Python
文章平均质量分 86
JOYCE_Leo16
计算机视觉,深度学习,图像处理
展开
-
PyTorch中 Datasets & DataLoader 的介绍
用于处理数据样本的代码可能很快就会变得混乱且难以维护。理想情况下,为了获得更好的可读性和模块化,我们希望处理数据集的代码与模型训练代码分离。存储样本及其相应的标签,PyTorch还提供了不少自带的数据集。围绕Dataset包装一个可迭代对象,以便轻松访问样本。PyTorch 提供了许多预加载的数据集(例如:FashionMNIST),它们是 torch.utils.data.Dataset的子类并实现特定于特定数据的函数。我们可以用它们来对模型进行原型设计和基准测试。原创 2024-04-13 19:41:04 · 816 阅读 · 0 评论 -
用于图像处理的Python顶级库 !!
正如IDC所指出的,数字信息将飙升至175ZB,而这些信息中的巨大一部分是图片。数据科学家需要(预先)测量这些图像,然后再将它们放入人工智能和深度学习模型中。在愉快的部分开始之前,他们需要做重要的工作。为了快速地处理大量信息,科学家需要利用图像准备工具来完成人工智能和深度学习任务。在本文中,将深入研究Python中最有用的图像处理库,这些库正在人工智能和深度学习任务中得到大力利用。原创 2024-02-17 11:26:49 · 1209 阅读 · 0 评论 -
突出最强算法模型——回归算法 !!
通过选择最相关的特征和对特征进行适当的工程处理,可以提高模型的性能。过多的不相关特征会增加模型的复杂性,降低模型的泛化能力,导致过拟合。而合适的特征工程可以帮助模型更好地理解数据的结构和关系,提高模型的准确性。通过调整正则化参数alpha,我们可以控制正则化的程度,从而调节模型的复杂度,避免过拟合。最后,通过绘制学习曲线,我们可以直观地观察到模型在不同正则化参数下的表现,从而选择合适的参数值。通过特征选择和特征工程,在实际的算法建模中,可以更好地理解数据,提高模型的性能。原创 2024-02-20 16:00:12 · 1199 阅读 · 0 评论 -
数据处理方法—— 7 种数据降维操作 !!
线性降维方法与非线性降维方法。线性方法,例如主成分分析(PCA)和线性判别分析(LDA),通常适用于数据具有线性分布的场景。相对地,非线性方法如t-分布随机邻域嵌入(t-SNE)、多维缩放(MDS)和局部线性嵌入(LLE),则更适合处理具有复杂分布特征的数据集。选择合适的降维技术取决于数据的固有属性及分析目标的具体需求。在适当的情境中应用恰当的降维策略,能够显著提升数据处理流程的效率以及算法的整体性能表现。原创 2024-01-26 19:35:19 · 2895 阅读 · 0 评论 -
50个超强的Pandas操作 !!
首先给出一个示例数据,是一些用户的账号信息,基于这些数据,这里给出最常用,最重要的50个案例。IDNameAgeSalaryStatus101Alice2550000Active102Bob3060000Inactive103Charlie2245000Active104David3575000Active105Eva2855000Inactive每个案例包括使用方式、示例、以及一段Python代码。原创 2024-01-24 18:57:41 · 903 阅读 · 0 评论 -
PyTorch内置损失函数汇总 !!
损失函数(loss function):衡量模型输出与真实标签的差异。损失函数也叫代价函数(cost function)/ 准测(criterion)/ 目标函数(objective function)/ 误差函数(error function)。原创 2024-01-24 10:06:27 · 1270 阅读 · 0 评论 -
PyTorch核心--tensor 张量 !!
在PyTorch中,张量是核心数据结构,它是一个多维数组,类似Numpy中的数组。张量不仅仅是存储数据的容器,还是进行各种数学运算和深度学习操作的基础。张量的概念张量的原理张量的操作张量的概念张量是一种多维数组,它可以是标量(零维数组)、向量(一维数组)、矩阵(二维数组)或具有更高维度的数组。在PyTorch中,张量是的实例,可以通过不同的方式创建,如直接从Python列表、Numpy数组或通过特定函数生成。# 创建一个标量# 创建一个向量# 创建一个矩阵# 创建一个3D张量。原创 2024-01-12 12:39:31 · 494 阅读 · 0 评论 -
9大PyTorch最重要的操作 !!
张量创建和基本操作自动求导(Autograd)神经网络层(nn.Module)优化器(Optimizer)损失函数(Loss Function)数据加载与预处理模型保存与加载学习率调整模型评估1. 张量创建和基本操作PyTorch的张量类似于Numpy数组,但它们提供了GPU加速和自动求导的功能。张量的创建可以通过torch.Tensor,也可以使用torch.zeros、torch.ones等函数。# 创建张量# 张量加法c = a + bprint(c)原创 2024-01-12 13:07:41 · 507 阅读 · 0 评论 -
详解Python内置函数 !!!
截止到python版本3.6.2 ,一共提供了68个内置函数。具体如下。本文将这68个内置函数综合整理为12大类。和数字相关数据类型进制转换数学运算和数据结构相关序列数据集合相关内置函数和作用域相关和迭代器生成器相关字符串类型代码的执行输入输出内存相关文件操作相关模块相关帮助调用相关查看内置属性一、和数字相关。原创 2024-01-05 17:00:47 · 1035 阅读 · 0 评论 -
PyTorch, 16个超强转换函数总结 ! !
将不同格式的数据(如PIL图像、NumPy数组)转换为PyTorch张量,以便能够被深度学习模型处理。例如,将图像转换为张量。2. 数据标准化:将输入数据的值缩放到某个特定范围。标准化对于提高模型的训练效果和收敛速度很重要。例如,可用于标准化图像数据。3. 数据增强:数据增强是指在数据集上应用一系列变换,以生成更多、更多样化的训练样本,从而提高模型的泛化能力。例如,等。4. 输入大小调整:深度学习模型通常对输入的大小有一定的要求。转换函数可以用于调整输入数据的大小,以适应模型的输入尺寸。例如,。原创 2024-01-02 13:56:50 · 1279 阅读 · 0 评论 -
50个超强的Pytorch操作 ! ! !
是Pytorch中用于定义和搭建模型的基类。通过继承该类,可以创建自定义的深度学习模型。# 自定义模型类# 创建模型实例# 查看模型结构可以通过继承类来创建自定义的损失函数。# 自定义损失函数类# 使用自定义损失函数可以自定义模型参数的初始化方法。# 自定义初始化方法# 在模型中应用初始化方法可以通过继承类来创建自定义学习率调度器。# 自定义学习率调度器类# 自定义学习率调度逻辑pass# 使用自定义学习率调度器继承类可以自定义数据加载器。# 自定义数据加载器类。原创 2024-01-01 13:38:20 · 1145 阅读 · 0 评论