的概念,因为我们算法不可能百分百跟人工标注的数据完全匹配,因...转载 2018-05-25 10:04:22 · 779 阅读 · 0 评论 -
Region proposal学习笔记
Region Proposal(候选区域),就是预先找出图中目标可能出现的位置,通过利用图像中的纹理、边缘、颜色等信息,保证在选取较少窗口(几千个甚至几百个)的情况下保持较高的召回率。...原创 2018-06-19 11:23:35 · 4815 阅读 · 2 评论 -
平均值(Mean)、方差(Variance)、标准差(Standard Deviation)
http://blog.shaochuancs.com/mean-variance-sd/ 方差https://en.wikipedia.org/wiki/Variance#Product_of_independent_variables方差通常以这三种形式表示:转载 2018-09-18 10:46:52 · 6792 阅读 · 0 评论 -
贪心算法 (Greedy Algorithm)
贪心算法 如果要简要得描述这个算法的话就是,首先边的权重排序。(从小到大)循环的判断是否需要选择这里的边。判断的依据则是边的两个顶点是否已经连通,如果连通则继续下一条。不连通就选择使其连通。 https://blog.csdn.net/l2580258/article/details/63425301此算法能解决哪些类问题...原创 2018-09-20 10:25:32 · 362 阅读 · 0 评论 -
np.random.uniform,random,choice,newaxis
np.random.uniform(low=0.0, high=1.0, size=None)均匀分布,随机生成下一个实数,在 [low, high) 范围内。low : 随机数的最小值,包含该值。high : 随机数的最大值,不包含该值。https://blog.csdn.net/u013920434/article/details/52507173 讲的很全面h...原创 2019-01-10 20:05:07 · 1063 阅读 · 0 评论 -
np.ceil
官方讲解: https://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.ceil.html向数轴的正向方向取整数举例:>>> a = np.array([-1.7, -1.5, -0.2, 0.2, 1.5, 1.7, 2.0])>>> np.ceil(a) array([...原创 2019-01-10 20:09:14 · 458 阅读 · 0 评论 -
np.fliplr
向左/向右翻转阵列# 二维>>> d = np.arange(16).reshape(4,4)>>> darray([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14, 15]])>>> np.fliplr(...原创 2019-01-10 20:36:23 · 1507 阅读 · 0 评论 -
类别不平衡问题之评估指标
源自博客https://zhuanlan.zhihu.com/p/34473430 https://zhuanlan.zhihu.com/p/34655990以下是我的一些摘抄笔记由于类别不平衡问题的特性使然,一般常使用于评估分类器性能的准确率和错误率可能就不再适用了。因为在类别不平衡问题中我们主要关心数目少的那一类能否被正确分类,而如果分类器将所有样例都划分为数目多的那一类,就...原创 2019-10-07 14:22:17 · 979 阅读 · 0 评论