![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
基础概念
文章平均质量分 74
金小虾
请叫我静静!
展开
-
基础概念——TP、FP、TN、FN、IOU、PR、AP、Interpolated AP、AUC、mAP
TP、FP、TN、FN都是站在预测的立场看的:TP:预测为正是正确的FP:预测为正是错误的TN:预测为负是正确的FN:预测为负是错误的准确率(accuracy),精确率(Precision)和召回率(Recall)准确度:分类器正确分类的样本数与总样本数之比(TP+TN)/ (TP+TN+FP+FN)精确度:所有被预测为正样本的样本中预测对的比例(TP) / (TP+NP)召回率:被正确预测的正样本占所有正样本的比例(TP)/ (TP+FN)...原创 2021-03-11 09:59:13 · 5880 阅读 · 1 评论 -
基础概念——手把手教你:在Raspberry Pi 启动时运行一个程序(树莓派的自启动)
手把手教你:启动时在Raspberry Pi 运行一个程序(树莓派的自启动)背景参考网站具体步骤操作示例图结语背景(1)树莓派3B+(2)系统版本为buster(3)python文件:self-starting.py放在/home/pi/Documents/python 文件夹下,具体内容如下:#!/usr/bin/python3import RPi.GPIO as GPIOimport timetime.sleep(10)GPIO.setmode(GPIO.BCM)GPIO.set原创 2020-06-30 22:54:06 · 2120 阅读 · 0 评论 -
安装vscode
下载安装文件:https://code.visualstudio.com/docs/python/python-tutorial安装起来比较简单,注意选择的位置就行。安装插件汉化、编辑环境美化:https://zhuanlan.zhihu.com/p/76410274在VScode中配置Python:安装python 插件:修改工作空间settings.json 配置文件中的"python.pythonPath"为自己的解释器路径(也就是你安装Python.exe的路径)。工作空间配原创 2021-01-16 14:25:12 · 242 阅读 · 0 评论 -
tensorflow—— 从 tensorflow 1到 tensorflow 2 的迁移
引用过一个段子,大意是,苹果发布了新的开发语言Swift,有非常多优秀的特征,于是很多时髦的程序员入坑学习。不料,经过一段头脑体操一般的勤学苦练,发现使用Swift做开发,不仅要学习Swift,还要学习Swift2、Swift3、Swift4…今天的TensorFlow 2.0也有点这样的趋势。事实上大多具有革命性的公司都是这样,一方面带来令人兴奋的新特征,另一方面则是高企不落的学习成本。第一个例子:房价预测本示例中的源码来自于《从锅炉工到AI专家》系列2,使用了最简单的线性函数来做房价预测。原始Te转载 2021-01-03 20:29:41 · 1230 阅读 · 0 评论 -
基本概念——图像分类、目标检测、语义分割、实例分割、全景分割
1、图像分类:识别图像中存在的物体:人、树、草、天空 … (具体的识别种类按分类种类要求确定)2、目标检测(object detection)识别图像中存在的内容和检测其位置,如下图,以识别和检测人(person)为例。3、语义分割(semantic segmentation)对图像中的每个像素打上类别标签,如下图,把图像分为人(红色)、树木(深绿)、草地(浅绿)、天空(蓝色)标签。同种类的物体的颜色一致。4、实例分割(instance segmentation)实例分.原创 2021-01-01 20:28:17 · 2238 阅读 · 2 评论 -
基本概念——TensorFlow和theano以及Keras 的关系
TensorFlow和theano以及Keras都是深度学习框架,TensorFlow和theano比较灵活,也比较难学,它们其实就是一个微分器Keras其实就是TensorFlow和theano的接口(Keras作为前端,TensorFlow或theano作为后端),它也很灵活,且比较容易学。可以把keras看作为tensorflow封装后的一个API。Keras 的核心数据结构是模型。模型是用来组织网络层的方式。模型有两种,一种叫 Sequential 模型,另一种叫Model 模型。Sequen转载 2020-12-30 20:29:08 · 537 阅读 · 0 评论 -
tf.train.ExponentialMovingAverage、tf.group()
tf.train.ExponentialMovingAverage作用:Some training algorithms, such as GradientDescent and Momentum often benefit from maintaining a moving average of variables during optimization. Using the moving averages for evaluations often improve results signifi原创 2020-12-30 10:03:22 · 145 阅读 · 0 评论 -
深度学习+图像处理相关试题日常总结
20201021 1、提高泛化能力提高模型泛化能力,减小过拟合,提升鲁棒性的几种方法:1.batch_size越大,样本整体噪声均值保持不变但是方差减小,而样本的噪声有助于SGD规避局部最优点,从而提高整体的泛化能力,所以batch_size越小,泛化能力越好。2.正则化,Batch Normalize3.提早结束训练4.droupout5.数据增强6.模型深度和模型泛化能力的关系。模型的泛化能力和模型的复杂度有关,模型复杂度越低,泛化能力更好。一般的训练方法是在高复杂度的模型(模型深度越原创 2020-10-21 17:18:23 · 6756 阅读 · 0 评论 -
tensorboard 可视化的最详细介绍
TensorBoard是TensorFlow下的一个可视化的工具,能够帮助我们在训练大规模神经网络过程中出现的复杂且不好理解的运算。TensorBoard能展示你训练过程中绘制的图像、网络结构等。1.构建简单的TensorBoard日志输出import tensorflow as tf input1 = tf.constant([1.0, 2.0, 3.0], name="input1") input2 = tf.Variable(tf.random_uniform([3], name="inp原创 2020-10-14 21:29:21 · 2248 阅读 · 1 评论 -
tensorflow实现迁移学习
用 win10 快速安装 wget步骤一,右击“命令提示符”,选择“以管理员身份运行”。步骤二 安装choco。输入这行代码 @"%SystemRoot%\System32\WindowsPowerShell\v1.0\powershell.exe" -NoProfile -InputFormat None -ExecutionPolicy Bypass -Command “iex ((New-Object System.Net.WebClient).DownloadString(‘https:.原创 2020-10-13 21:51:43 · 1475 阅读 · 1 评论 -
C++:创建链表的过程详解
创建链表的过程详解本人是一名刚开始学习算法的小白,今天遇到了一些关于链表的创建问题,查了一些资料,我把它们整理了一下,希望大家多多指教。整体的代码:#include<iostream>using namespace std;struct Node { int val; Node* next;};#创建Node* creatlist(int n) { Node* Head=new Node; //头节点 不存储数据 Head->next = NULL;原创 2020-10-06 17:25:23 · 19903 阅读 · 1 评论 -
算法的时间复杂度和空间复杂度
一、算法执行时间需通过依据该算法编制的程序在计算机上运行时所消耗的时间来度量。而度量一个程序的执行时间通常有两种方法。(1)事后统计的方法这种方法可行,但不是一个好的方法。该方法有两个缺陷:一是要想对设计的算法的运行性能进行评测,必须先依据算法编制相应的程序并实际运行;二是所得时间的统计量依赖于计算机的硬件、软件等环境因素,有时容易掩盖算法本身的优势。(2)事前分析估算的方法因事后统计方法更多的依赖于计算机的硬件、软件等环境因素,有时容易掩盖算法本身的优劣。因此人们常常采用事前分析估算的方法。二、原创 2020-10-03 13:41:01 · 681 阅读 · 0 评论 -
损失函数
神经网络是通过某个指标来表现现在的状态,然后,以这个指标为基准,寻找最优参数。神经网络中的指标称为损失函数(loss function)。这个损失函数可以使用任意函数,但是一般用均方差误差和交叉熵误差。均方差误差(mean squared error):均方误差是最有名的损失函数。式子如下:其中yky_{k}yk是输出神经第k个神经元的输出;tkt_{k}tk是输出神经第k个神经元的监督数据;kkk表示输出的神经元的个数比如:在手写数字识别中,yyy,ttt分别表示如下:y是so原创 2020-09-29 21:25:38 · 1238 阅读 · 0 评论 -
神经网络输出层的设计
输出层的设计:1、恒等函数回归问题用恒等函数,恒等函数会将输入按原样输出,对于输入的信息,不加以任何改动地直接输出。2、softmax函数分类问题用softmax函数:exp(x)exp(x)exp(x) 是表示exe^{x}ex的指数函数(e=2.7182…)。假设输出层共有n个神经元,计算第k个神经元的输出yky_{k}yk。如式所示,softmax函数的分子是输入信号aka_{k}ak,分母是所有输入信号的指数函数的和。输出层的输入信号aka_{k}ak是上一层隐藏层的输出。实原创 2020-09-29 19:35:18 · 1253 阅读 · 0 评论 -
plt.figure、plt.subplot、plt.subplots、add_subplots、add_axes详解
1、plt.figurefigure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)num:图像编号或名称,数字为编号 ,字符串为名称figsize:指定figure的宽和高,单位为英寸dpi参数指定绘图对象的分辨率,即每英寸多少个像素,缺省值为80 1英寸等于2.5cm,A4纸是 21*30cm的纸张facecolor:背景颜色edgecol转载 2020-09-10 17:10:24 · 2946 阅读 · 1 评论